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:
负荷预测是电力生产的基础[1],其方法可以概括为传统预测(如回归、时间序列法等)及现代人工智能方法(如人工神经网络、支持向量机和灰色理论等)两大类[2-5].对于影响电力消费的因素,文献[6]提出了基于M-估计的稳健回归预测算法,具有较好的抗干扰性.
推荐文章
基于贝叶斯复合分位数回归的参数估计及应用
复合分位数回归
贝叶斯回归分析
最小二乘估计
多项式模型
沉降预测
分位数回归方法在海平面高度影响因素分析中的应用
分位数回归
海平面高度
南方涛动指数
参数估计
基于复合分位数高斯核基函数的非参数回归模型及应用
高斯核函数
非参数模型
复合分位数
模拟退火算法
大坝变形预测
基于分位数回归的电力负荷特性预测面板数据模型
负荷特性指标
负荷特性预测
面板数据模型
分位数回归
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 基于分位数回归的电力负荷预测影响因素研究及应用
来源期刊 电气应用 学科
关键词 电力系统 负荷预测 相关性 分位数回归
年,卷(期) 2015,(12) 所属期刊栏目 方案设计
研究方向 页码范围 134-138
页数 5页 分类号
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (67)
共引文献  (254)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
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)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(7)
  • 参考文献(0)
  • 二级参考文献(7)
2007(9)
  • 参考文献(0)
  • 二级参考文献(9)
2008(12)
  • 参考文献(0)
  • 二级参考文献(12)
2009(7)
  • 参考文献(0)
  • 二级参考文献(7)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(5)
  • 参考文献(2)
  • 二级参考文献(3)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(2)
  • 参考文献(1)
  • 二级参考文献(1)
2015(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
电力系统
负荷预测
相关性
分位数回归
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
电气应用
月刊
1672-9560
11-5249/TM
大16开
北京市西城区百万庄大街22号
82-341
1982
chi
出版文献量(篇)
8789
总下载数(次)
13
论文1v1指导