期刊文献+
共找到27篇文章
< 1 2 >
每页显示 20 50 100
LSSVM与PSO—LSSVM在短期电力负荷预测中的优劣 预览
1
作者 尹中诚 《青海电力》 2019年第2期53-57,67共6页
短期电力负荷预测的精度关乎电力企业的经济效益,预测模型决定精度的高低。针对预测模型的适用性和稳定性,采用基于统计学习理论的机器学习LSSVM和PSO—LSSVM算法对广东某一区域电力负荷进行预测。结果显示:工作日、双休日和节假日,PSO... 短期电力负荷预测的精度关乎电力企业的经济效益,预测模型决定精度的高低。针对预测模型的适用性和稳定性,采用基于统计学习理论的机器学习LSSVM和PSO—LSSVM算法对广东某一区域电力负荷进行预测。结果显示:工作日、双休日和节假日,PSO—LSSVM算法预测准确度明显大于LSSVM预测;此外LSSVM和PSO—LSSVM算法对工作日和双休日24小时每时刻的预测误差约在2%左右。因此,选择预测模型时,一方面要考虑不同地区各种影响因素,另一方面要根据样本量大小,选择合适、有效的模型,从而提高预测准确度。 展开更多
关键词 短期电力负荷预测 预测模型 机器学习 准确度
在线阅读 下载PDF
深度学习框架下LSTM网络在短期电力负荷预测中的应用 预览 被引量:27
2
作者 陈亮 王震 王刚 《电力信息与通信技术》 2017年第5期8-11,共4页
准确的电力负荷预测可以保证电力供应的稳定,降低用电成本,提高供电质量。在进行短期电力负荷预测时,考虑到时序数据的时间相关性,应用张量流深度学习框架构建了LSTM神经网络模型,对电力负荷时序数据进行回归预测。使用某省电力公司电... 准确的电力负荷预测可以保证电力供应的稳定,降低用电成本,提高供电质量。在进行短期电力负荷预测时,考虑到时序数据的时间相关性,应用张量流深度学习框架构建了LSTM神经网络模型,对电力负荷时序数据进行回归预测。使用某省电力公司电力负荷数据进行模拟仿真,结果表明基于长短期记忆人工神经网络(Long-Short Term Memory,LSTM)的深度学习模型在短期电力负荷预测中可以有效地预测负荷变化。 展开更多
关键词 短期电力负荷预测 长短期记忆神经网络 张量流 深度学习
在线阅读 免费下载
EMD-LSTM算法在短期电力负荷预测中的应用 预览
3
作者 任成国 肖儿良 +1 位作者 简献忠 王如志 《电力科学与工程》 2019年第8期12-16,共5页
针对传统的负荷预测方法不能充分利用数据的相关性从而导致预测精度不高的问题,提出了一种基于经验模态分解(EMD)和长短期记忆神经网络(LSTM)相结合的负荷预测模型。该模型首先利用EMD算法将时间序列信号分解为数个本征模函数(IMF)分量... 针对传统的负荷预测方法不能充分利用数据的相关性从而导致预测精度不高的问题,提出了一种基于经验模态分解(EMD)和长短期记忆神经网络(LSTM)相结合的负荷预测模型。该模型首先利用EMD算法将时间序列信号分解为数个本征模函数(IMF)分量和趋势分量。然后利用LSTM存储单元能够长期学习历史负荷数据中的有用信息并且去除无用信息的特性,对每个提取的IMF和趋势项分别建立LSTM模型进行预测,最后将所有分量的预测值累加得到最终的预测结果。实验结果表明,BP模型的平均绝对百分误差为3.47%,LSTM模型的平均绝对百分误差为2.63%,EMD-LSTM模型的平均绝对百分误差为1.23%,能够满足更高的预测精度要求。 展开更多
关键词 短期电力负荷预测 经验模态分解 长短期记忆神经网络 循环神经网络
在线阅读 下载PDF
降温负荷研究 预览
4
作者 谢琳 陈丽林 《通信电源技术》 2019年第7期58-59,62共3页
