原文服务方: 科学之友       
摘要:
对于电力系统负荷预测中的不确定性,使用EM算法训练全局收敛的特点,并在EM算法的基础上提出了一种训练随机多层前馈网络的A-EM算法.该算法利借鉴退火过程,引入温度参数,减小了初始参数对最终结果的影响来对负荷进行预测,定例计算表明,该模型具有良好的精确性和应用性.
推荐文章
电力系统短期负荷预测的改进BP算法
短期负荷预测
人工神经网络
改进算法
基于粒子群的电力系统短期负荷预测
PSO
BP神经网络
适应度
迭代
模糊推理
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
电力系统负荷的混沌预测方法研究
混沌理论
预测
电力系统
负荷
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 基于退火期望最大化算法的电力系统负荷预测
来源期刊 科学之友 学科
关键词 电力系统 负荷预测 期望最大化算法 最大熵
年,卷(期) 2009,(27) 所属期刊栏目 科研课题
研究方向 页码范围 7-8
页数 2页 分类号 TM74
字数 语种 中文
DOI
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 王晋 11 3 1.0 1.0
2 贾景东 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (9)
共引文献  (4)
参考文献  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(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)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
电力系统
负荷预测
期望最大化算法
最大熵
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
科学之友
月刊
1000-8136
14-1032/N
大16开
1980-01-01
chi
出版文献量(篇)
23322
总下载数(次)
0
总被引数(次)
32127
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导