刘轲
- 作品数：9 被引量：71H指数：3
- 供职机构：兰州理工大学电气工程与信息工程学院更多>>
- 发文基金：甘肃省自然科学基金国家自然科学基金国家科技型中小企业技术创新基金更多>>
- 相关领域：电气工程自动化与计算机技术更多>>
- 电力系统短期负荷预测的研究
- 随着智能电网的建设，为保障电网的安全经济运行，对提高短期负荷预测速度和精度都提出了更高的要求。以一个年用电量290亿千瓦时的中等城市为例，如果预测精度提高1％，每年可提高收益1.45亿元。目前负荷预测的方法想要提高精度困...
- 刘轲
- 关键词：电力系统短期负荷预测粒子群优化云计算
- 电力系统短期负荷预测建模仿真研究被引量：15
- 2016年
- 精确的电力系统负荷预测能够使电网安全稳定的运行。传统的电力系统负荷预测只注重预测方法的研究,诸如基于人工神经网络的方法、支持向量机的方法等,很少关注数据的预处理。为了提高短期负荷预测的精度,采用双向比较法对浙江省某市的实际电力负荷历史数据进行预处理,并用K-means算法进行聚类分析,使具有相同特征的数据属性归为一类,以此降低原始数据维数。利用LSSVM算法进行负荷预测,从而得到准确的预测结果。仿真结果表明,经过聚类的LSSVM模型预测结果的平均相对误差和最大相对误差,远低于传统模型。充分说明了双向比较法和K-means算法相结合的短期负荷预测方法不仅有更高的预测精度还使预测误差更加的平稳。
- 王惠中刘轲周佳王岳锋
- 关键词：数据预处理负荷预测聚类算法
- 基于错位样本的电力系统负荷预测
- 2015年
- 针对短期负荷预测的特点,通过各因子与负荷数据的分析来评价各因子对于负荷预测的影响,选取最合适的影响因素。考虑了气温的积累效应提出了错位样本概念,将其加入到训练样本中提高了预测精度。最后利用实际数据建立LSSVM模型进行对比仿真。实验结果表明,通过样本选择的的基于错位样本的电力系统负荷预测方法的精度明显高于普通的预测方法,测试表明该预测方法是有效可行的。
- 王惠中刘轲王岳锋
- 关键词：最小二乘支持向量机
- 基于综合气象指数和日期类型的电力系统负荷预测被引量：13
- 2015年
- 气象因素作为影响电力负荷的主要因素,近年来已成为研究的焦点。引入了生物气象学中的实感温度、温湿指数、舒适度指数等指标并结合日期类型利用最小二乘支持向量机(LSSVM)来进行负荷预测,避免了传统的一刀切式的预测方法。以某地区实际负荷为例,证明了该方法可以辅助电网公司调度部门更好地把握负荷特性,提高电力负荷预测的准确率。
- 王惠中刘轲周佳
- 关键词：负荷预测最小二乘支持向量机
- 基于果蝇参数优化的LSSVM短期负荷预测被引量：2
- 2015年
- 为了提高电力系统短期负荷预测的精度,针对负荷影响因素的非线性特性,采用最小二乘支持向量机(LSSVM)建立短期负荷预测模型;针对传统LSSVM在负荷预测中存在的参数优选难题,给出了果蝇参数优化算法来优选LSSVM的惩罚参数C和核函数参数σ。通过对浙江省某地区2014-6-1至2014-6-29每天24点的负荷数据进行分析,对2014-6-30日各整点负荷进行预测,仿真结果表明,与传统的LSSVM和参数优化算法相比,基于果蝇优化算法的LSSVM短期负荷预测具有更高的精度。
- 王惠中周佳王岳锋刘轲
- 关键词：负荷预测最小二乘支持向量机参数优化粒子群优化
- 基于云模型的电力系统负荷组合预测被引量：3
- 2016年
- 电力系统负荷预测的精确度决定着电网安全稳定、高效的运行.最小二乘支持向量机(LSSVM)被广泛应用电力系统负荷预测上,然而该方法在处理不确定性问题上有很多不足之处.为了更精确的选择核函数的参数,处理不确定性因素,提高短期负荷预测的精度,提出了一种将云模型、粒子群优化(PSO)和LSSVM相结合的组合模型.首先通过对各影响因子的不确定性分析,按不确定性高低将各影响因子分别应用Cloud-LSSVM和PSO-LSSVM进行预测,然后通过组合模型的加权计算的得到最终预测值.最后,通过仿真对比证明该模型能更好的处理不确定性,从而提高电力系统短期负荷预测精度.
- 王惠中刘轲杨世亮
- 关键词：云模型不确定性最小二乘支持向量机负荷预测
- 电力系统短期负荷预测方法研究综述被引量：36
- 2015年
- 通过对国内外现状的研究,简述了短期负荷预测的特点和影响预测精度的各种因素,阐述了电力系统短期负荷预测的智能方法,分析比较了各种方法的优缺点。研究表明组合优选方法是电力系统短期负荷预测的发展趋势。
- 王惠中周佳刘轲
- 关键词：负荷预测神经网络数据挖掘支持向量机
- 基于云模型RBF支持向量机的电力系统负荷预测被引量：2
- 2016年
- 径向基核函数(RBF)支持向量机被广泛应用于电力系统负荷预测上,然而传统方法在RBF核函数的参数选择上有很多不足之处.为了更精确地选择核函数的参数,提高短期负荷预测的精度,提出一种将云模型和RBF支持向量机相结合的新模型.通过各影响因子的高维云变换确定每个模型的RBF核函数的参数,然后通过模型的加权计算得到最终的预测值.最后,通过与传统模型的仿真对比证明该模型的预测误差比传统模型降低了1.16%,能更好地进行电力系统短期负荷预测.
- 王惠中刘轲朱宏毅
- 关键词：云模型负荷预测
- 电力系统短期负荷预测方法的研究
- 王惠中王晓兰刘轲周佳効迎春侯璟琨任虎王岳峰杨世亮
- 随着电力系统的现代化发展，尤其是坚强智能电网这一概念的提出，电力系统的智能化成为其必然的发展趋势，传统的负荷预测已经开始转向市场需求预测，这是电力市场中制定实时电价的基础，也是提高经济和社会效益的重中之重，各有关部门为应...
- 关键词：
- 关键词：电力系统短期负荷预测方法云计算平台
