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:
微粒群优化(PSO)算法具有全局性能好、搜索效率高等优点.应用该算法进行电力系统负荷模型的参数辨识,辩识结果表明PSO算法在计算时间、全局性方面均有比较明显的优势.辨识的模型具有较高精确性,最后通过工程实例进行仿真实验,实验结果验证了模型和算法的有效性.
推荐文章
应用随机微粒群算法辨识Hammerstein模型
系统辨识
Hammerstein模型
微粒群算法
非线性系统
基于特性融合的电力负荷模型的建立与仿真
电力系统
负荷建模
特性融合
支持向量回归
负荷建模参数辨识中综合改进遗传算法的应用
电力系统
负荷建模
参数辨识
遗传算法
综合改进
基于遗传算法的电力系统综合负荷模型的建模与仿真
电力系统
负荷模型
遗传算法
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 基于微粒群辨识算法的电力负荷综合模型的建模与仿真
来源期刊 江苏电机工程 学科 工学
关键词 电力系统 负荷模型 微粒群算法 参数辨识
年,卷(期) 2011,(2) 所属期刊栏目 电网技术
研究方向 页码范围 41-44
页数 分类号 TM744
字数 3220字 语种 中文
DOI 10.3969/j.issn.1009-0665.2011.02.012
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 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (31)
共引文献  (109)
参考文献  (7)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1990(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)
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)
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)
1999(8)
  • 参考文献(1)
  • 二级参考文献(7)
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(1)
  • 二级参考文献(2)
2004(7)
  • 参考文献(1)
  • 二级参考文献(6)
2005(4)
  • 参考文献(1)
  • 二级参考文献(3)
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)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 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
电力系统
负荷模型
微粒群算法
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
电力工程技术
双月刊
1009-0665
32-1866/TM
16开
江苏省南京市江宁区帕威尔路1号
1982
chi
出版文献量(篇)
3196
总下载数(次)
7
总被引数(次)
15815
论文1v1指导