您的位置: 专家智库 > >

高荣

作品数:9 被引量:14H指数:2
供职机构:烟台师范学院数学与信息学院更多>>
发文基金:山东省教育厅科技攻关项目山东省自然科学基金更多>>
相关领域:电气工程自动化与计算机技术理学更多>>

文献类型

  • 6篇会议论文
  • 3篇期刊文章

领域

  • 6篇电气工程
  • 3篇自动化与计算...
  • 1篇理学

主题

  • 7篇短期负荷预测
  • 7篇负荷预测
  • 6篇支持向量
  • 6篇支持向量机
  • 6篇向量
  • 6篇向量机
  • 4篇核函数
  • 3篇小波
  • 3篇小波变换
  • 3篇基于小波变换
  • 3篇波变换
  • 2篇确定性退火
  • 2篇稳定性
  • 2篇鲁棒
  • 1篇短期负荷预测...
  • 1篇预测控制
  • 1篇神经网
  • 1篇神经网络
  • 1篇人工神经
  • 1篇人工神经网络

机构

  • 9篇烟台师范学院

作者

  • 9篇刘晓华
  • 9篇高荣
  • 3篇刘雪芹
  • 3篇杨雪
  • 3篇唐美芹
  • 3篇邹媛媛

传媒

  • 2篇第15届中国...
  • 1篇烟台师范学院...
  • 1篇控制工程
  • 1篇山东大学学报...
  • 1篇第十六届中国...
  • 1篇中国控制与决...
  • 1篇第16届中国...

年份

  • 6篇2005
  • 3篇2004
9 条 记 录,以下是 1-9
排序方式:
具有模型不确定性的单值MAC鲁棒稳定性分析
给出基于脉冲响应模型下的单值模型算法控制(SMAC).采用一系列可能对象的脉冲响应来描述模型的不确定性,分析了SMAC闭环系统的鲁棒性,推导得出了几个鲁棒稳定性条件.这些结果有利于预测控制的设计和分析.
邹媛媛刘晓华高荣杨雪刘雪芹唐美芹
关键词:模型算法控制鲁棒稳定性
文献传递
基于DA聚类的多支持向量机负荷预测被引量:3
2005年
针对负荷序列是有噪声的非平稳时间序列的问题,首先利用确定性退火聚类方法(DA)对负荷数据进行全局最优分类。分类考虑了负荷、温度及温度变化等各种因素的影响。然后对分类后的每一个子序列建立相匹配的支持向量机模型进行预测。用所提出的方法对负荷数据进行建模预测,用所得结果同单个支持向量机预测结果进行比较,表明了该方法能改善预测精度,提高学习速度。
高荣刘晓华
关键词:短期负荷预测支持向量机确定性退火
基于分布式支持向量机的短期负荷预测
针对负荷序列是有噪声的非平稳时间序列,提出分布式支持向量机的短期负荷预测方法.首先利用确定性退火聚类方法(DA)对负荷数据进行全局最优分类,分类考虑了负荷、温度及温度变化等各种因素的影响,然后对分类后的每一个子序列建立相...
刘晓华高荣
关键词:短期负荷预测支持向量机确定性退火
文献传递
柔化因子α对广义预测控制稳定性的影响
在内模控制结构下,利用广义预测控制从对象至闭环特征多项式的系数关系,讨论了在N<,u>和λ=0的前提下,柔化因子α的选取对闭环系统稳定性的影响,并给出了根据阶跃响应系数保证闭环系统稳定的参数α的设计准则.这些理论结果为设...
杨雪刘晓华刘雪芹邹媛媛唐美芹高荣
关键词:广义预测控制内模控制闭环稳定性
文献传递
基于小波变换的支持向量机短期负荷预测
提出了一种基于小波分解和支持向量机的短期负荷预测方法.首先利用小波变换把负荷序列分解成不同频段的子序列,对高频序列利用软阀值消噪法去除负荷噪声;对降噪后的负荷序列利用不同的小波进行分解.然后用相匹配的支持向量机模型预测各...
高荣刘晓华
关键词:小波变换支持向量机核函数负荷预测
文献传递
基于小波变换的支持向量机短期负荷预测
本文提出了一种基于小波分解和支持向量机的短期负荷预测方法.首先利用小波变换把负荷序列分解成不同频段的子序列,对高频序列利用软阀值消噪法去除负荷噪声;对降噪后的负荷序列利用不同的小波进行分解.然后用相匹配的支持向量机模型预...
高荣刘晓华
关键词:小波变换支持向量机核函数负荷预测
文献传递
基于人工神经网络的鲁棒短期负荷预测方法
提出一种用神经网络设计提前一天的短期负荷预测系统的方法.在对神经网络进行训练前,先通过一种简单的方法对数据进行了预处理,以使设计的系统具有处理由于突发事件等因素引起负荷突然变化的能力.用山东省电网2003年的负荷数据进行...
高荣刘晓华邹媛媛杨雪唐美芹刘雪芹
关键词:人工神经网络短期负荷预测负荷预测
文献传递
基于支持向量机的短期负荷预测被引量:2
2005年
讨论了现有的支持向量机回归参数选取方法.针对负荷预测建模,采用交叉验证的方法对参数进行选取,得到的最优参数对未来的峰荷进行预测,仿真结果表明了该方法的有效性.
高荣刘晓华
关键词:支持向量机负荷预测核函数
基于小波变换的支持向量机短期负荷预测被引量:11
2005年
提出了一种基于小波分解和支持向量机的短期负荷预测方法.首先利用小波变换把负荷序列分解成不同频段的子序列,对高频序列利用软阀值消噪法去除负荷噪声;对降噪后的负荷序列利用不同的小波进行分解.然后用相匹配的支持向量机模型预测各子序列.仿真结果表明db4小波的预测精度最高,平均绝对预测误差为1.6692%.所得结果同直接用支持向量机预测结果进行比较表明,该方法是有效的.
高荣刘晓华
关键词:小波变换支持向量机核函数负荷预测
共1页<1>
聚类工具0