您的位置： 专家智库 > >

张智晟

作品数：61 被引量：525H指数：12
供职机构：青岛大学更多>>
发文基金：国家自然科学基金山东省教育厅科技计划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交通运输工程机械工程更多>>

合作作者

文献类型

  • 53篇期刊文章
  • 6篇会议论文
  • 2篇学位论文

领域

  • 56篇电气工程
  • 8篇自动化与计算...
  • 6篇交通运输工程
  • 5篇机械工程
  • 3篇文化科学
  • 2篇电子电信
  • 1篇经济管理

主题

  • 25篇电力
  • 23篇电力系统
  • 23篇短期负荷预测
  • 23篇负荷预测
  • 22篇神经网
  • 22篇神经网络
  • 15篇优化算法
  • 14篇粒子群
  • 13篇电网
  • 10篇子群
  • 8篇配电
  • 8篇配电网
  • 8篇群算法
  • 8篇负荷预测模型
  • 7篇电动
  • 7篇电动汽车
  • 7篇短期负荷预测...
  • 7篇汽车
  • 7篇粒子群算法
  • 7篇粒子群优化

机构

  • 44篇青岛大学
  • 20篇天津大学
  • 2篇国家电网公司
  • 2篇国网天津市电...
  • 1篇山东大学
  • 1篇国家电力调度...
  • 1篇潍坊供电公司
  • 1篇淄博供电公司
  • 1篇天津城东供电...
  • 1篇威海供电公司
  • 1篇青岛地铁集团...
  • 1篇国网山东省电...
  • 1篇国网山东省电...

作者

  • 61篇张智晟
  • 19篇孙雅明
  • 7篇吴新振
  • 4篇张世英
  • 3篇袁博强
  • 3篇王坤
  • 3篇李国
  • 2篇张伟
  • 2篇温令云
  • 2篇陈军港
  • 2篇赵艳
  • 2篇常德政
  • 2篇李晨
  • 2篇于道林
  • 1篇杨乐梅
  • 1篇王兆峰
  • 1篇兰勇
  • 1篇董存
  • 1篇王晨力
  • 1篇贾凤强

传媒

  • 22篇青岛大学学报...
  • 7篇电网技术
  • 6篇电力系统及其...
  • 4篇中国电机工程...
  • 4篇电工电能新技...
  • 2篇电力自动化设...
  • 1篇系统工程学报
  • 1篇中国电力
  • 1篇电气电子教学...
  • 1篇现代电力
  • 1篇天津大学学报
  • 1篇山东大学学报...
  • 1篇电力科学与技...
  • 1篇电力系统保护...
  • 1篇2003年全...
  • 1篇第七届全国高...
  • 1篇天津市电力学...
  • 1篇中国城市供电...
  • 1篇中国高等学校...

