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:
负荷预测是电网管理的重要组成部分.准确及时的负荷预测对于制定经济合理的配电方案,提高电网运行的安全性和经济性,提高电能质量具有重要意义.为此,提出了一种基于人工鱼群和基因表达式编程的电力负荷预测函数挖掘算法.在此基础上,还提出了基于云计算的分布式负荷预测模型挖掘来解决大规模电力负荷预测问题.为了更好地提高模型的预测精度,在分布式负荷预测模型中引入了误差最小化交叉.实验结果表明,提出的算法在平均时间消耗、平均收敛数、预测精度以及并行计算性能方面具有优势.
推荐文章
基于云计算的智能电网负荷预测平台架构研究
云计算
智能电网
负荷预测
电力云
架构
基于云模型的电力负荷预测
云模型
不确定性数据
负荷预测
基于云计算的智能电网负荷预测平台架构研究
云计算
智能电网
负荷预测
电力云
架构
基于改进云模型的云计算负载预测
云计算
负载预测
云模型
概念跃升
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 基于云计算的电网负荷预测
来源期刊 能源与环保 学科 工学
关键词 负荷预测 人工鱼群 基因表达式编程 云计算
年,卷(期) 2019,(2) 所属期刊栏目 机电与自动化
研究方向 页码范围 123-130
页数 8页 分类号 TM769
字数 6531字 语种 中文
DOI 10.19389/j.cnki.1003-0506.2019.02.027
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 赵建平 5 4 1.0 1.0
2 王志远 5 3 1.0 1.0
3 王帅 2 3 1.0 1.0
4 谢广 3 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  (217)
共引文献  (137)
参考文献  (17)
节点文献
引证文献  (2)
同被引文献  (12)
二级引证文献  (0)
1971(1)
  • 参考文献(0)
  • 二级参考文献(1)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(7)
  • 参考文献(0)
  • 二级参考文献(7)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(6)
  • 参考文献(0)
  • 二级参考文献(6)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(12)
  • 参考文献(0)
  • 二级参考文献(12)
2009(11)
  • 参考文献(0)
  • 二级参考文献(11)
2010(11)
  • 参考文献(0)
  • 二级参考文献(11)
2011(16)
  • 参考文献(0)
  • 二级参考文献(16)
2012(22)
  • 参考文献(0)
  • 二级参考文献(22)
2013(23)
  • 参考文献(0)
  • 二级参考文献(23)
2014(31)
  • 参考文献(0)
  • 二级参考文献(31)
2015(26)
  • 参考文献(3)
  • 二级参考文献(23)
2016(22)
  • 参考文献(7)
  • 二级参考文献(15)
2017(10)
  • 参考文献(4)
  • 二级参考文献(6)
2018(3)
  • 参考文献(3)
  • 二级参考文献(0)
2019(1)
  • 参考文献(0)
  • 二级参考文献(1)
2020(3)
  • 参考文献(0)
  • 二级参考文献(3)
2019(2)
  • 参考文献(0)
  • 二级参考文献(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(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
负荷预测
人工鱼群
基因表达式编程
云计算
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
能源与环保
月刊
1003-0506
41-1443/TK
大16开
郑州市高新技术产业开发区枫杨街17号
1979
chi
出版文献量(篇)
9074
总下载数(次)
4
论文1v1指导