短期负荷
短期负荷的相关文献在1989年到2023年内共计605篇,主要集中在电工技术、自动化技术、计算机技术、建筑科学
等领域,其中期刊论文98篇、会议论文11篇、专利文献27648篇;相关期刊74种,包括沈阳工业大学学报、西安交通大学学报、电气自动化等;
相关会议10种,包括2015中国燃气运营与安全研讨会、第十六届全国电气自动化与电控系统学术年会、中国电机工程学会电力系统自动化专业委员会三届一次会议暨2011年学术交流会等;短期负荷的相关文献由2470位作者贡献,包括周俊宇、李伟、钟童科等。
短期负荷—发文量
专利文献>
论文:27648篇
占比:99.61%
总计:27757篇
短期负荷
-研究学者
- 周俊宇
- 李伟
- 钟童科
- 陈晓彤
- 骆国铭
- 区智叶
- 卞海红
- 吉宏锋
- 唐鹤
- 罗广锋
- 莫祖森
- 钟展文
- 陈刚
- 黄雄浩
- 区允杰
- 花洁
- 亓玉国
- 张越
- 胡福金
- 李国杰
- 甄颖
- 苏运
- 韩蓓
- 刘思捷
- 刘梅
- 卫志农
- 吴倩红
- 孙国强
- 张伟
- 张智晟
- 徐国政
- 李佩杰
- 李滨
- 沈茂亚
- 王新迪
- 王昕
- 白晓清
- 陈碧云
- 乔朋利
- 卜凡鹏
- 叶辉良
- 吴杰康
- 李立学
- 梁智
- 王海云
- 田世明
- 田英杰
- 臧海祥
- 苏炳洪
- 袁清芳
-
-
齐亚楠;
陈一言;
张宁;
王琳
-
-
摘要:
背景:p38抑制剂干预治疗相关疾病已经取得了很好的成效,但是关于短期大强度负荷下p38抑制剂对兔髌腱及髌骨髌腱结合部中炎性反应的影响仍有许多疑问.目的:在实验室建立的定量跳跃动物模型上,观察短期内大强度运动负荷下,p38抑制剂对兔髌腱及髌骨髌腱结合部中主要炎性因子白细胞介素1β、白细胞介素6和转化生长因子β1表达的影响.方法:34只18周龄新西兰大白兔,随机分为对照组(n=4)、跳跃组1,3,5 d(n=5)及跳跃+p38抑制剂组1,3,5 d(n=5).各跳跃组进行电刺激跳跃训练,每次电刺激引发兔向前上方跳跃,跳跃高度达到10 cm定义为合格,每次训练共进行150次合格跳跃.跳跃+p38抑制剂组在每次训练后腹腔注射SB203580(0.5 mg/kg),对照组不训练,预适应过程及饲养时间相同.各组训练结束后麻醉处死取材,采用SABC法对组织进行免疫组织化学染色,并通过Metamorph图形处理软件对各炎症因子的阳性细胞密度进行定量计算.结果 与结论:①髌腱及髌骨髌腱结合部中白细胞介素1β、白细胞介素6和转化生长因子β1的免疫组化结果显示,短期大强度负荷运动下髌腱及髌骨髌腱结合部的炎症因子变化情况不一致;②与跳跃组相比,跳跃+p38抑制剂组髌腱与髌骨髌腱结合部中3个炎症因子白细胞介素1β、白细胞介素6和转化生长因子β1的表达水平均没有显著变化(P>0.05);③结果 提示大强度运动后急性期p38抑制剂可能不会影响髌腱及腱止点的炎症反应.
-
-
魏伟;
李永胜;
程逍;
孙立时;
朵向阳;
吴卓青
-
-
摘要:
为了识别用户端典型用电负荷模式,解决传统聚类算法中仅使用单视角数据致使典型模式识别不全面的问题,提出一种基于多视角网络融合的典型用电负荷模式挖掘方法.采用多视角网络融合算法对三个粒度视角数据进行融合,利用谱聚类算法与共现矩阵度量方法识别典型用电负荷模式,结合教育行业和房地产行业用户基本信息对其用电负荷曲线趋势进行挖掘与分析.结果表明,与单视角数据相比,挖掘出的典型用电负荷模式更为准确且具有较好的鲁棒性,能够结合不同行业特点为电网系统在不同时段采取错峰用电、削峰填谷等措施提供指导.