年份

  • 1篇2019
  • 3篇2018
  • 7篇2017
  • 3篇2016
  • 3篇2015
  • 5篇2014
  • 3篇2013
  • 2篇2012
  • 3篇2011
  • 5篇2010
  • 5篇2009
  • 4篇2008
  • 1篇2007
  • 3篇2006
  • 4篇2005
  • 4篇2004
  • 3篇2003
  • 1篇2002
  • 1篇2000
共 61 条 记 录，以下是 1-10
全选 清除 导出
排序方式：
基于分布估计算法和遗传算法融合的神经网络故障诊断模型研究被引量：2
2008年
本文构造了基于分布估计算法(Estimation of Distribution Algorithm,EDA)和遗传算法(GeneticAlgorithm,GA)融合的神经网络(Neural Network,NN)故障诊断模型。传统的GA看作是对生物进化"微观"层面上的模拟,则EDA是对生物进化"宏观"层面上的建模,是一种全新的进化模式。EDA与GA融合的实质是在解空间"宏观"和"微观"两个层面进行寻优,可克服NN陷入局部最小,提高NN的泛化能力,使故障诊断的容错性能得到有效改善。将该模型用于高压输电线系统的故障诊断,并作容错性能的评估。由仿真测试表明,研究模型的容错性能要优于传统的BP-NN模型和单纯GA优化NN模型。因此,新诊断模型是有一定的理论和实用价值的。
张智晟时翔林涛孙雅明
关键词：高压输电系统故障诊断容错性能分布估计算法遗传算法神经网络
基于相空间重构理论和优化递归神经网络结合的短期负荷预测方法被引量：13
2004年
根据电力负荷序列的混沌特性,提出以相空间重构理论和优化递归神经网络结合的电力系统短期负荷预测方法,以相空间重构理论确定递归神经网络输入维数;训练样本集由对应预测相点的最近邻相点集构成,并按预测相点步进动态相轨迹生成;优化递归神经网络是以双重遗传算法来确定递归神经网络的隐层结构和权值,总体寻优性可抑制伪近邻点的影响,保证提高预测精度及其稳定性。对两类不同负荷系统日、周预测仿真测试,证实其比传统神经网络预测模型能有效地提高预测精度0.8%。因此,所研究的预测模型和方法在实际预测领域有较高的实用价值。
张智晟孙雅明何云鹏
关键词：电力系统短期负荷预测递归神经网络
基于Petri网的含分布式电源配电网故障定位研究被引量：7
2016年
针对分布式电源接入配电系统后使得原有的故障定位原理难以满足故障检测要求的问题,本文采用Petri网原理,根据配电系统的网络结构,利用故障发生时系统检测到的故障信息,建立了含分布式电源配电网的故障定位模型,阐述了推理过程,通过对故障信息的预处理,保证当故障信息丢失时故障定位的准确性。为验证该方法的故障定位能力,利用Matlab中Petri网工具箱,对一个含分布式电源的复杂配电网进行仿真分析。仿真结果表明,在配电系统发生单一或多重故障时,该配电网故障定位模型都能得到正确的故障区段;同时当故障信息缺失时,仍可取得理想的定位效果。因此,该故障定位模型具有一定的实际应用价值。
张晟于立涛撖奥洋贾旭张智晟
关键词：故障定位PETRI网配电网分布式电源
基于自适应粒子群算法的智能家居管理系统负荷优化模型被引量：8
2017年
在能源互联网发展的背景下,针对电网需求侧响应的策略及用户节约用电成本的要求,设计智能家居管理系统(smart home management system,SHMS)的基本结构,构建智能家居管理系统负荷优化模型,并采用引入衰减因子的自适应粒子群算法对模型进行求解,可得到满足用户要求的家庭负荷运行方案。仿真算例采用了实际的分时电价、室外温度、负荷参数等信息,与优化前相比,用户负荷曲线得到改善,用电成本及用电量明显下降,验证了算法的有效性。
马汉杰林霞胥晓晖张健张智晟
关键词：能源互联网自适应粒子群算法
计及多因素的配电网电容器优化配置研究被引量：4
2009年
