杨立成
- 作品数：9 被引量：51H指数：4
- 供职机构：广西电力工业勘察设计研究院更多>>
- 相关领域：电气工程农业科学更多>>
- 桂林电网中短期负荷预测系统被引量：2
- 2009年
- 设计了一套桂林电网中短期负荷预测系统。该系统具有自动化运行功能,自动接收各种负荷和气象数据、自动做出预测并定时向中调部门上传预报结果。此系统自2007年开始投运,2007年10月14日—10月31日的预测结果显示,平均日负荷预测准确率为95.98%,达到广西电网调度中心的考核标准。
- 贝宇骆正义李如琦莫仕勋杨立成唐卓贞
- 关键词：桂林电网中短期负荷预测
- 桂林电网日负荷与气象因素的关系及其预测被引量：19
- 2008年
- 日负荷预测作为能量管理系统(EMS)的重要组成部分,是电力系统安全、经济运行的保证。为更好地了解气象因素对电网负荷的影响,利用桂林地区2005年和2006年逐日的负荷与气象资料分离出了气象负荷。通过研究气象负荷与各气象因素之间的相关关系表明:利用气象负荷可以更好地分析气象因素对日负荷的影响,从而为电力部门的负荷预测工作提供重要的参考依据。最后采用一种基于相似日的方法计算气象负荷,进而预测整个电力负荷,通过实际的算例验证,取得了比较满意的预测效果。
- 郑贤唐伍斌贝宇李如琦杨立成廖慕科
- 关键词：电力负荷气象因素
- 基于相似日和蚁群优化LS-SVM的短期电力负荷预测被引量：11
- 2008年
- 由统计学习理论发展的通用学习方法——支持向量机,在解决小样本、非线性及高维数等问题中表现出许多特有的优势。提出了采用最小二乘支持向量机建立负荷预测模型,它是对标准的支持向量机的一种扩展,降低了问题的复杂性,使得计算速度相对加快。在选取最小二乘支持向量机的训练样本时,采用加权的灰色关联度方法来选择相似日,对不同样本根据其重要性赋予不同的权重,同传统的关联度相比更具客观性。另外,对于最小二乘支持向量机的参数选择问题,针对目前尚无统一有效方法的现状,尝试采用了一种基于蚁群种群的新型优化算法———蚁群算法来优化选择,在很大程度上减少了人为选择参数的主观影响。最后通过实例验证了该模型的有效性,取得了比较满意的预测效果。
- 李如琦杨立成苏媛媛唐卓贞
- 关键词：负荷预测最小二乘支持向量机蚁群算法
- 证据理论在短期负荷预测相似日选择中的应用被引量：6
- 2008年
- 合理选择预测相似日是提高综合负荷预测模型预测效果的有效途径。依据人工经验选相似日的传统方法并不具备最好的预测效果。选择相似日问题可以归结为一个判决问题,即选择与待预测日气象等因素最相似的一天。影响电力系统短期负荷的因素有很多,且常常难以定量表达,针对电力系统短期负荷预测中存在的不确定性问题,将证据理论应用于短期负荷预测中的相似日选择上来。用广西某地方电网的实际数据验证表明,将证据理论应用于相似日的选取,能较准确选择相似日从而提高了预测精度。
- 李如琦唐卓贞唐伍斌郑贤杨立成
- 关键词：证据理论电力系统相似日短期负荷预测
- 电力系统短期负荷预测方法研究分析被引量：2
- 2010年
- 电力系统短期负荷预测是供电部门的重要工作之一,准确地进行电力系统短期负荷预测对电力系统的安全、稳定和经济运行具有重要意义。文章对各种短期负荷预测方法进行了总结和回顾,并介绍了气象条件在短期负荷预测中的应用情况。
- 杨立成
- 关键词：电力系统短期负荷预测人工智能气象条件
- 智能化变电站研究与发展
- 2013年
- 随着电力技术的广泛研究及电力设备的更新与升级,电网的智能化、数字化已成为当今电力系统行业的主要发展趋势。智能化变电站是衔接智能电网发电、输电、变电、配电、用电和调度六大要素的重要组成部分,是发展智能化电网的关键环节。文章介绍了智能化变电站的基本内容和主要形式,分析了目前智能化变电站的发展情况。
- 杨立成
- 关键词：智能化数字化变电站电网
- 基于最小二乘支持向量机的短期电力负荷预测方法研究
- 负荷预测是电力系统调度和计划部门的主要工作之一，准确的负荷预测对于保证电力系统安全、稳定和经济运行以及在电力市场环境下提高供电部门的经济效益和社会效益都具有重要而深远的意义。本文阐述了负荷预测的相关基础理论，对各种短期负...
- 杨立成
- 关键词：电力系统短期电力负荷负荷预测支持向量机
- 文献传递
- 证据理论在短期负荷预测相似日选择中的应用
- 合理选择预测相似日是提高综合负荷预测模型预测效果的有效途径。依据人工经验选相似日的传统方法并不具备最好的预测效果。选择相似日问题可以归结为一个判决问题，即选择与待预测日气象等因素最相似的一天。影响电力系统短期负荷的因素有...
- 李如琦唐卓贞孙艳杨立成苏媛媛
- 关键词：证据理论电力系统短期负荷预测
- 文献传递
- 基于气象累积和ACA-GRNN的短期电力负荷预测被引量：10
- 2008年
- 针对气象条件具有累积效应以及不同气象条件对负荷影响的程度不同的特点,采用一加权的几何距离公式来选取神经网络的训练样本,不仅加快了神经网络的训练速度,而且加强了神经网络的逼近能力。同传统的神经网络相比,广义回归神经网络的训练过程实际上是不断地调整平滑参数σ的过程,因此,σ的不同取值对网络的输出具有重要的影响。在优化广义回归神经网络的平滑参数σ时,采用基于蚁群种群的新型优化算法——蚁群算法来优化,在很大程度上减少了人为选择参数的主观影响。最后通过实例验证了该模型的有效性。
- 李如琦杨立成莫仕勋苏媛媛唐卓贞
- 关键词：负荷预测广义回归神经网络蚁群算法
