您的位置: 专家智库 > >

车延华

作品数:2 被引量:5H指数:2
供职机构:烟台职业学院信息工程系更多>>
发文基金:山东省自然科学基金更多>>
相关领域:自动化与计算机技术电气工程更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 1篇电气工程
  • 1篇自动化与计算...

主题

  • 1篇电网
  • 1篇电网负荷
  • 1篇电网负荷预测
  • 1篇优化算法
  • 1篇时间序列
  • 1篇投影寻踪
  • 1篇配电
  • 1篇配电网
  • 1篇配电网负荷预...
  • 1篇子群
  • 1篇项目管理
  • 1篇粒子群
  • 1篇粒子群优化
  • 1篇粒子群优化算...
  • 1篇风险管理
  • 1篇风险评估
  • 1篇负荷预测

机构

  • 2篇烟台职业学院
  • 1篇东方电子集团...

作者

  • 2篇车延华
  • 1篇王韶霞

传媒

  • 1篇山东电力技术
  • 1篇辽宁工程技术...

年份

  • 1篇2023
  • 1篇2012
2 条 记 录,以下是 1-2
排序方式:
基于投影寻踪模型的集成系统风险评估被引量:3
2012年
进行系统集成项目的风险评估,采用投影寻踪方法将多维指标项目进行降维处理,在低维空间研究投影特征值,达到研究高维数据特性的目的.通过样本采集评估项目风险,计算样本一维投影值,并结合具体的系统,确定项目的总体风险等级和各个影响因素的风险等级,构建了信息系统集成项目风险评估模型,利用其对项目进行了评估,评估效果较好,对集成系统的项目风险管理有一定的参考价值.
王韶霞车延华
关键词:风险管理投影寻踪项目管理风险评估
基于深度置信网络的配电网负荷预测被引量:2
2023年
保证配电网负荷数据的完整性是后续数据统计和业务分析的数据基础。针对广州大学城配电网存在的电表年久失修或电表读数错误而导致的配电网负荷数据缺失问题,提出一种基于深度置信网络(Deep Belief Networks,DBN)的配电网负荷预测算法,通过时间序列预测的方法,对缺失的数据进行补齐,保证配电网数据的完整性。深度置信网络由一定数目的受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)叠加而成,通过无监督训练算法得到网络模型的初始值,最后通过自上而下的有监督学习得到预测训练模型。为了避免训练模型的局部最优问题,提高训练模型的全局搜索能力,使用粒子群优化算法对模型进行调优,以获得全局最优解。最后,通过比较多个预测训练模型的预测指标,验证了提出预测训练模型的准确性和有效性。
吕秋霞孙亮车延华于全喜
关键词:负荷预测时间序列粒子群优化算法
共1页<1>
聚类工具0