作者:
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:
系统辨识是控制工程领域中研究的重要问题之一.首先对BP神经网络和微粒群算法进行了深入分析.以含STATCOM电力系统为辨识对象,分别采用BP神经网络和微粒群算法对其进行辩识分析.对两种算法的收敛精度进行了分析比较.结果表明PSO算法在系统辨识上具有优势.
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
遗传神经网络在电力系统短期负荷预测中的应用
遗传神经网络
短期负荷预测
BP神经网络
遗传算法改进神经网络的电力系统谐波检测法
神经网络
遗传算法
BP算法
谐波检测
基于GSA的电力系统不良数据辨识算法
GSA
数据挖掘
不良数据辨识
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 PSO算法与BP神经网络在电力系统辨识中的比较研究
来源期刊 科学技术与工程 学科 工学
关键词 辨识 BP神经网络 粒子群算法 比较
年,卷(期) 2012,(26) 所属期刊栏目 机电技术
研究方向 页码范围 6801-6803
页数 分类号 TM761
字数 1780字 语种 中文
DOI 10.3969/j.issn.1671-1815.2012.26.053
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 张鹏 渭南师范学院物理与电气工程学院 54 189 8.0 11.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (21)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1990(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
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(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(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)
研究主题发展历程
节点文献
辨识
BP神经网络
粒子群算法
比较
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
科学技术与工程
旬刊
1671-1815
11-4688/T
大16开
北京市海淀区学院南路86号
2-734
2001
chi
出版文献量(篇)
30642
总下载数(次)
83
总被引数(次)
113906
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导