陈通
- 作品数：15 被引量：82H指数：3
- 供职机构：河海大学更多>>
- 发文基金：国家自然科学基金国家电网公司科技项目更多>>
- 相关领域：电气工程经济管理自动化与计算机技术更多>>
- 基于Spiking神经网络的光伏系统发电功率预测被引量：10
- 2017年
- 为了提高光伏系统发电功率预测的精度,本文提出一种基于Spiking神经网络(SNN)的预测模型。该神经网络采用精确脉冲时间的编码方式,更接近真实的生物神经系统,具有强大的计算能力。考虑季节类型、天气类型和大气温度等主要影响因素,该模型采用灰色关联分析法选取相似日。本文应用实际光伏发电系统的数据分别对基于SNN、BP人工神经网络(BP-ANN)和支持向量机(SVM)的预测模型进行测试和评估。预测结果表明:SNN预测模型相比于BP-ANN和SVM模型有较高的预测精度和较强的适用性,可以为光伏系统发电功率预测提供一种可行方法。
- 陈通孙国强卫志农李慧杰CHEUNG KWOK W孙永辉
- 关键词：光伏系统SPIKING神经网络发电功率预测
- 基于变分模态分解和相关向量机的风功率区间短期预测方法
- 本发明公开了一种基于变分模态分解与相关向量机的风功率区间短期预测方法，该方法包含，首先对风功率序列进行变分模态分解，获得多个具有不同中心频率的分量；然后对各分量采用相关向量机算法分别建立区间预测模型；最后将各分量的预测结...
- 孙永辉范磊卫志农孙国强臧海祥陈通王越陈悦梁智
- 文献传递
- “互联网+相互保险”模式的启示与思考——以支付宝“相互保”为例被引量：2
- 2019年
- 相互保险公司历史悠久,但对于我国保险业而言仍属于新生事物。总体而言,我国保险业的发展相比国外较为迟缓,"互联网+"时代的到来,为相互保险公司的发展带来了低成本、高效率、快速发展投保人以及专注开发新型保险品种的机遇。结合支付宝新推出的"相互保"保险服务案例,分析了"互联网+相互保险"模式具有庞大的潜在客户群体、大幅度降低经营成本、有利于扩大品牌影响力的优势,并提出了对互联网保险商业模式的启示和思考。
- 陈通
- 关键词：相互保险风险共担
- 基于脉冲神经网络伪量测建模的配电网三相状态估计被引量：40
- 2016年
- 为了给配电网管理系统提供全面准确的实时数据,配电网三相状态估计显得尤为重要。针对当前配电网量测信息不足,提出了基于脉冲神经网络(SNN)伪量测建模的配电网三相状态估计。该方法首先将实时和部分历史支路功率量测输入SNN进行伪量测建模,然后由高斯混合模型生成相应的量测误差,最后进行基于加权最小二乘法的配电网三相状态估计。理论分析和算例验证表明,所提模型不仅能够在正常通信时有效提高配电网状态估计精度,而且能在通信故障时保证估计精度在合理范围内,进而为配电网的运行控制提供参考依据。
- 黄蔓云孙国强卫志农臧海祥陈通陈胜
- 关键词：配电网状态估计脉冲神经网络高斯混合模型
- 一种基于核主成分分析和随机森林的短期负荷预测方法
- 本发明公开了一种基于核主成分分析与随机森林的短期负荷预测方法，包括如下步骤：(1)分析和选取运行的电力系统中影响待预测日负荷预测精度的数据，初步构造训练、预测样本集；(2)采用核主成分分析对训练样本数据进行降维；(3)采...
- 孙永辉范磊卫志农孙国强臧海祥朱瑛陈通梁智郭勉宗文婷
- 文献传递
- 基于思维进化Elman神经网络的光伏发电功率短期预测方法
- 本发明公开了一种基于思维进化Elman神经网络的光伏发电功率短期预测方法。根据思维进化算法良好的扩充性、移植性和极强的全局寻优能力，以及Elman神经网络对历史数据状态敏感性、较强的自行处理动态信息的能力，提出以思维进化...
- 孙永辉艾格林卫志农孙国强翁程琳陈通范磊
- 文献传递
- 基于EEMD和组合核RVM的光伏功率短期预测方法
- 本发明公开了一种基于EEMD和组合核RVM的光伏功率短期预测方法，本发明采用的EEMD避免了经验模态分解易出现模态混叠的问题，具有更高的分辨率与很强的非线性处理能力，降低了数据的复杂度，效果优异，结果准确，有效提高了预测...
- 卫志农范磊孙永辉孙国强臧海祥朱瑛陈通宗文婷
- 文献传递
- 基于变分模态分解和相关向量机的风功率区间短期预测方法
- 本发明公开了一种基于变分模态分解与相关向量机的风功率区间短期预测方法，该方法包含，首先对风功率序列进行变分模态分解，获得多个具有不同中心频率的分量；然后对各分量采用相关向量机算法分别建立区间预测模型；最后将各分量的预测结...
- 孙永辉范磊卫志农孙国强臧海祥陈通王越陈悦梁智
- 文献传递
- 基于Spiking神经网络的光伏系统发电功率预测方法
- 本发明公开一种基于Spiking神经网络的光伏系统发电功率预测方法。本发明方法包括以下步骤：1)通过计算并排序欧氏距离(Euclidean distance)的方法确定各种天气类型下预测日的相似日集合；2)采用Time‑...
- 孙国强陈通卫志农孙永辉范磊陈悦厉超
- 文献传递
- 基于相似日和CAPSO-SNN的光伏发电功率预测被引量：31
- 2017年
- 针对光伏发电功率预测精度不高的问题,提出一种基于相似日和云自适应粒子群优化(CAPSO)算法优化Spiking神经网络(SNN)的发电功率预测模型。考虑到季节类型、天气类型和气象等主要影响因素,提出以综合相似度指标进行相似日选取;以SNN强大的计算能力和其善于处理时间序列问题的特点为基础,结合CAPSO算法搜索的随机性和稳定性优化SNN的多突触连接权值,减少对权值的约束,提高算法的收敛精度。根据某光伏电站的实测功率数据对所提模型进行测试和评估,结果表明,该模型比传统预测模型具有更高的预测精度和更好的适用性。
- 陈通孙国强卫志农臧海祥孙永辉Kwok W Cheung李慧杰
- 关键词：光伏发电功率预测SPIKING神经网络
