【摘 要】
：
对电网供电系统短期电力负荷预测模型进行优化,能提升预测结果的准确性和鲁棒性.虽然现有预测模型可以满足预测速度的要求,但预测结果的精确性和稳定性却无法保证.为了得到更
【机 构】
：
兰州理工大学电气工程与信息工程学院,国家电网平高集团有限公司
【基金项目】
：
甘肃省自然基金（1308RJZA117）
论文部分内容阅读
对电网供电系统短期电力负荷预测模型进行优化,能提升预测结果的准确性和鲁棒性.虽然现有预测模型可以满足预测速度的要求,但预测结果的精确性和稳定性却无法保证.为了得到更加准确和稳定的预测结果,提出了细菌觅食算法优化极限学习机预测模型.首先在电力负荷样本数据中形成训练样本和预测样本集,利用细菌觅食优化算法对极限学习机预测模型中的不确定参数进行优化,然后利用改进后的模型进行电力负荷预测.新模型的优化仿真结果显示,利用细菌觅食算法优化极限学习机预测模型的预测精度和稳定性均优于传统预测模型的预测结果,该算法具有很好地
其他文献
淮河流域是我国水环境治理的重点之一.由于淮河流域水情复杂,所以容易发生水污染事件.本文立足于突发水污染情况,研究如何调动闸坝和水库的生态用水并在最短时间内初步治理水
在无线网络数据通信中,由于阵元码间干扰导致信道具有非平稳特性,产生信道失衡效应,需要进行信道均衡设计,提高无线网络的数据传输性能.传统方法采用Hilbert变换扩频方法进行
灰度不均匀现象普遍存在于自然图像和医学图像中,因此使用传统的图像分割方法很难精准的分割出目标物,从而导致图像分割在模式识别和临床医学的应用中会出现很多问题.为了更好地改善分割效果,解决灰度不均匀现象所带来的问题,本文结合图像的自适应梯度权重信息和局部区域信息提出一种新型的水平集分割算法.由于图像的梯度信息具有稳定性,因此文中通过在局部区域中使用自适应梯度权重信息,达到结合图像边缘信息和区域信息的目
传统的K-means算法虽然具有很多优点,但聚类准则函数对簇密度不均的数据集分类效果较差.文中在加权标准差准则函数的基础之上,增加了收敛性判定,并在Hadoop平台上提出了一种
为了充分利用企业分布在不同系统的基础设施,保护企业的核心数据,提供一个统一的安全的运行接口和运行环境,避免为每个系统重新部署、设计的重复繁杂工作,一个较好的解决方案
针对TB级的大规模金融对账文件的近似比对问题,本文深入分析了金融对账文件的特点,以提升比对速度作为研究目标,提出了一种多层次的近似比对模型—Up Compare模型.Up Compare
银行故障单中故障的截图常存在与自然场景中,能够在该图中精确地进行文本检测,将可以提高文本识别的精确度,并提高案例库的搜索和主动运维能力.为了提高自然场景文本检测的效率,提出了一种基于深度学习的自然场景文本检测算法.算法首先提取出图像中的最大稳定极值区域作为候选字母,利用单链接层次聚类得到候选文本,对候选文本进行中值滤波,最后通过一个深度置信网络DBN来删除非文本候选.实验结果表明,基于DBN的方法
传感器节点在森林、水下等复杂环境下进行数据采集时,由于信号强度与信号传输速度受到障碍物或传输介质的干扰,影响了基于信号信息的定位算法的测量精度.同时考虑到节点的成
为了实现森林火灾的智能化预警,提出了基于颜色和纹理特征的林火烟雾识别方法.首先使用颜色特征确定烟雾疑似区域,随后采用局部二值模式方差（Local Binary Pattern Variance,L
波达方向（DOA）估计在无线传感器网络中得到了广泛的应用,本文针对DOA中加权子空间拟合（WSF）算法多维非线性优化计算量大的问题,提出一种限定遗传搜索空间的WSF求解算法.该方法将