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:
当前中长负荷预测的大部分方法都衍生于传统的线形统计理论,难以解决复杂的非线性问题.文中结合BP人工神经网络技术,利用人工神经网络所具有的非线性映射和函数逼近功能对中长期电力负荷进行了研究,提出了一种中长期电力负荷预测的思路.并利用北京市的实际数字对未来若干年的用电量进行了预测,实验结果表明,该算法具有较好的准确性和可行性.
推荐文章
改进BP神经网络的城区中长期电力负荷预测
模拟退火
BP神经网络
电力预测
基于PSO?BP神经网络的短期负荷预测算法
短期负荷预测
BP神经网络
粒子群算法
零相滤波器
基于灰色模型的中长期电力负荷预测
灰色模型
电力负荷
中长期预测
分等时段序列
基于Adaboost的改进多元线性回归算法中长期负荷预测
中长期负荷预测
异方差性
Adaboost
多元线性回归
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 基于人工神经网络的中长期负荷预测算法
来源期刊 微机发展 学科 工学
关键词 中长期负荷预测 人工神经网络 BP神经网络
年,卷(期) 2005,(2) 所属期刊栏目 智能与算法研究
研究方向 页码范围 78-80
页数 3页 分类号 TP301.6
字数 2958字 语种 中文
DOI 10.3969/j.issn.1673-629X.2005.02.026
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 王华 首都师范大学信息工程学院 40 630 17.0 24.0
2 雷镇 首都师范大学信息工程学院 6 114 4.0 6.0
3 阮萍 首都师范大学信息工程学院 5 104 4.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (13)
共引文献  (11)
参考文献  (4)
节点文献
引证文献  (20)
同被引文献  (15)
二级引证文献  (24)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(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)
2006(2)
  • 引证文献(2)
  • 二级引证文献(0)
2007(5)
  • 引证文献(5)
  • 二级引证文献(0)
2008(3)
  • 引证文献(2)
  • 二级引证文献(1)
2009(9)
  • 引证文献(4)
  • 二级引证文献(5)
2010(4)
  • 引证文献(0)
  • 二级引证文献(4)
2011(5)
  • 引证文献(2)
  • 二级引证文献(3)
2012(1)
  • 引证文献(0)
  • 二级引证文献(1)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(6)
  • 引证文献(1)
  • 二级引证文献(5)
2015(4)
  • 引证文献(1)
  • 二级引证文献(3)
2017(3)
  • 引证文献(1)
  • 二级引证文献(2)
2018(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
中长期负荷预测
人工神经网络
BP神经网络
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
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
总被引数(次)
111596
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导