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:
由于电采暖负荷随机波动性强,且功率比重较大,从而导致电采暖小区负荷较频繁地大范围波动,基于常规时间序列的短期负荷预测模型缺乏对波动特性的捕捉能力.针对该问题,充分分析了电采暖小区负荷的波动特征,提出了一种基于历史数据特征挖掘的指标集模型和指标计算方法,用于从历史负荷数据中充分挖掘电采暖负荷的特点,形成历史数据特征集.然后,以历史数据特征集构建训练样本,提出了基于核函数极限学习机(kernel extreme learning machine,KELM)的电采暖小区负荷预测模型.最后,基于实际历史数据进行模型性能验证,结果表明所提的特征指标集模型能够有效挖掘历史数据特征,有利于提高短期负荷预测模型的精度.
推荐文章
高校采暖负荷短期预测研究
采暖热负荷
预测
影响因素
BP神经网络
基于隐含数据信息挖掘的贝叶斯电采暖负荷预测
电采暖负荷预测
贝叶斯网络
隐含数据
概率分布
基于EEMD-BP神经网络的含电采暖的配电变压器短期负荷预测
配电变压器短期负荷预测
电采暖
集成经验模态分解
BP神经网络
组合预测模型
基于非合作-博弈的电采暖优化推广
新能源
'电化昌吉'
电采暖
非合作博弈
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 基于数据特征挖掘的电采暖小区短期负荷预测方法
来源期刊 供用电 学科 工学
关键词 特征挖掘 极限学习机 电采暖 煤改电 负荷预测
年,卷(期) 2019,(12) 所属期刊栏目 配电
研究方向 页码范围 48-54
页数 7页 分类号 TM71
字数 4493字 语种 中文
DOI 10.19421/j.cnki.1006-6357.2019.12.008
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 刘文霞 华北电力大学电气工程学院 89 1146 18.0 31.0
2 夏明超 北京交通大学电气工程学院 24 282 8.0 16.0
3 郭敏 北京交通大学电气工程学院 4 7 2.0 2.0
4 王钊 3 6 2.0 2.0
5 曾爽 14 40 4.0 6.0
6 杨烁 7 13 3.0 3.0
7 陈奇芳 北京交通大学电气工程学院 6 31 3.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (196)
共引文献  (68)
参考文献  (18)
节点文献
引证文献  (2)
同被引文献  (30)
二级引证文献  (0)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(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)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(5)
  • 参考文献(1)
  • 二级参考文献(4)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(6)
  • 参考文献(1)
  • 二级参考文献(5)
2009(9)
  • 参考文献(0)
  • 二级参考文献(9)
2010(14)
  • 参考文献(0)
  • 二级参考文献(14)
2011(10)
  • 参考文献(0)
  • 二级参考文献(10)
2012(12)
  • 参考文献(1)
  • 二级参考文献(11)
2013(16)
  • 参考文献(0)
  • 二级参考文献(16)
2014(25)
  • 参考文献(0)
  • 二级参考文献(25)
2015(28)
  • 参考文献(0)
  • 二级参考文献(28)
2016(23)
  • 参考文献(1)
  • 二级参考文献(22)
2017(38)
  • 参考文献(7)
  • 二级参考文献(31)
2018(8)
  • 参考文献(5)
  • 二级参考文献(3)
2019(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
特征挖掘
极限学习机
电采暖
煤改电
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
供用电
月刊
1006-6357
31-1467/TM
16开
北京市东城区北京站西街19号
1984
chi
出版文献量(篇)
3233
总下载数(次)
12
总被引数(次)
16982
论文1v1指导