您的位置: 专家智库 > >

李友军

作品数:2 被引量:5H指数:1
供职机构:福州大学电气工程与自动化学院更多>>
相关领域:电气工程更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇电气工程

主题

  • 2篇短期负荷预测
  • 2篇负荷预测
  • 1篇电力
  • 1篇电力系统
  • 1篇电力系统短期...
  • 1篇电力系统短期...
  • 1篇影响因素
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇数据处理
  • 1篇蝙蝠
  • 1篇向量
  • 1篇向量机
  • 1篇A-SVM

机构

  • 2篇福州大学

作者

  • 2篇刘庆珍
  • 2篇李友军
  • 1篇苏申

传媒

  • 1篇南昌大学学报...
  • 1篇电气开关

年份

  • 1篇2017
  • 1篇2015
2 条 记 录,以下是 1-2
排序方式:
电力系统短期负荷预测方法概述
2017年
基于负荷预测的发展特点,对负荷影响因素及数据处理等方面展开论述分析。对现有的短期负荷预测方法进行划分和综合阐述,分析各种方法的特点及存在缺陷,并据此对短期负荷预测的发展方向与研究内容进行展望。
李友军刘庆珍
关键词:短期负荷预测影响因素数据处理
基于模糊组合权重的BA-SVM短期负荷预测被引量:5
2015年
针对支持向量机(SVM)内部参数优化和输入量大、时间长效率低和相似日选取的问题,提出一种模糊组合权重下相似日选取的蝙蝠算法(BA)优化的支持向量机(SVM)短期负荷预测模型。相似日的选取上主要利用熵权法和加权欧氏距离的k-均值算法对影响负荷变化的因素、负荷各时刻的变化特性进行区别对待,求取二者在相似日下集合的交集,从而得到与待预测日相似度高的相似日。同时,利用BA优化后的SVM进行负荷预测,提高内部参数的选取精度和效率。将该模型与常用的PSO-SVM、GA-SVM进行比较,证明了该模型能有效提高预测精度和计算效率。
沈渊彬刘庆珍李友军苏申
关键词:支持向量机短期负荷预测
共1页<1>
聚类工具0