李婉华
- 作品数：6 被引量：79H指数：3
- 供职机构：福州大学更多>>
- 发文基金：福建省科技创新平台建设项目国家自然科学基金福建省自然科学基金更多>>
- 相关领域：自动化与计算机技术电气工程更多>>
- 面向电力大数据的数据挖掘算法研究及应用
- 我国大数据产业正处于高速发展的时期,其中电力大数据的发展也是国家大数据战略重要发展对象之一。随着传感器、智能化设备的发展使得电力数据来源渠道增加,数据类型复杂化,因此亟需利用大数据的相关技术将隐藏在海量数据中的信息挖掘出...
- 李婉华
- 关键词：电力负荷预测极限学习机并行计算
- 基于并行分类算法的电力客户欠费预警被引量：11
- 2016年
- 针对供电企业先消费后付款的经营模式可能造成用电客户因失信引发的欠费风险,需要在用电客户欠费行为发生之前实时快速地分析海量的用电用户的数据,给出潜在的欠费客户名单的问题,提出一种基于并行分类算法的电力客户欠费预警方法.首先,该方法使用基于Spark的随机森林(RF)分类算法对欠费用户进行建模;其次,根据用户以往历史用电行为和缴费记录使用时间序列进行预测得到其未来用电和缴费行为特征;最后,使用之前得到的模型对用户进行分类得到未来潜在高危险欠费用户.将该方法与并行化后的支持向量机(SVM)算法和在线序列极限学习机(OSELM)算法进行对比分析,实验结果表明,所提方法相对于对比算法在准确率上有较大提高,便于电费回收管理人员进行提前催缴,确保电费回收的及时性,有利于电力企业进行客户欠费风险管理.
- 陈羽中郭松荣陈宏李婉华郭昆黄启成
- 关键词：时间序列海量数据
- 一种混合粒子群优化与极限学习机的电力负荷预测方法
- 本发明涉及用电负荷预测技术领域，特别是一种混合粒子群优化与极限学习机的电力负荷预测方法，所述方法包括如下步骤：首先，对电力负荷数据进行预处理，之后采用混合粒子群优化与极限学习机的电力负荷预测方法对电力负荷历史数据进行训练...
- 陈羽中李婉华郭文忠郭昆牛玉贞
- 一种混合粒子群优化与极限学习机的电力负荷预测方法
- 本发明涉及用电负荷预测技术领域，特别是一种混合粒子群优化与极限学习机的电力负荷预测方法，所述方法包括如下步骤：首先，对电力负荷数据进行预处理，之后采用混合粒子群优化与极限学习机的电力负荷预测方法对电力负荷历史数据进行训练...
- 陈羽中李婉华郭文忠郭昆牛玉贞
- 文献传递
- 基于随机森林算法的用电负荷预测研究被引量：55
- 2016年
- 为了解决当下用电负荷预测精度不高,难以很好模拟实际用电负荷的分布情况而不能对未来的负荷数据进行合理预测的问题,实现了基于随机森林的分类模型、回归模型以及结合Weka的时间序列模型,对某省份的负荷数据进行预测,通过对不同模型的大量的实验及评估,发现这三个模型皆能合理地预测未来的用电负荷数据。此外,在同一评估指标下随机森林算法结合WEKA中的时间序列模型的方法能够较好地预测未来时刻的负荷数据。
- 李婉华陈宏郭昆郭松荣韩嘉民陈羽中
- 关键词：用电负荷预测时间序列
- 基于改进粒子群优化的并行极限学习机被引量：11
- 2016年
- 为了提高极限学习机(ELM)网络的稳定性,提出基于改进粒子群优化的极限学习机(IPSO-ELM).结合改进的粒子群优化算法寻找ELM网络中最优的输入权值、隐层偏置及隐层节点数.通过引入变异算子,增强种群的多样性,并提高收敛速度.为了处理大规模电力负荷数据,提出基于Spark并行计算框架的并行化算法(PIPSO-ELM).基于真实电力负荷数据的实验表明,PIPSO-ELM具有更高的稳定性及可扩展性,适合处理大规模的电力负荷数据.
- 李婉华陈羽中郭昆郭松荣刘漳辉
- 关键词：电力负荷预测粒子群优化变异算子
