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:
电力系统的负荷预测是电力系统安全调度、经济运行和科学管理的基础,也是电力系统制定发展规划的前提.在目前已存在的负荷预测技术中,对时间跨度大、影响因素多、非线性的中长期负荷的预测,并不能达到要求的精度.因此,本文选用对非线性问题有显著优化效果的仿生算法——蚁群算法,与组合预测技术相结合,解决组合预测中权重系数难以确定的问题,合理的筛选单个预测模型,获得良好的预测效果.
推荐文章
基于混沌蚁群算法的电力短期负荷预测
混沌理论
蚁群算法
短期负荷预测
基于RBFNN混合粒子群算法的电力负荷短期预测
电力负荷预测
径向基神经网络(RBFNN)
混合粒子群优化算法(HPSO)
基于改进蚁群算法的船舶电力系统故障重构研究
船舶电力系统
故障重构
改进蚁群算法
子集类问题
K阶近邻策略
蚁群神经网络用于农村电力短期负荷预测
蚁群算法
神经网络
短期负荷预测
农村电网
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 基于蚁群算法的电力负荷预测
来源期刊 农村电气化 学科 工学
关键词 电力系统 蚁群算法 负荷预测
年,卷(期) 2018,(10) 所属期刊栏目 典型推介
研究方向 页码范围 9-10
页数 2页 分类号 TM615
字数 1390字 语种 中文
DOI 10.13882/j.cnki.ncdqh.2018.10.002
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 孙海萌 2 5 2.0 2.0
2 孙君茹 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (3)
共引文献  (47)
参考文献  (1)
节点文献
引证文献  (2)
同被引文献  (14)
二级引证文献  (2)
1993(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(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(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)
2019(3)
  • 引证文献(2)
  • 二级引证文献(1)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
电力系统
蚁群算法
负荷预测
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
农村电气化
月刊
1003-0867
11-2181/TM
大16开
北京市南蜂窝路5号
2-853
1979
chi
出版文献量(篇)
5987
总下载数(次)
9
论文1v1指导