龚文龙
- 作品数：2 被引量：30H指数：1
- 供职机构：湖南大学电气与信息工程学院更多>>
- 相关领域：电气工程自动化与计算机技术更多>>
- 基于小波和改进神经树的电能质量扰动分类被引量：30
- 2014年
- 准确地识别和分类电能质量扰动对分析和综合治理电能质量问题具有重要意义。提出了一种基于小波和改进神经树的电能质量扰动分类方法。该方法利用小波分解扰动信号到各个频带,在基频频带、谐波频带和高频带上分别计算其能量值和小波系数熵作为特征值,另计算基波频带扰动过程的均方根作为特征的补充,融合能量值、熵和均方根值作为扰动判断的特征向量,规范化后输入到改进神经树分类器进行训练和分类。改进神经树分类器是由神经网络和决策树及其分类规则构成。仿真表明,该方法提取特征值的计算量小且融合后的特征向量能够很好地体现不同扰动信号之间的差异信息,构造的改进神经树分类器结合了神经网络和决策树在模式分类中各自的优点,结构简单且表现出良好的收敛性、全局最优性和泛化性,分类准确率较高,能够有效地识别七种常见的电能质量扰动。
- 吴兆刚李唐兵姚建刚龚文龙陈强
- 关键词：电能质量小波变换特征向量
- 基于粒子群算法LSSVM短期负荷预测模型研究
- 2014年
- 短期负荷预测的精度直接影响电力系统运行的可靠性和供电质量。提出一种基于粒子群优化算法的最小二乘支持向量机短期负荷预测的模型和算法,对最小二乘支持向量机的参数寻优,再以测试集误差作为判决依据,对模型参数的进行优化选择,从而提高预测精度,避免最小二乘支持向量机对经验的依赖以及预测过程中对模型参数的盲目选择。利用该模型对某电网进行负荷预测,证明该模型有较好的收敛性、较高的预测精度和较快的训练速度。
- 龚文龙姚建刚金小明
- 关键词：短期负荷预测粒子群优化算法参数选取
