您的位置： 专家智库 > >

李渊

作品数：5 被引量：22H指数：3
供职机构：上海理工大学光电信息与计算机工程学院更多>>
发文基金：国家科技部政府间科技合作项目国家自然科学基金更多>>
相关领域：自动化与计算机技术电气工程更多>>

合作作者

文献类型

  • 5篇中文期刊文章

领域

  • 3篇自动化与计算...
  • 2篇电气工程

主题

  • 4篇神经网
  • 4篇神经网络
  • 3篇电力
  • 3篇负荷预测
  • 2篇日最大负荷
  • 2篇特征提取
  • 2篇最大负荷
  • 2篇假日
  • 2篇大负荷
  • 1篇电力负荷
  • 1篇电力滤波
  • 1篇电力滤波器
  • 1篇电力市场
  • 1篇有源
  • 1篇有源电力
  • 1篇有源电力滤波
  • 1篇有源电力滤波...
  • 1篇远程
  • 1篇远程监控
  • 1篇群算法

机构

  • 5篇上海理工大学

作者

  • 5篇马立新
  • 5篇李渊
  • 1篇尹晶晶
  • 1篇王月晓
  • 1篇王玉珠
  • 1篇蔡文斐
  • 1篇彭华坤
  • 1篇季阳阳

传媒

  • 2篇控制工程
  • 1篇能源研究与信...
  • 1篇电力系统及其...
  • 1篇信息技术

年份

  • 1篇2016
  • 1篇2015
  • 2篇2014
  • 1篇2013
共 5 条 记 录，以下是 1-5
全选 清除 导出
排序方式：
有源电力滤波器远程监控的前向纠错算法被引量：4
2014年
现有的有源电力滤波器(Active Power Filter,APF)存在数据存储量小、历史数据少、远程监控能力差等问题,因此,需要有效地技术手段来解决这些问题。在230 M无线数传电台组网的电力负荷管理系统基础上,提出在有源电力滤波器的控制系统中增加无线调制解调模块,通过DSP实现数字化的前向纠错算法,构建了可靠的无线远程监控系统。在无线数传电台组网的基础上,有源电力滤波器配合上位机的电力能效测评系统软件,实现了电力能效监测、无人值守运行、远程实时监控、数据动态显示、故障报警和历史数据查询等功能。实验证明,该方法可以有效地解决无线通信中信噪干扰和信号衰落问题,具有很好的检错纠错能力和较高的数据传输效率,从而对有源电力滤波器进行有效地监控,提高了供电系统的安全性能和管理水平。
马立新王月晓王玉珠蔡文斐季阳阳李渊
关键词：有源电力滤波器远程监控
日最大负荷特性分析及预测方法被引量：8
2014年
电力调度和市场营销部门对电力负荷数据的走势形态和预测方法十分重视。在实际应用中,电力市场对提前预测未来连续多天的日最大负荷提出了新的要求。本文根据电力系统中日最大负荷的历史数据,分法定假日与非假日两部分单独研究其特性。对于假日最大负荷的预测,设定假日因子;对于非假日,通过小波分解提取日最大负荷变化的周期特征,再分别建立相应的BP神经网络模型进行预测。通过对某市电力负荷数据的预测及结果表明:采用这种组合方法可行有效、预测精度满足行业要求。有较强的理论意义和广泛地应用前景。
马立新李渊
关键词：特征提取日最大负荷神经网络
基于高阶BP神经网络的日最大负荷预测被引量：2
2016年
随着社会的发展,人们的日常生活和工作生产越来越依赖于电力系统.精准的电力负荷预测是电网安全、稳定运行的重要保障.为减小节假日在日最大负荷预测过程中的影响,提出了法定节假日对日最大负荷的影响及日类型量化处理方法,并采用一种改进的BP(back propagation)神经网络——高阶BP神经网络进行连续多天最大负荷预测.实验算例结果表明:该数据处理和预测方法能有效地减小节假日对负荷预测的影响,提高了预测精度,并有较强的工程实践价值和应用前景.
马立新李渊郑晓栋尹晶晶
关键词：负荷预测日最大负荷
区间电力负荷特征提取及预测方法被引量：8
2015年
电力负荷是典型的时间序列数据,提前对未来一个月每天最大负荷值的预测,是一个有时间间隔的预测过程。对于连续多天负荷预测的研究中,节假日负荷预测是一个难题,需把待预测日分成法定假日和非假日两类分别进行处理。引入区间负荷预测方法,用标幺值量化假日负荷特征和趋势,并通过小波分解来提取非假日负荷变化的特征,分别建立对应的BP神经网络模型进行预测。某市电力负荷数据的预测结果表明,这种预测方法为间隔时间区间的最大负荷预测问题提供了一个有效的解决方案。
马立新李渊
关键词：特征提取小波分析负荷预测神经网络
电力市场下负荷分析与预测优化方法的研究
2013年
在电力市场环境下,负荷的分类和预测至关重要。为了提高预测的速度与精度,提出了运用粒子群与误差反向传播(BP)神经网络相结合的预测方法 (POS-BP法)和模型。并根据某市电业局电力负荷数据建立了模型,运用PSO-BP算法对次日负荷进行了预测。从预测结果看该方法收敛速度快、预测精度显著提高。应用于电力市场分析及预测有很好的效果和前景。
马立新彭华坤李渊
关键词：粒子群算法神经网络
全选 清除 导出
共1页<1>
聚类工具0