随着居民生活水平的提高,降温负荷对电网产生的影响越来越大,所以对降温负荷的研究变得愈发重要。基于华中某地区2018年夏季6-8月负荷的研究,定量分析了日最大负荷、日电量和气温的关系,选取春季负荷作为基准值,估算出降温负荷,并将此... 随着居民生活水平的提高,降温负荷对电网产生的影响越来越大,所以对降温负荷的研究变得愈发重要。基于华中某地区2018年夏季6-8月负荷的研究,定量分析了日最大负荷、日电量和气温的关系,选取春季负荷作为基准值,估算出降温负荷,并将此运用于夏季大负荷预测中。提高短期负荷预测精度,为电网规划、运行、调度提供参考。 展开更多
关键词 降温负荷 短期负荷预测 预测精度
在线阅读 下载PDF
NRS和PSO算法优化最小二乘支持向量机的短期电力负荷预测 预览 被引量:1
5
作者 刘南艳 牟丰 《现代电子技术》 北大核心 2019年第7期115-118,124共5页
针对依赖经验选取影响短期电力负荷相关因素的不准确性以及最小二乘支持向量机(LS-SVM)模型中参数难以确定的问题,建立结合邻域粗糙集(NRS)理论和粒子群优化(PSO)算法的最小二乘支持向量机短期电力负荷预测模型。为了从经验选择的属性... 针对依赖经验选取影响短期电力负荷相关因素的不准确性以及最小二乘支持向量机(LS-SVM)模型中参数难以确定的问题,建立结合邻域粗糙集(NRS)理论和粒子群优化(PSO)算法的最小二乘支持向量机短期电力负荷预测模型。为了从经验选择的属性中挖掘出与负荷密切相关的因素,避免选取过多属性而加长训练时间以及冗余属性对预测精度的影响,采用邻域粗糙集理论对属性进行约简,使其结果作为LS-SVM模型的输入变量。在建立LS-SVM模型时,通过粒子群算法对模型参数进行寻优,避免依赖经验选择的参数对模型的影响。最后用上述方法对某地区负荷进行预测分析,仿真结果表明上述方法能有效提高负荷预测精度。 展开更多
关键词 短期电力负荷预测 邻域关系 属性约简 最小二乘支持向量机 粒子群算法 预测精度
在线阅读 下载PDF
基于IPSO-GPR的短期负荷区间预测 预览
6
作者 任利强 张立民 +1 位作者 王海鹏 郭强 《计算机工程与设计》 北大核心 2019年第10期3002-3008,共7页
针对现有的点预测方法难以计及电网运行中的诸多不确定性因素的问题,提出一种结合改进粒子群(IPSO)和高斯过程回归(GPR)的短期负荷区间预测方法。将不同核函数进行组合,实现组合核函数高斯过程回归算法;通过改进粒子群算法实现以均方误... 针对现有的点预测方法难以计及电网运行中的诸多不确定性因素的问题,提出一种结合改进粒子群(IPSO)和高斯过程回归(GPR)的短期负荷区间预测方法。将不同核函数进行组合,实现组合核函数高斯过程回归算法;通过改进粒子群算法实现以均方误差最小为目标的GPR模型超参数优化求解,建立改进粒子群-高斯过程回归(IPSO-GPR)负荷区间预测模型,获得一定置信水平的日小时负荷区间预测结果。将该方法与比较方法的预测性能进行对比,算例分析结果显示,改进粒子群优化组合核函数GPR模型取得了更好的区间预测效果,验证了所提方法的有效性。 展开更多
关键词 短期电力负荷预测 改进粒子群优化算法 高斯过程回归 组合核函数 区间预测
在线阅读 下载PDF
基于深度学习LSTM网络的短期电力负荷预测方法 被引量:15
7
作者 陈卓 孙龙祥 《电子技术(上海)》 2018年第1期39-41,共3页
随着电力系统的建立与发展,负荷预测将发挥越来越重要的作用。电力系统负荷预测的结果对电力系统的调度运行和生产有很大影响,准确的负荷预测有助于提高电力系统的安全稳定性。但在进行短期电力负荷预测时,传统模型无法同时兼顾负荷数... 随着电力系统的建立与发展,负荷预测将发挥越来越重要的作用。电力系统负荷预测的结果对电力系统的调度运行和生产有很大影响,准确的负荷预测有助于提高电力系统的安全稳定性。但在进行短期电力负荷预测时,传统模型无法同时兼顾负荷数据的时序性和非线性的特点。为此文章提出一种基于长短期记忆神经网络(Long Short Term Memory,LSTM)的电力负荷预测方法,并使用这种方法对某地电力负荷值进行预测,将预测结果与传统模型对比,最终证明LSTM模型的误差更低,预测效果更好。 展开更多