-
-
包满
-
-
摘要:
在国家经济发展的过程中,电力行业是不可或缺的支柱,并且与国家的安全稳定、人民的安居乐业息息相关。为了提高电力负荷预测系统的预测精度,这次研究结合电力系统的动态特性,将动态型Elman神经网络算法应用于短期电力负荷预测模型的研究,从激励函数、学习规则两个角度进行了算法优化,并与目前研究较多的BP神经网络算法进行了MATLAB仿真实验对比。研究结果显示,在短期电力负荷的预测上,BP神经网络和优化后的Elman神经网络平均预测精度分别是97.75%和98.74%,优化后的Elman神经网络模型预测效果明显更优。Elman神经网络算法的优化思路,可以为电力负荷预测系统的研究提供一些参考和数据支撑,并能在实际应用中为提高电力负荷预测精度提供一些帮助。
-
-
张功勋;
姚方;
曹赟
-
-
摘要:
为了解决发电公司在计划、运营和控制城市日负荷方面面临的经济和技术挑战,考虑温度、湿度和风速等因素,设计了一个基于卷积神经网络支持向量回归机的预测模型。最后使用东南亚某邦调度中心的历史数据对模型进行了程序模拟,并获得了不错的日负荷预测表现。结果表明,预测模型对于实践具有很强的借鉴意义。
-
-
吕亚妮
-
-
摘要:
文章基于时间序列线性数学模型,对电力系统短期负荷进行预测。首先,讨论了电力系统短期负荷预测的意义;其次,探讨了电力系统短期负荷的特性和影响因素;最后,应用时间序列线性数学模型,对电力系统短期负荷进行了分析。结果表明,回归误差最小的气象因素是进一步提升电力系统短期负荷预测精度的关键因素。
-
-
王建玉
-
-
摘要:
校园综合能源系统是对包括可再生能源在内的各种能源进行分配、转化、存储、消费的系统,其中,短期负荷预测对于系统的正常运行发挥着决定性的作用.在对GBRBM+BBRBM+BP深度置信网络理论分析的基础上,构建了校园短期负荷预测模型,完成了模型的结构和参数的设置,进行离线训练后,对校园的电、冷热负荷进行了预测,误差小于3%,满足了校园能源系统的协调和调度需求.
-
-
黄远明;
黄志生;
周睿;
向德军
-
-
摘要:
为提升能源系统短期负荷预测精度,解决需求响应给能源系统带来的全新挑战,提出基于深度学习的能源系统需求响应短期负荷预测方法.构建栈式自编码神经网络SAE-NN深度学习模型,考虑能源系统的需求响应,并对其数据进行调整,得到用户预期收益和舒适度是影响短期负荷变化的两项重要因素.在构建的SAE-NN深度学习模型中进行样本训练,提取深层特征.利用逻辑回归(LR)模型预测能源系统的短期负荷,提升模型预测精度.仿真结果表明,所提方法的短期负荷预测结果与实际负荷基本一致,测得的相对误差为0.61%,平均绝对误差为1.88%,均方根误差为0.523,希尔不等系数为0.009,均低于对比方法,短期负荷预测精度高,预测效果好.
-
-
刘岩;
彭鑫霞;
郑思达
-
-
摘要:
针对电力负荷随机性强、稳定性差、预测精度不理想等问题,提出了一种基于粒子群优化PSO和最小二乘支持向量机LS-SVM的短期负荷预测方法.模型的输入因子是负荷数据和气象信息等.粒子群优化算法用于实现支持向量机参数的自动优化,建立了基于粒子群优化的最小二乘支持向量机短期负荷预测模型.通过仿真验证了改进前后预测模型的准确性和有效性,结果表明,改进的预测方法具有收敛性好、预测精度高、训练速度快的优点.本研究为我国短期负荷预测方法的发展提供了参考和借鉴.
-
-
张明理;
张明慧;
王勇;
武志锴;
满林坤
-
-
摘要:
为了提高楼宇电力负荷预测精度,解决传统聚类算法楼宇用电曲线聚类效果差的问题,提出一种基于DTW-LSTM的楼宇短期电力负荷预测模型.采用DTW聚类算法对楼宇日用电曲线进行聚类与编码,分析楼宇用电行为.根据楼宇10天的日用电曲线编码,利用马尔科夫链对未来一天的用电曲线编码进行预测,得到用电曲线原型.将编码作为一个特征,结合历史用电数据对楼宇的短期负荷进行预测,结果表明,相对于传统的聚类算法,所提方法的聚类结果更加合理且预测精度也有所提升.
