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:
基于日、周和年三种时间属性的滑动平均模型预测方法已经在电力需求短期预测方面得到了广泛应用。在本文中,我们研究了一种新的短期电力需求的模型和预测方法,即在日、周和年时间属性的基础上增加了一个月周期,并将这种新的周期应用到HWT模型中得到基于四种时间周期属性的预测算法,通过新加坡市场电力需求预测模型仿真得知,新的包含月周期的预测方法准确性更高。
推荐文章
SVM的物流需求预测模型
物流管理
随机性变化特点
ARIMA?SVM
权值的确定
预测模型
支持向量机
基于灰色模型对上海市电力需求预测分析研究
影响因素分析
GM(1,1)模型
电力需求
发展对策
电力需求预测方法和能源需求预测模型探讨
电力需求
预测方法
MedPro 模型
克隆选择粒子群优化BP神经网络电力需求预测
BP神经网络
克隆选择算法
粒子群优化
电力需求
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 基于四种季节属性HWT模型的电力需求预测
来源期刊 智能电网(汉斯) 学科 经济
关键词 电力需求预测 HWT指数平滑模型 四种季节属性
年,卷(期) 2018,(6) 所属期刊栏目
研究方向 页码范围 547-554
页数 8页 分类号 F2
字数 语种
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 吴文贤 4 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2018(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
电力需求预测
HWT指数平滑模型
四种季节属性
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
智能电网(汉斯)
双月刊
2161-8763
武汉市江夏区汤逊湖北路38号光谷总部空间
出版文献量(篇)
408
总下载数(次)
2
总被引数(次)
0
论文1v1指导