原文服务方: 太原理工大学学报       
摘要:
提出了一种电力系统短期负荷预测的算法,通过增加势态项及采用步长自适应等方法对传统的BP算法进行了改进.实例计算表明该算法可行.
推荐文章
基于BP神经网络的电力系统短期负荷预测
负荷预测
神经网络
遗传算法
基于GA-BP神经网络的电力系统负荷预测研究
电力系统
负荷预测
BP神经网络
遗传算法
GA-BP
人工神经网络在电力系统短期负荷预测中的应用
多层神经网络
BP模型
负荷预测
基于人工免疫算法的神经网络电力系统短期负荷预测
人工免疫算法
神经网络
电力系统
预测
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 电力系统短期负荷预测的改进BP算法
来源期刊 太原理工大学学报 学科
关键词 短期负荷预测 人工神经网络 改进算法
年,卷(期) 2003,(2) 所属期刊栏目 信息与电气动力工程
研究方向 页码范围 188-189,202
页数 3页 分类号 TM715
字数 语种 中文
DOI 10.3969/j.issn.1007-9432.2003.02.024
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 童国力 太原理工大学电气与动力工程学院 8 75 6.0 8.0
2 樊丽丽 太原理工大学电气与动力工程学院 5 40 4.0 5.0
3 任先成 太原理工大学电气与动力工程学院 7 88 6.0 7.0
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  (60)
参考文献  (2)
节点文献
引证文献  (8)
同被引文献  (0)
二级引证文献  (0)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(2)
  • 二级参考文献(0)
2003(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)
2004(2)
  • 引证文献(2)
  • 二级引证文献(0)
2005(3)
  • 引证文献(3)
  • 二级引证文献(0)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
短期负荷预测
人工神经网络
改进算法
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
太原理工大学学报
双月刊
1007-9432
14-1220/N
大16开
太原市迎泽西大街79号3337信箱
1957-01-01
汉语
出版文献量(篇)
4103
总下载数(次)
0
总被引数(次)
28999
论文1v1指导