关键词 短期电力负荷预测 长短期记忆神经网络 传统模型
分布式多点采样短期电力负荷预测系统的设计 预览
8
作者 程晶晶 周明龙 《佳木斯大学学报:自然科学版》 CAS 2018年第2期216-218,共3页
介绍了一种分布式多点采样短期电力负荷预测系统,包括电网电力线路和通讯信号线路;在通讯信号线路和电网电力线路的上游端设置有一个供电功率控制机构,在电网电力线路的下游端设置有若干个负载供电支线线路,每个负载供电支线线路和电网... 介绍了一种分布式多点采样短期电力负荷预测系统,包括电网电力线路和通讯信号线路;在通讯信号线路和电网电力线路的上游端设置有一个供电功率控制机构,在电网电力线路的下游端设置有若干个负载供电支线线路,每个负载供电支线线路和电网电力线路的连接处设置有一个分布式负载监测机构,若干个所述分布式负载监测机构均连接所述通讯信号线路的下游端;供电功率控制机构包括数据处理器和时间节点生成器,数据处理器和所述时间节点生成器均连接通讯信号线路的上游端,数据处理器连接时间节点生成器。确保不同位置处的采样数据在时间节点上的一致性,从而保障短期电力负荷预测分析结果的准确性。 展开更多
关键词 分布式 多点采样 短期电力负荷预测
在线阅读 下载PDF
短期电力负荷时间序列预测的极限学习机方法 预览
9
作者 张宁 《福建工程学院学报》 CAS 2017年第4期367-370,共4页
提出将一种进化的神经网络模型——极限学习机应用于短期电力负荷时间序列预测中,该方法具有模型参数设置少、训练速度快和良好的泛化能力等明显优点。通过实例分析表明该模型的预测精度要优于BP神经网络模型,同时也验证了该模型应用于... 提出将一种进化的神经网络模型——极限学习机应用于短期电力负荷时间序列预测中,该方法具有模型参数设置少、训练速度快和良好的泛化能力等明显优点。通过实例分析表明该模型的预测精度要优于BP神经网络模型,同时也验证了该模型应用于短期负荷预测的有效性和可行性。 展开更多
关键词 极限学习机 BP神经网络模型 短期电力负荷 时间序列
在线阅读 下载PDF
基于Spark平台和并行随机森林回归算法的短期电力负荷预测 被引量:16
10
作者 刘琪琛 雷景生 +3 位作者 郝珈玮 黄燕刚 李强 罗海波 《电力建设》 北大核心 2017年第10期84-92,共9页
随着智能电网、全球能源互联网的建设与相关技术的发展,现代电力系统中电力大数据的格局已经形成,如何对高维海量数据进行深度挖掘以实现数据的充分利用,成为当前电力工作者们关心的问题。该文针对电力大数据环境下高精度和实时性的负... 随着智能电网、全球能源互联网的建设与相关技术的发展,现代电力系统中电力大数据的格局已经形成,如何对高维海量数据进行深度挖掘以实现数据的充分利用,成为当前电力工作者们关心的问题。该文针对电力大数据环境下高精度和实时性的负荷预测展开了研究,提出了基于Spark平台和并行随机森林回归算法(Spark platform and parallel random forest regression,SP-RFR)的短期电力负荷预测方法,通过3次弹性分布式数据集(resilient distributed datasets,RDD)转换实现单机随机森林算法的并行化改进,并在Spark分布式集群环境下实现部署。结合某区域实际电力负荷数据设计试验,进行模型训练和回归预测,通过试验证明,对同等的数据集,基于Spark平台的并行随机森林回归算法预测精度高于单机负荷预测算法;并行随机森林算法受离群数据干扰较小,且随着数据集的增大,并行随机森林算法表现出良好的鲁棒性;与单机算法在运行时间上相比,随着数据集的增大,基于分布式集群的方法优势明显。该文提出的方法能够有效地在分布式环境中进行电力负荷预测,为负荷预测提供了一种新思路。 展开更多
