基于改进粒子群-模糊神经网络的短期电力负荷预测

为了提高短期电力负荷预测精度,提出了改进的粒子群-模糊神经网络混合优化算法.用改进的粒子群训练神经网络,实现了模糊神经网络参数优化.建立了基于该优化算法的短期负荷预测模型,综合考虑气象、天气、日期类型等影响负荷的因素,利用贵州电网历史数据进行短期负荷预测.仿真表明,该方法的收敛速度和预测精度优于传统模糊神经网络法、BP神经网络法、粒子群-BP算法和粒子群-模糊神经网络方法,该优化算法克服了神经网络和粒子群优化方法的缺点,改善了模糊神经网络的泛化能力,提高了电网短期负荷预测的精度,各日预测负荷的平均百分比误差可控制在1.2%以内.该算法可有效用于电力系统的短期负荷预测.     

一种短期电力负荷预测新方法的研究与应用

通过对电力负荷变化规律和影响因素的分析,提出了一种新的短期电力负荷预测模型。首先,鉴于模糊聚类方法易陷入局部最优解及运算速度慢的缺点,采用蚁群算法中pij(t)改进模糊聚类分析;然后以每天的24点负荷数据、天气数据以及天类别数据为指标,将历史数据聚分成若干簇团,并采用动量BP神经网络针对每一簇团建立相应的预测模型。对山东地区1年的实际数据进行预测分析的结果表明,该模型不仅对普通工作日有较高的预测精度,对双休日、节假日和一些特殊情况(夏季典型日负荷)也有较好的预测精度。     

基于模糊综合评判的电力负荷最优组合预测

最优组合预测是提高电力负荷预测精度的有效方法。应用最优组合预测方法的关键在于怎样确定组合权系统。通过分析实际电力负荷预测的实现过程，提出利用基于模糊语言的模糊综合评判进行权重判定的方法，取得很好效果。     

基于模糊分类-灰色马尔可夫的陀螺仪漂移预测

针对标准灰色马尔可夫预测模型抗干扰能力差的局限性,提出了一种基于模糊理论和灰色马尔可夫模型的预测方法。将模糊理论引入预测模型中,从分类方法上对标准灰色马尔可夫模型进行改进,该算法可以有效提高灰色马尔可夫预测模型的预测精度。将这种方法用于某型导弹陀螺仪的漂移预测中,实验证明了这种方法的有效性和可行性。     

基于自适应模糊度参数选择改进FCM算法的负荷分类

在建立了负荷分类五阶段过程模型的基础上,提出了用类内距离和与类间距离和之比作为负荷分类评价指标自适应选择模糊度参数的方法,同时用模拟退火算法和遗传算法对模糊C 均值（FCM） 算法的搜索性能进行优化. 实验结果表明,在负荷分类中常用的模糊度参数值m=2并不是最优的,负荷分类中模糊度参数的最优取值区间为[2.6,3.2]. 同时,改进算法还克服了传统 FCM 算法全局搜索能力不足的问题,提高了负荷分类的精确性和有效性.     

载重量影响的电力推进船舶电力负荷混沌预测

为提高电力推进船舶电力负荷预测精度,通过小波变换将电力推进船舶电力负荷分解为固有负荷分量和载重量影响负荷分量,在此基础上用混沌局域关联模型预测固有负荷分量;用线性回归模型预测载重量影响负荷分量.建立固有负荷分量预测模型时以自相似轨道搜寻为基础,且将关联度作用于固有负荷分量混沌预测模型.实例计算结果表明该方法能有效提高预测精度.     

线性模糊预测模型

本文论述了几类模糊数的线性模糊预测模型的模糊参数确定方法,给出了相应情况下线性模糊预测模型均值及上、下限的预测公式。     

考虑同时取送货需求带模糊容量限制的在线设施动态选址问题

共享环境下配送设施作为在线资源，其空闲容量受线下负荷影响而呈现动态可得性与波动模糊性.同时，在线资源的引入也使得城市配送中的设施选址问题由单周期决策模型转变为多周期动态决策.为此，本文构建了考虑同时取送货需求带模糊容量约束的在线设施动态选址模型，改进了五角模糊数隶属度函数用以表示模糊容量约束.在此基础上，将禁忌搜索与自适应大规模邻域搜索算法相结合，提出了邻域生成算子和新解接受准则改进方案.最后，算例结果表明该改进方案能有效提升算法全局搜索能力，降低企业在线设施动态选址成本.     

基于数据挖掘的交通流预测模型

通过对道路交通流变化规律和影响因素的分析,提出了一种新的交通流预测模型.首先,鉴于模糊聚类方法易陷入局部最优解及运算速度慢的缺点,采用蚁群算法中Pij(t)改进模糊聚类分析;然后以最拥挤时间段的25个点交通流数据、天气数据以及天类别数据为指标,将历史数据聚分成若干簇团,并采用动量BP神经网络针对每一簇团建立相应的预测模型.对实际数据进行预测分析的结果表明:该模型不仅对普通工作日有较高的预测精度,对双休日、节假日和一些特殊情况(雨雪天气)也有较好的预测精度.     