对配电网电容器优化配置进行研究,计及多因素建立了以系统的有功网损费用、电容器投资费用、电容器维护费用和预期中断费用之和为最小的目标函数,采用改进粒子群算法对该问题进行求解。在改进算法中采用自适应惯性权重,并对粒子群速度进行了变异操作,提高了粒子群算法的全局寻优能力。仿真结果表明,该方法使补偿后支出总费用较补偿前降低22.50%;并使得电压质量得到明显改善,各节点的故障率明显减小,其平均故障率可降低13.44%,系统的整体可靠性能得到改善。
陈军港段晓燕龚文杰张智晟王坤
关键词：配电网电容器优化配置改进粒子群算法
基于因果网络的配电网故障诊断模型研究
2016年
针对电力系统配电网故障诊断问题,本文构建了基于因果网络的配电网故障诊断模型。该模型利用配电网故障发生时系统产生的告警信息,将配电网各设备的关联关系抽象成3类基本因果关系,运用因果网络进行逻辑逆向推理,实现配电网故障诊断。同时为验证该模型的有效性,以某实际配电网作为算例进行仿真验证。仿真结果表明,该模型能快速准确的诊断出配电网发生的故障,具有较好的诊断结果。该研究对维持配电网的稳定运行及保证用户用电的可靠性具有非常重要的意义。
文向南撖奥洋于立涛贾旭张智晟
关键词：配电网故障诊断因果网络电力系统
基于Elman神经网络的短期负荷预测研究
本文根据电力负荷序列的混沌特性,提出以相空间重构理论和Elman神经网络结合的电力系统短期负荷预测方法,以相空间重构理论确定Elman-NN的输入维数,采用具有动态递归性能的Elman神经网络,可增强负荷预测模型对混沌动...
张智晟孙雅明
关键词：短期负荷预测混沌序列ELMAN神经网络静态神经网络电力系统
文献传递
考虑需求响应综合影响因素的RBF-NN短期负荷预测模型被引量：60
2018年
为提高计及需求响应的短期负荷预测精度,通过量化电价、用户响应程度以及温度等外界因素,构建了考虑需求响应综合影响因素的径向基函数神经网络（radial basis function-neural network,RBF-NN）短期负荷预测模型。结合峰谷分时电价（time-of-use price,TOU price）,根据消费者心理学原理描述了基于Logistic函数的用户模糊需求响应机理,用于有效辨识用户对峰谷电价的响应参数。利用半梯形隶属度函数消除用户响应模糊属性,将需求响应精确量化结果引入RBF-NN预测模型。通过实际算例,分析了该文构建模型在不同电价机制下的预测性能,证明了在RBF-NN模型中综合考虑电价、用户响应度等因素的重要性,为计及需求响应的短期负荷预测研究提供了一定的理论依据。
张智晟于道林
关键词：需求响应分时电价RBF神经网络短期负荷预测
基于FDNN的电力系统短期负荷预测模型研究被引量：5
2017年
针对电力系统短期负荷预测,本文提出了基于模糊深度神经网络的电力系统短期负荷预测模型,将模糊处理与深度神经网络相结合。首先利用隶属度函数对气象因素进行模糊化处理,并在此基础上,构建了深度神经网络预测模型,通过增加隐含层数,使神经网络具有更强的非线性,对受限玻尔兹曼机进行预训练,同时利用粒子群优化算法,对初始化的深度神经网络进行权值和阈值优化,并通过实际算例进行分析。分析结果表明,模糊深度神经网络预测模型的平均绝对误差和最大相对误差分别达到了1.72%和6.24%,具有较高的预测精度。该研究为基于模糊深度神经网络的电力系统短期负荷预测模型的实际应用奠定了理论基础。
金士琛薛会林霞张智晟
关键词：短期负荷预测粒子群优化算法电力系统
基于PSO-Elman神经网络的电力系统短期负荷预测模型研究被引量：7
2010年
提出了基于粒子群优化算法—Elman神经网络的电力系统短期负荷预测模型,采用具有动态递归性能的Elman神经网络,可增强负荷预测模型的联想和泛化推理能力,保证负荷预测的精度。采用粒子群优化算法对Elman神经网络进行学习训练,可充分利用粒子群优化算法的全局寻优性能,克服常规学习算法易于陷入局部最优解、收敛速度慢、编程复杂等缺陷。通过对地区电网负荷系统的实例仿真证实了所提出方法的有效性,获得了较满意的预测精度,平均绝对误差和最大相对误差分别达到1.988%和4.673%。为该模型用于实际工程取得了有效的进展。
刘远龙龚文杰徐超张智晟张伟王鑫赵建伟
关键词：电力系统短期负荷预测ELMAN神经网络粒子群优化算法
全选 清除 导出
共7页<1234567>
聚类工具0