-
-
孙夏丽;
李士心;
王坤;
刘清清
-
-
摘要:
针对麻雀算法(SSA)早熟、易陷入局部最优解的问题,采用混沌策略反向学习初始化种群代替随机初始化种群,增强种群多样性;同时引入黄金正弦因子更新发现者位置以平衡局部和全局搜索能力;引入自适应t分布改进跟随者位置。与粒子群算法、灰狼算法作对比,在测试函数上验证改进麻雀算法的优越性。采用改进后的麻雀算法优化BP神经网络模型(GSASSA-BP)对短期负荷问题进行预测,结果表明,提出的GSASSA-BP模型在短期负荷问题上预测效果更好。
-
-
-
QIAO Weibiao;
乔伟彪;
CHEN Baodong;
陈保东
- 《2015中国燃气运营与安全研讨会》
| 2015年
-
摘要:
天然气是一种重要的清洁能源,如何预知未来时刻的天然气负荷,对于燃气公司与上游气源及下游用户之间制定合适的商业计划具有重要的意义.针对天然气短期负荷预测问题,提出基于EMD(Empirical Mode Decomposition,EMD,经验模态分解)-近似熵和LSSVM (Least Squares Support Vector Machine,LSSVM,最小二乘支持向量机)的天然气短期负荷预测模型.首先,针对小波变换方法的不足,采用EMD方法对天然气短期负荷进行多尺度分析,为了减少计算规模及提高预测的准确性,通过EMD-近似熵,将天然气短期负荷时间序列分解为若干个复杂度差异明显的子序列;其次,对各子序列建立LSSVM预测模型,建立没有经过EMD处理的RBF (Radial Basis Function,RBF,径向基函数)神经网络和LSSVM预测模型;最后,以某市天然气门站实际采集的数据样本为算例进行研究.结果表明:EMD-LSSVM预测模型无论在训练时间和预测精度上均优于RBF神经网络预测模型,可满足天然气负荷预测的需要,为在线工程的实际应用提供了理论参考.
-
-
CHEN Su-hua;
陈素华;
HE Ling-xiao;
贺凌霄
- 《第十六届全国电气自动化与电控系统学术年会》
| 2013年
-
摘要:
电力系统短期负荷预测作为同业对标重要考核内容,是电网调度机构制定发供电计划和做好电网供需平衡的关键,同时在电网规划和电网建设中发挥着重要的作用.以某地区电网短期负荷预测管理系统为平台,以日负荷相对误差、日负荷预测准确率、日最高负荷预测准确率、日最低负荷预测准确率为评价指标,分别对比了该系统采用的时间序列法、相似日法、人工神经网络法、基于数据库的新方法的精度,并对预测结果进行了分析和比较,给出了未来短期负荷预测的发展方向.
-
-
-
-
-
-
-
王娟;
蔡丽;
蔡峰;
谢宁
- 《第十届中国标准化论坛》
| 2013年
-
摘要:
本文借鉴国内外的一些经验对电力系统负荷预测问题的特点、内容和方法,进行总结和提炼.并根据四平供电公司负荷预测工作的具体情况,提出了一些建议。目前,国内适用的短期负荷预测系统绝大多数采用的是综合模型预测方案。该方案的实现原理是:寻找出与预测日各种影响因素相似的历史日期;采用不同的预测算法对其进行虚拟预测;比较该日实际历史负荷与虚拟预测结果的拟合准确度以确定各种算法的权重分配;应用所得到的各算法的权重做第2日负荷预测。以当日及以前已知的实况信息为已知条件,采用短期负荷预测对当日未知负荷点的数据进行预测,并用预测结果作为这些点的数据的合理估计值,从而“弥补”上当日缺失的负荷值。对国内某电力系统利用近几年的负荷数据进行预测,按上述方案补足当日负荷数据,并应用它参与次日的短期负荷预测,与传统的短期负荷预测方法相比,其预测准确度可提高约2%。而且,由于短期负荷预测充分应用了当日最新的负荷信息和气象信息,对日负荷变化跟踪迅速,因此,它尤其适用于负荷变化幅度大、日负荷影响因素多的电力系统。
-
-
-
-
-
-
-
-
-
-
-
- 武汉科技大学
- 公开公告日期:2019-08-16
-
摘要:
本发明涉及电力系统调度与运行技术领域,具体涉及一种基于长短期记忆与自适应提升的微电网短期负荷预测方法,包括:步骤1,调取历史负荷数据;步骤2,对其进行整合以获得训练集和测试集;步骤3,对训练集和测试集进行进集成经验模态分解并调整,输出训练样本集和测试样本集;步骤4,建立组合预测核模型,设置超参数数值;步骤5,输入训练样本集,输出预测结果;步骤6,设置循环次数N,大于N时,进入步骤7;小于N时,进入步骤5;步骤7,计算均方根误差,并判断是否稳定,稳定进入步骤,9,不稳定进入步骤8;步骤8,调整超参数,进入步骤5;步骤9,输入测试样本集,输出预测结果。本发明预测精度高、误差小,适应性强,实用性强。
-