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:
遗传算法是一种具有全局寻优能力的随机搜索算法,但其本身存在收敛速度慢和易早熟的缺陷.为此,引入一种改进的遗传算法用于电力负荷综合建模.该算法具有克服早熟、避免近亲繁殖和自适应的优良特性.应用建模实例表明,遗传算法辨识所得负荷模型的描述精度很高,其模型参数呈现很好的稳健性,从而有效地克服了传统优化方法的模型参数分散性.
推荐文章
基于改进免疫遗传算法的电力系统无功优化
遗传算法
免疫算法
免疫遗传算法
无功优化
基于改进遗传算法的含风电场电力系统无功优化
电力系统
无功优化
网损期望
风电机组
场景分析
改进遗传算法
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
遗传算法与传统优化方法应用于电力负荷建模的比较研究
遗传算法
电力系统
综合负荷
负荷建模
参数辨识
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 基于遗传算法的电力系统综合负荷模型的建模与仿真
来源期刊 节能 学科 工学
关键词 电力系统 负荷模型 遗传算法 参数辨识
年,卷(期) 2010,(9) 所属期刊栏目
研究方向 页码范围 9-13
页数 分类号 TM714
字数 4327字 语种 中文
DOI 10.3969/j.issn.1004-7948.2010.09.002
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 谷鹏 4 16 2.0 4.0
2 石国萍 山东建筑大学信息与电气工程学院 3 15 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (26)
共引文献  (88)
参考文献  (4)
节点文献
引证文献  (4)
同被引文献  (25)
二级引证文献  (23)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(6)
  • 参考文献(1)
  • 二级参考文献(5)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(6)
  • 参考文献(1)
  • 二级参考文献(5)
2005(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(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)
2014(4)
  • 引证文献(2)
  • 二级引证文献(2)
2015(2)
  • 引证文献(0)
  • 二级引证文献(2)
2016(2)
  • 引证文献(0)
  • 二级引证文献(2)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(5)
  • 引证文献(1)
  • 二级引证文献(4)
2019(7)
  • 引证文献(1)
  • 二级引证文献(6)
2020(6)
  • 引证文献(0)
  • 二级引证文献(6)
研究主题发展历程
节点文献
电力系统
负荷模型
遗传算法
参数辨识
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
节能
月刊
1004-7948
21-1115/TK
大16开
沈阳市东陵区朗月街2甲号1006室
8-150
1981
chi
出版文献量(篇)
5782
总下载数(次)
15
总被引数(次)
21152
论文1v1指导