基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了一种将混沌和神经网络相结合的方法用于短期负荷预测.利用混沌方法重构相空间系统吸引子,用前向神经网络拟和吸引子上的全局整体映射,构成了混合预测模型.在实际应用中,将基于奇异值分解的噪声消减滤波算法应用到数据的预处理中,并用混沌学习算法来训练神经网络参数,预测结果表明了该方法的有效性.
推荐文章
一种复合算法在短期负荷预测中的应用
负荷预测
改进遗传算法
径向基函数
电力系统短期负荷新型Volterra预测模型研究
电力系统
短期负荷
Volterra预测模型
一种电力负荷预测混合模型研究
短期负荷预测
经验模态分解
T-Copula
峰值负荷
风险值
深度置信网络
电力系统短期负荷预测的一种模糊建模方法
短期负荷预测
模糊建模
卡尔曼滤波
非线性
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种新型短期负荷预测模型的研究及应用
来源期刊 中国电机工程学报 学科 工学
关键词 负荷预测 混沌 神经网络 奇异值分解 混沌学习算法
年,卷(期) 2002,(9) 所属期刊栏目 电力工程
研究方向 页码范围 15-18
页数 4页 分类号 TM731
字数 2941字 语种 中文
DOI 10.3321/j.issn:0258-8013.2002.09.004
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王孙安 西安交通大学机械电子工程系 128 2802 30.0 48.0
2 盛万兴 103 3653 32.0 60.0
3 尤勇 西安交通大学机械电子工程系 5 286 5.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (7)
共引文献  (48)
参考文献  (6)
节点文献
引证文献  (70)
同被引文献  (136)
二级引证文献  (991)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(2)
  • 二级参考文献(0)
1998(2)
  • 参考文献(1)
  • 二级参考文献(1)
1999(3)
  • 参考文献(2)
  • 二级参考文献(1)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2003(4)
  • 引证文献(3)
  • 二级引证文献(1)
2004(14)
  • 引证文献(4)
  • 二级引证文献(10)
2005(43)
  • 引证文献(10)
  • 二级引证文献(33)
2006(70)
  • 引证文献(10)
  • 二级引证文献(60)
2007(100)
  • 引证文献(6)
  • 二级引证文献(94)
2008(93)
  • 引证文献(6)
  • 二级引证文献(87)
2009(97)
  • 引证文献(11)
  • 二级引证文献(86)
2010(80)
  • 引证文献(3)
  • 二级引证文献(77)
2011(79)
  • 引证文献(3)
  • 二级引证文献(76)
2012(53)
  • 引证文献(3)
  • 二级引证文献(50)
2013(76)
  • 引证文献(4)
  • 二级引证文献(72)
2014(61)
  • 引证文献(0)
  • 二级引证文献(61)
2015(68)
  • 引证文献(1)
  • 二级引证文献(67)
2016(46)
  • 引证文献(1)
  • 二级引证文献(45)
2017(61)
  • 引证文献(2)
  • 二级引证文献(59)
2018(53)
  • 引证文献(1)
  • 二级引证文献(52)
2019(50)
  • 引证文献(1)
  • 二级引证文献(49)
2020(13)
  • 引证文献(1)
  • 二级引证文献(12)
研究主题发展历程
节点文献
负荷预测
混沌
神经网络
奇异值分解
混沌学习算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国电机工程学报
半月刊
0258-8013
11-2107/TM
大16开
北京清河小营东路15号 中国电力科学研究院内
82-327
1964
chi
出版文献量(篇)
16022
总下载数(次)
42
相关基金
国家重点基础研究发展计划(973计划)
英文译名:National Basic Research Program of China
官方网址:http://www.973.gov.cn/
项目类型:
学科类型:农业
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导