期刊导航
期刊开放获取
重庆大学
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进的皮尔逊相关系数的低压配电网拓扑结构校验方法
被引量：
105
1
作者
肖勇
赵云
+2 位作者
涂治东
钱斌
常润勉
《电力系统保护与控制》
EI
CSCD
北大核心
2019年第11期37-43,共7页
针对低压配电网拓扑结构人工校验成本高、实时性不强的问题,提出了一种基于皮尔逊相关系数和KNN算法的低压配电网拓扑结构纯软件在线校验方法。首先用皮尔逊相关系数判断用户电压序列曲线的相似性,通过相关系数算法校验台区户变关系的...
针对低压配电网拓扑结构人工校验成本高、实时性不强的问题,提出了一种基于皮尔逊相关系数和KNN算法的低压配电网拓扑结构纯软件在线校验方法。首先用皮尔逊相关系数判断用户电压序列曲线的相似性,通过相关系数算法校验台区户变关系的正确性,找出户变关系不正确的用户,进行再校验。对于需再校验的用户,基于GIS系统的数据和《配电网规划设计技术导则》剪辑生成用户样本集,运用KNN算法分析剪辑生成用户样本集,然后找出校验用户所属的正确台区。最后根据人工现场校验结果,判断算法校验的正确性。
展开更多
关键词
低压拓扑校验
皮尔逊相关系数
电压曲线相似性
样本集
KNN算法
下载PDF
职称材料
基于多层聚类和改进BP神经网络的短期负荷预测
被引量：
11
2
作者
赵云
高泽璞
+2 位作者
肖勇
常润勉
何恒靖
《武汉大学学报（工学版）》
CAS
CSCD
北大核心
2019年第7期622-629,共8页
随着电网规模的扩大,数据量的急剧增加,漏采、误采等不良数据及数据冗余会对短期负荷预测产生负面影响,造成预测准确度下降,预算结果无法正常使用.针对这些现象,提出一种基于多层聚类和改进BP神经网络的负荷预测模型.该模型基于多层聚...
随着电网规模的扩大,数据量的急剧增加,漏采、误采等不良数据及数据冗余会对短期负荷预测产生负面影响,造成预测准确度下降,预算结果无法正常使用.针对这些现象,提出一种基于多层聚类和改进BP神经网络的负荷预测模型.该模型基于多层聚类对原始数据进行预处理,选取形成与待预测数据相似的样本数据集,建立基于改进BP神经网络的预测模型.多层聚类模型减小了输入改进BP神经网络的数据量,避免了不良数据对预测模型造成的影响,预测模型更贴近待预测数据特点;改进BP神经网络避免了在训练过程中陷入局部最小解.预测结果表明:相比模糊C均值聚类方法,多层聚类与改进BP神经网络的负荷预测方法提高了预测精度与预测速度.
展开更多
关键词
模糊C均值聚类
多层聚类
气象因素
改进BP神经网络
原文传递
题名
基于改进的皮尔逊相关系数的低压配电网拓扑结构校验方法
被引量：
105
1
作者
肖勇
赵云
涂治东
钱斌
常润勉
机构
南方电网科学研究院有限责任公司
武汉大学电气工程学院
出处
《电力系统保护与控制》
EI
CSCD
北大核心
2019年第11期37-43,共7页
基金
国家自然科学基金面上项目资助(51277134)
中国南方电网有限责任公司专项课题资助(ZBKJXM20170078)~~
文摘
针对低压配电网拓扑结构人工校验成本高、实时性不强的问题,提出了一种基于皮尔逊相关系数和KNN算法的低压配电网拓扑结构纯软件在线校验方法。首先用皮尔逊相关系数判断用户电压序列曲线的相似性,通过相关系数算法校验台区户变关系的正确性,找出户变关系不正确的用户,进行再校验。对于需再校验的用户,基于GIS系统的数据和《配电网规划设计技术导则》剪辑生成用户样本集,运用KNN算法分析剪辑生成用户样本集,然后找出校验用户所属的正确台区。最后根据人工现场校验结果,判断算法校验的正确性。
关键词
低压拓扑校验
皮尔逊相关系数
电压曲线相似性
样本集
KNN算法
Keywords
check of low voltage topology
Pearson correlation coefficient
similarity of voltage curves
set of samples
KNN algorithm
分类号
TM73 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
基于多层聚类和改进BP神经网络的短期负荷预测
被引量：
11
2
作者
赵云
高泽璞
肖勇
常润勉
何恒靖
机构
南方电网科学研究院
武汉大学电气与自动化学院
出处
《武汉大学学报（工学版）》
CAS
CSCD
北大核心
2019年第7期622-629,共8页
基金
南方电网公司专项课题(编号:ZBKJXM20170078)
文摘
随着电网规模的扩大,数据量的急剧增加,漏采、误采等不良数据及数据冗余会对短期负荷预测产生负面影响,造成预测准确度下降,预算结果无法正常使用.针对这些现象,提出一种基于多层聚类和改进BP神经网络的负荷预测模型.该模型基于多层聚类对原始数据进行预处理,选取形成与待预测数据相似的样本数据集,建立基于改进BP神经网络的预测模型.多层聚类模型减小了输入改进BP神经网络的数据量,避免了不良数据对预测模型造成的影响,预测模型更贴近待预测数据特点;改进BP神经网络避免了在训练过程中陷入局部最小解.预测结果表明:相比模糊C均值聚类方法,多层聚类与改进BP神经网络的负荷预测方法提高了预测精度与预测速度.
关键词
模糊C均值聚类
多层聚类
气象因素
改进BP神经网络
Keywords
fuzzy C-means(FCM)
multilayer clustering
meteorological factors
improved BP neural network
分类号
TM71 [电气工程—电力系统及自动化]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于改进的皮尔逊相关系数的低压配电网拓扑结构校验方法
肖勇
赵云
涂治东
钱斌
常润勉
《电力系统保护与控制》
EI
CSCD
北大核心
2019
105
下载PDF
职称材料
2
基于多层聚类和改进BP神经网络的短期负荷预测
赵云
高泽璞
肖勇
常润勉
何恒靖
《武汉大学学报（工学版）》
CAS
CSCD
北大核心
2019
11
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
