刘学琴
- 作品数：8 被引量：94H指数：5
- 供职机构：保定电力职业技术学院更多>>
- 相关领域：电气工程自动化与计算机技术更多>>
- 小波和神经网络在电力系统中长期负荷预测中的应用研究
- 电力系统中长期负荷预测是电力系统规划建设的依据,其预测的准确程度将直接影响到电力系统的投资、电力网架和电力系统运行的合理性.尤其在我国电力行业走向市场化的今天,它所提供的未来的负荷数据,对电力系统的调度、运行和网络建设都...
- 刘学琴
- 关键词：电力系统中长期负荷预测广义回归神经网络小波分析小波神经网络
- 文献传递
- 小波神经网络在电力系统月度负荷预测中的应用被引量：4
- 2009年
- 在研究了电力月负荷特性的基础上提出了一种新型的月度负荷预测模型———小波神经网络负荷预测模型。该模型以非线性小波基为神经元函数,通过伸缩因子和平移因子计算小波基函数合成的小波网络,以横向和纵向历史负荷数据作为输入神经元,采用基于BP(back propagation)算法的网络自调整算法,同时还采取自判断调整步长的方法,使得跨过局部极小点的同时还加快了收敛速度。该网络不但能达到全局最优的逼近效果,还能有效地克服了人工神经元网络学习速度慢、难以合理确定网络结构、存在局部极小点的固有缺陷。应用该模型预测我国某地区月负荷,结果表明,该模型预报精度高,自适应性好,收敛速度也明显快于单纯的神经网络。
- 吴耀华刘学琴
- 关键词：电力系统小波神经网络月度负荷预测
- 基于相位比较与固有频率的混合线路故障测距
- 2023年
- 多测点相位比较法原理简单易实现,但无法进行故障距离的计算;固有频率法不受波头检测和同步时钟的限制,但测距精度会随故障距离的增大而降低。考虑二者的特点,提出基于相位比较与固有频率的混合线路故障测距方法。首先应用相位比较法确定故障区间;利用锁定故障区间的相邻两测点频域信息,提取行波固有频率主成分;最后应用频域信息完成故障测距。仿真表明,该方法可以准确的判定出故障区间,具有较高的测距精度和较强的适应性。
- 张媛媛陈金辉陈金辉刘学琴
- 关键词：故障测距固有频率混合线路
- 基于广义回归神经网络的电力系统中长期负荷预测被引量：21
- 2007年
- 在介绍广义回归神经网络(GRNN)基本算法、网络结构及平滑参数确定方法的基础上,提出将误差序列的均方值作为网络性能的评价指标并采用最小误差对应的平滑参数,建立了GRNN的预测模型。提出了确定输入神经元数目的方法:根据自回归模型阶次的选择经验初步确定输入神经元数目m;在m值附近进行搜索,对于每一个m值,确定平滑参数后,计算网络对学习样本的预测误差;根据BIC准则评价指标的最小值确定输入神经元数目。将模型应用于某地中长期电力网负荷预测,分别进行了单步预测和多步预测。与BP神经网络模型的预测进行比较,结果表明,采用该方法的预测精度明显高于BP模型,即使在训练集样本数据较少时,该方法的预测准确度仍然很高。
- 姚李孝刘学琴伍利薛美娟
- 关键词：广义神经网络中长期负荷预测时间序列预测
- 基于蚁群算法的配电网故障恢复重构被引量：5
- 2009年
- 研究了故障后输电线路的重构优化问题,提出了一种求解目标最优的故障恢复重构算法。该算法基于蚁群算法,以电压稳定为前提,建立了以降低网损和操作开关数目最少为目标的数学模型。该算法不依赖初始参数的设置,具有全局搜索的能力,可通过改变权重系数将网损、开关操作数目等多目标优化问题转化为单目标优化,提高算法效率。实例证明该算法可以准确得到配电网故障后电网重构的最佳方案。
- 刘学琴崔宝华吴耀华王翠娟
- 关键词：蚁群算法配电网
- 小波软阈值去噪和GRNN网络在月度负荷预测中的应用被引量：12
- 2009年
- 在介绍了小波阈值降噪理论和广义回归神经网络基本理论的基础上,针对电力系统的月负荷数据同时具有趋势增长性和季节波动性的复杂非线性特征,提出了一种月负荷预测新方法。首先对历史数据进行小波软阈值去噪,以横向历史数据和纵向历史数据作为神经网络的输入,建立了月度负荷预测模型,并将其应用于我国某地区月度负荷预测,结果表明:该模型既具有较好的鲁棒性,预测精度较高且较为稳定,又具有良好的实用性。
- 刘学琴吴耀华崔宝华
- 关键词：月度负荷预测广义回归神经网络去噪
- 基于扩展粗糙集的短期电力负荷预测模型被引量：9
- 2010年
- 影响短期电力负荷预测的因素众多,如何有效地判断和选择这些相关因素是改善电力负荷预测的关键,通过引入数据挖掘中粗糙集约简算法来解决这一难题。针对常规粗糙集算法计算量大,且不具备容错性和泛化能力,在属性约简过程中设置了分类可信度β,因而对数据具有了一定的容错性和泛化能力,增强了抗噪声能力。经过对实际数据的计算分析,证实了本文提出的方法在一定程度上提高了负荷预测的精度和速度。
- 刘学琴吴耀华崔宝华
- 关键词：短期电力负荷预测粗糙集属性约简
- 基于小波分析的月度负荷组合预测被引量：44
- 2007年
- 针对电力系统月负荷数据同时具有趋势增长性和季节波动性的非线性特征,提出了一种基于小波变换的月负荷预测方法。通过小波变换把月负荷序列分解为多个频率成分的叠加,针对不同频率成分的不同特点采用不同的预测方法,最后将各频率成分的预测结果重构进而得到预测数据。该方法避免了考虑气候、政策等因素,仅利用电力负荷历史数据进行预测。实例结果表明采用该方法进行月负荷预测可以达到较高的精度。
- 姚李孝刘学琴
- 关键词：月负荷预测小波分析BP神经网络灰色预测
