任爽
- 作品数：7 被引量：77H指数：6
- 供职机构：燕山大学电气工程学院更多>>
- 发文基金：河北省自然科学基金国家自然科学基金更多>>
- 相关领域：机械工程一般工业技术电气工程更多>>
- 基于大数据简约及PCA改进RBF网络的短期电力负荷预测被引量：22
- 2018年
- 针对电力负荷大数据化越发突出,引入最小绝对值收敛及选择(Lasso)算法解决电力负荷大数据难题,对电力负荷及相关天气因素大数据进行高维数据特征提取,获得有用数据集。为避免输入空间严重自相关及网络维数较高,造成径向基函数(RBF)神经网络预测精度严重下降的不良影响,提出基于主元分析(PCA)改进的RBF神经网络电力负荷预测模型,消除多气象因素相关性,剔除冗余,提取天气因素特征量,将新天气特征量与历史负荷数据共同作为RBF网络的建模对象,既全面表征天气因素对电力负荷的影响,又简化预测模型,加快预测速率。经美国南部某地区实际电力负荷数据的预测分析,充分证明该方法的有效性及可靠性。
- 张淑清任爽陈荣飞钱磊姜万录李盼
- 关键词：短期负荷预测电力负荷主元分析
- 基于混沌关联积分的暂态电能质量扰动分类被引量：12
- 2015年
- 关联积分曲线基于时间序列重构,能够更全面反映时间序列扰动变化,并且作为扰动识别的特征量,可以避开关联维无标度区间确定这一问题。根据暂态电能质量信号在不同扰动下其关联积分曲线所呈现出的特有形态特征,将关联积分曲线作为扰动识别的特征量。不同扰动信号的关联积分曲线区别较大,直观明了。该方法操作简单方便,可以省去烦琐的数值分析,且具有较高的精确度和实用性。对几种典型的暂态扰动信号进行识别和分类,仿真结果证明了其有效性和优越性。
- 张淑清师荣艳李盼姜万录董玉兰任爽
- 关键词：电能质量扰动分类特征提取
- 双变量小波阈值去噪和改进混沌预测模型在短期电力负荷预测中的应用被引量：14
- 2015年
- 混沌预测是电力负荷预测研究的新焦点。该文提出双变量阈值函数和改进混沌预测模型相结合的新方法。该方法克服了传统最大Lyapunov指数预测模型对噪声干扰比较敏感、计算量大、预测时间长以及预测精度不高等缺陷。通过对典型混沌系统和实际电力负荷系统进行短期预测分析,证明该方法能较好排除无关因素对预测的干扰,缩短预测时间,有效提高预测精度。
- 张淑清师荣艳董玉兰李盼任爽姜万录
- 关键词：负荷预测小波阈值去噪
- 基于多变量加权一阶局域混沌预测模型优化及应用被引量：6
- 2018年
- 鉴于实际应用中多变量因素对混沌预测的影响,提出了多变量时间序列相空间重构方法,以此为基础建立多变量加权一阶局域混沌预测模型。引入等概率符号化极大联合熵求取延迟时间、最小香农熵法求取嵌入维数,实现多变量混沌预测模型子序列重构;对实际序列采用区间邻近点法确定预测中心点的邻近点,避免产生伪邻近点;最后用关联分析确定观测变量。将该模型应用于短期电力负荷预测,分析气温等影响因素与电力负荷的相关程度,引入气温时间序列作为另一观测变量,实验证明相对于单变量预测方法提高了预测精度。
- 张淑清刘子玥何泓运任爽张立国姜万录
- 关键词：计量学短期电力负荷预测
- 基于多变量气象因子的LMBP电力日负荷预测被引量：18
- 2015年
- 提出基于主成分分析处理多天气因素的LMBP电力负荷预测模型。采用主成分分析技术对多气象因素进行降维处理,提取多天气因素特征量,既全面表征天气因素对电力负荷的影响,又简化预测模型。将得到的新气象特征量与历史负荷数据共同作为建模对象。采用基于L-M优化算法的BP神经网络(LMBP)进行预测分析,通过最速梯度下降法和牛顿法之间的自适应调整优化网络权值,有效提高网络的收敛速度和泛化能力。通过对美国南部某地区实际电力负荷系统进行预测分析表明该方法可以有效提高预测精度和预测效率。
- 张淑清任爽师荣艳刘子玥姜万录
- 关键词：短期负荷预测LMBP神经网络
- PCA-GRNN在综合气象短期负荷预测中的应用被引量：9
- 2017年
- 为克服由气象因子较多且信息互嵌造成输入量多、预测时间长、预测精度低的缺点,引入主成分分析(PCA)提取气象因子特征量,与历史负荷数据共同作为建模对象;同时,针对BP神经网络动态性能的不足,建立基于广义回归神经网络(GRNN)的短期负荷预测模型。通过对实际电力负荷数据的预测,证明该方法与传统神经网络预测模型相比,明显提高预测精度和速度,具有实用性和有效性。
- 张淑清任爽姜安琦胡永涛张航飞乔永静
- 关键词：计量学短期负荷预测电力负荷广义回归神经网络气象因子
- 广义S变换的参数优化及在电能质量分析中的应用被引量：2
- 2016年
- 针对广义S变换(generalized S-transform,GST)的参数优化困难问题,提出一种GST参数优化方法并应用到电能质量扰动分类与扰动参数检测中.对基频点对应的参数r独立设置突出时域扰动特征,便于其他频点的参数优化专注于频域扰动,使优化后的广义S变换(optimized generalized S-transform,OGST)能同时表征较高精度的时域扰动和频域扰动信息.提出确定r的优化指标,使r的求取具有自适应性和理论依据.基于OGST的时频矩阵,提出4种扰动特征,并设计决策树分类器进行分类识别.同时实现对扰动起止时间、扰动幅值、谐波成分等扰动参数的检测.仿真数据及实测数据分析表明OGST抗干扰能力强、识别精度和检测精度高.
- 张淑清李盼张立国胡永涛张航飞任爽
- 关键词：参数优化决策树电能质量分析