关键词 电力大数据 分布式计算 并行随机森林回归算法 Spark平台 短期电力负荷预测
基于EEMD和极限学习机的短期电力负荷预测模型 预览 被引量:1
11
作者 张宁 《贵州大学学报:自然科学版》 2017年第6期39-42,48共5页
以集成经验模式分解(EEMD)与极限学习机(ELM)为理论基础,提出了将其有机结合进行短期电力负荷预测的方法。首先运用EEMD对短期负荷时间序列进行自适应分解,在此基础上针对分解后不同分量的变化特点,建立相对应的ELM模型进行预测,进... 以集成经验模式分解(EEMD)与极限学习机(ELM)为理论基础,提出了将其有机结合进行短期电力负荷预测的方法。首先运用EEMD对短期负荷时间序列进行自适应分解,在此基础上针对分解后不同分量的变化特点,建立相对应的ELM模型进行预测,进而将各分量的预测结果重构以得到最终预测结果。通过实例分析表明该模型的预测精度要优于单极限学习机模型、单支持向量机模型和神经网络模型,同时也验证了该模型应用于短期负荷预测的有效性和可行性。 展开更多
关键词 集成经验模式分解 极限学习机 短期电力负荷预测 支持向量机 神经网络
在线阅读 下载PDF
多算法多模型与在线第二次学习结合的短期电力负荷预测方法 预览 被引量:3
12
作者 周末 金敏 《计算机应用》 CSCD 北大核心 2017年第11期3317-3322,共6页
为了提高短期电力负荷预测精度,首次提出多算法多模型与在线第二次学习结合的预测方法。首先,利用互信息方法和统计方法对输入变量进行选择;然后,通过Bootstrap方法对数据集进行多样性采样,利用多个不同的人工智能算法和机器学习... 为了提高短期电力负荷预测精度,首次提出多算法多模型与在线第二次学习结合的预测方法。首先,利用互信息方法和统计方法对输入变量进行选择;然后,通过Bootstrap方法对数据集进行多样性采样,利用多个不同的人工智能算法和机器学习算法训练得到多个差异化较大的异构预测模型;最后,用每个待预测时刻最近一段时间的实际负荷值、第一次学习生成的多异构预测模型的负荷预测值构成新训练数据集,对新训练数据集进行在线第二次学习,得到最终预测结果。对中国广州市负荷进行预测研究,与最优单模型、单算法多模型和多算法单模型相比,在每日总负荷预测中,全年平均绝对百分误差(MAPE)分别下降了21.07%、7.64%和5.oo%,在每日峰值负荷预测中,全年MAPE分别下降了16.02%、7.60%和13.14%。实验结果表明,推荐方法有效地提高了负荷预测精度,有利于智能电网实现节能降耗、调度精细化管理和电网安全预警。 展开更多
关键词 短期电力负荷预测 多样性采样 异构模型 多算法多模型 在线第二次学习
在线阅读 下载PDF
基于“分层-汇集”模型的短期电力负荷预测 被引量:4
13
作者 雷景生 郝珈玮 朱国康 《电力建设》 北大核心 2017年第1期68-75,共8页
针对目前短期电力负荷预测方法未充分利用电力用户用电特征,以及预测精度不高等问题,提出了"分层-汇集"模型。首先,对电力用户按用电特征"分层",得到表征不同类型电力用户用电特征的层负荷特性曲线,并将层负荷特性曲线作为构造总负... 针对目前短期电力负荷预测方法未充分利用电力用户用电特征,以及预测精度不高等问题,提出了"分层-汇集"模型。首先,对电力用户按用电特征"分层",得到表征不同类型电力用户用电特征的层负荷特性曲线,并将层负荷特性曲线作为构造总负荷曲线的属性因子;之后,"汇集"不同日的层负荷特性曲线,结合实时负荷训练模型;最后,进行回归预测。以某区域实际电力负荷数据为算例,基于所提出的预测方法进行负荷预测。结果显示,基于"分层-汇集"模型的短期电力负荷预测在平均百分误差(mean absolute percentage error,MAPE)、均方根误差(root-mean-square error,RM SE)以及Pearson(皮尔逊)相关系数3项评价指标上均优于一般的回归预测方法,验证了模型的有效性;在"分层"和"汇集"阶段采用不同算法组合,"分层-汇集"模型均具有较好的预测效果,验证了模型的鲁棒性。使用"分层-汇集"模型可以提高负荷预测的精度,为短期电力负荷预测提供了一种新思路。 展开更多
关键词 短期电力负荷预测 用户用电特征 层负荷特性曲线 “分层-汇集”模型
基于模糊信息粒化支持向量机的短期电力负荷预测 预览 被引量:9
14
作者 孔平 陈亮 马晶 《电力信息与通信技术》 2016年第1期11-14,共4页
电力系统短期负荷预测作为确保系统安全与经济运行的重要手段,影响着电力市场交易计划的制定。为了进行短期电力负荷预测,文章对电力负荷时间序列数据进行模糊信息粒化,对模糊粒化后的数据采用支持向量机回归预测模型进行回归预测,最后... 电力系统短期负荷预测作为确保系统安全与经济运行的重要手段,影响着电力市场交易计划的制定。为了进行短期电力负荷预测,文章对电力负荷时间序列数据进行模糊信息粒化,对模糊粒化后的数据采用支持向量机回归预测模型进行回归预测,最后用国家电网某省电力负荷数据进行了仿真验证。仿真结果表明,预测模型可以有效地预测短期电力负荷的变化趋势和变化空间。 展开更多
关键词 短期电力负荷预测 模糊信息粒化 支持向量机
在线阅读 免费下载
基于粒子群优化方法的短期电力负荷组合预测 预览 被引量:2
15
作者 拜润卿 何欣 +1 位作者 赵红 郭文科 《电子测试》 2015年第2X期46-48,共3页
短期电力负荷预测是实现电力系统安全、经济运行的基础,其准确性对电力系统运行的可靠性、经济性都有重要意义。本文在灰色模型、ARIMA模型以及指数平滑族模型的基础上,提出了一种基于以上三种模型的组合预测模型,并用粒子群优化算法对... 短期电力负荷预测是实现电力系统安全、经济运行的基础,其准确性对电力系统运行的可靠性、经济性都有重要意义。本文在灰色模型、ARIMA模型以及指数平滑族模型的基础上,提出了一种基于以上三种模型的组合预测模型,并用粒子群优化算法对其组合权重系数进行了优化。对澳大利亚新南威尔士州2011年9月实际电力负荷数据进行实例分析,其结果表明本文提出的组合模型确实能够提高短期电力负荷预测的精度。 展开更多
关键词 短期电力负荷预测 组合预测 粒子群优化算法 灰色模型 ARIMA模型 指数平滑族
在线阅读 下载PDF
基于动态模糊神经网络的短期电力负荷预测 预览 被引量:1
16
作者 任金霞 游鑫 余志武 《江西理工大学学报》 CAS 2015年第3期69-73,共5页
针对电力负荷受天气和日期影响特点,提出一种基于动态模糊神经网络的短期电力负荷预测的新方法.该算法最大的特点是模糊规则是动态变化的。通过系统误差、可容纳边界来判断系统是否需要新增一条模糊规则,使用误差下降率(ERR)修剪... 针对电力负荷受天气和日期影响特点,提出一种基于动态模糊神经网络的短期电力负荷预测的新方法.该算法最大的特点是模糊规则是动态变化的。通过系统误差、可容纳边界来判断系统是否需要新增一条模糊规则,使用误差下降率(ERR)修剪算法剔除对整个网络影响较小的模糊规则.该算法还使用了分级学习法让网络的学习速度大大提高.在分析了EUNITE网络提供的负荷数据基础上来进行仿真。该仿真将温度、星期、月份、节假日因素作为网络的输入向量,取日负荷峰值作为网络的输出向量.仿真结果显示取得了较好的预测准确率. 展开更多
关键词 动态模糊神经网络 短期电力负荷预测 日负荷峰值
在线阅读 下载PDF
基于数据挖掘技术的短期电力负荷预测 预览 被引量:4
17
作者 全思平 吴浩 《电力信息与通信技术》 2014年第3期95-98,共4页
负荷预测是电力市场技术支持系统的一个重要组成模块,对电网的安全、经济运行具有重要的意义。负荷预测主要综合考虑系统的运行特性、社会影响、自然条件以及增容决策等因素,在历史负荷数据的基础上,进行一系列数学计算,在满足一定... 负荷预测是电力市场技术支持系统的一个重要组成模块,对电网的安全、经济运行具有重要的意义。负荷预测主要综合考虑系统的运行特性、社会影响、自然条件以及增容决策等因素,在历史负荷数据的基础上,进行一系列数学计算,在满足一定精度要求的情况下,得出未来某特定时刻的负荷值。传统短期电力负荷预测方法易受随机因素的干扰,尤其在小水电分布众多的地区预测精度不高。文章针对短期负荷预测的特点,将数据挖掘技术引入短期负荷预测中,并给出了系统的解决方案,可应用于小水电众多的电网环境或类似环境。实例运算表明该系统可有效地提高预测精度。 展开更多
关键词 短期电力负荷预测 数据挖掘 小水电 累积效应 滞后效应
在线阅读 免费下载
基于人工免疫算法优化LSSVM的短期电力负荷预测 预览 被引量:1
18
作者 杨洁 《山西电力》 2014年第2期4-7,共4页
针对最小二乘支持向量机(LSSVM)中参数选取对电力负荷预测精度有着较大的影响,建立了一种基于人工免疫算法优化最小二乘支持向量机的短期电力负荷预测模型,该模型以历史负荷数据作为输入向量,选用高斯径向基函数作为核函数,利用... 针对最小二乘支持向量机(LSSVM)中参数选取对电力负荷预测精度有着较大的影响,建立了一种基于人工免疫算法优化最小二乘支持向量机的短期电力负荷预测模型,该模型以历史负荷数据作为输入向量,选用高斯径向基函数作为核函数,利用人工免疫算法对LSSVM中的惩罚因子和核参数进行优化选取,极大地提高了LSSVM的训练速度和预测精度。仿真结果表明,该方法在短期电力负荷预测中具有较高的预测精度,证实了该方法的有效性和可行性。 展开更多
关键词 人工免疫算法 最小二乘支持向量机 短期电力负荷预测 参数优化
在线阅读 下载PDF
短期电力负荷组合预测方法研究 预览 被引量:7
19
作者 罗勇 郑金 宁美凤 《郑州大学学报:工学版》 CAS 北大核心 2013年第1期78-81,共4页
为了解决短期电力负荷不同预测方法的预测角度片面性、预测精度差等问题,提出了基于小波神经网络(WNN)的组合预测模型.首先用小波神经网络预测模型和历史平均模型分别进行预测,然后再通过小波神经网络对两单一模型的预测值进行组合.相... 为了解决短期电力负荷不同预测方法的预测角度片面性、预测精度差等问题,提出了基于小波神经网络(WNN)的组合预测模型.首先用小波神经网络预测模型和历史平均模型分别进行预测,然后再通过小波神经网络对两单一模型的预测值进行组合.相比BP神经网络组合模型,该组合预测模型的预测精度大大提高.该模型同时引入模糊聚类分析的方法选取组合模型的训练样本,减少了训练样本的冗余性,提高了预测模型的精度. 展开更多
关键词 短期电力负荷预测 组合预测 小波神经网络 模糊聚类分析
在线阅读 免费下载
基于相似日搜索的PSO-WNN组合模型在短期电力负荷预测中的应用 被引量:6
20
作者 罗勇 郑金 宁美凤 《信息与控制》 CSCD 北大核心 2013年第3期371-376,共6页
为解决短期电力负荷预测中单一预测方法的预测精度差、计算时间长等问题,提出了基于相似日搜索的PSO(粒子群优化算法)优化WNN(小波神经网络)的短期电力负荷组合预测方法.首先利用模糊聚类分析方法筛选与待预测日相似的日期数据作... 为解决短期电力负荷预测中单一预测方法的预测精度差、计算时间长等问题,提出了基于相似日搜索的PSO(粒子群优化算法)优化WNN(小波神经网络)的短期电力负荷组合预测方法.首先利用模糊聚类分析方法筛选与待预测日相似的日期数据作为组合预测模型的训练样本,使训练更具有针对性,提高了训练的精度并缩短了计算时间.再通过PSO算法优化小波神经网络,克服了以往BP(backpropagation)算法易陷入局部最优,且搜索效率低下等问题.实验表明,这种组合预测模型的预测精度相对于其它方法有较大提高. 展开更多
关键词 短期电力负荷预测 组合预测 小波神经网络 粒子群优化算法 模糊聚类分析
上一页 1 2 下一页 到第
使用帮助 返回顶部 意见反馈