基于正反向混合推理的故障仿真预测模型

根据故障预测的特点和要求,分析了传统预测方法用于故障预测的不足,提出了动态模糊综合评判方法,建立了基于动态模糊综合评判和多Agent并行诊断的故障预测模型。该模型将正向推理与反向推理、不同的知识表达方式和推理机制融合于同一推理框架中,再现了故障的发生和发展过程。由基于动态模糊综合评判的正向推理得到候选故障集,基于多Agent并行诊断的反向推理确认实际发生的故障,找出故障原因,实现故障定位。     

基于模糊的桥式起重机的定位和防摆控制研究

近年来，很多学者对桥式起重机的防摆控制方法进行了研究，以提高起重机的作业效率。针对起重机模型的非线性和不确定性，设计了一种基于模糊的起重机的定位和防摆控制方法，利用两个模糊控制器对小车的位置和负载的摆动分别进行控制。其中，模糊位置控制器的设计是参考一个简单的速度参考曲线，对位置和速度进行有效她控制；而模糊防摆控制器则模仿起重机操作员的实际操作经验设计了一套模糊控制规则来消除负载的摆动。仿真结果证明了该方法的可行性，并且与线性二次型最优控制(LQR)进行了比较，表明了该方法的良好性能，且该方法对不同的绳长和负载有着较好的鲁棒性。     

基于遗传算法优化模糊树模型参数的算法设计及仿真

改进了Takagi-Sugeno型模糊树模型的反向传播学习参数的方法,提出基于GA的一套完整、系统的优化模糊树模型参数的算法,其关键是选择确定祖先节点a的方式和选择哪些变量作为染色体基因。对国际标准例题的仿真表明,该方法对算法初始值的选择不敏感,能显著提高模糊树模型的建模精度,在相同模型精度条件下,则可简化样本空间的划分,降低模型的计算量。     

关于凸模糊锥的定义

给出了凸模糊锥的两种定义方法.首先,应用模糊点与模糊集的邻属关系,给出了( β, α) 凸模糊锥的定义.得到了三种有意义的凸模糊锥,即(∈,∈) 凸模糊锥,(∈,∈∨q) 凸模糊锥和(∈,∈∨q) 凸模糊锥.其次,利用合意空间理论,给出了C 凸模糊锥的定义.证明了(∈,∈) 凸模糊锥是C 凸模糊锥,C 凸模糊锥是基于t 范上的凸模糊锥,并且C 凸模糊锥同构于由经典凸锥生成的C 凸模糊锥.     

BF及模糊神经网络在旋转机械故障诊断中的应用

本文对模糊神经网络用于故障诊断较传统BP(Back-Propagation)网络的优越性进行了分析,并提出了一种利用模糊神经网络进行旋转机械故障诊断的新方法。在这种方法中利用RBF(Radial Basis Function)神经网络获得隶属度函数,并简化了模糊神经网络的训练,使得新的故障诊断专家知识更易于扩充到现有的故障诊断网络中。仿真结果表明,本文方法所构建的故障诊断网络易于扩展且有良好的诊断效果。     

基于模糊神经网络的无刷双馈电机的仿真研究

研究了模糊神经网络在无刷双馈电机调速系统中的应用,给出了基于神经元网络模糊控制器的基本设计方法。并利用Matlab软件对基于模糊神经网络的无刷双馈电机调速系统进行了仿真。仿真实验表明,与传统的PID控制相比,当电机在转速或者负载发生改变时,利用该控制方法可以获得更好的系统动静态性能。     

基于IFTS的云计算网络动态负载均衡方法

针对云计算网络节点的异构性、资源配置的差异性和用户需求的不确定性等因素导致云计算网络极易出现负载不均衡的问题,在分析云计算节点负载模糊时序变化特性的基础上,构建了基于直觉模糊时间序列(IFTS)预测的云计算网络动态负载均衡模型,提出了基于IFCM的云节点计算资源自平衡方法,设计了基于IFTS预测的主动控制和基于反馈的被动调控相结合的虚拟机调度机制,并给出了云计算网络动态负载均衡策略,增强了云资源池的智能化管理水平,提升了云计算系统的整体性能.最后,通过典型实例验证了该方法的有效性和优越性.     

履带车辆自动变速的自适应模糊控制与仿真研究

为提高履带车辆自动变速系统对复杂行驶工况的自适应能力,在基本模糊控制策略基础上,运用参数自调整模糊控制方法,建立了一个具有两级递阶结构的自适应模糊换挡控制系统。基本模糊控制模块将油门开度、车速和加速度三参数进行模糊化和模糊推理,实现挡位决策;自适应控制模块按照测得的车速和加速度对直线行驶阻力和附着力进行在线辨识,进而对量化因子进行自调整,可改善履带车辆在随机工况条件下的换挡品质。该系统对不确定的车辆参数和外界负荷的扰动具有较好的稳定性。仿真研究表明所设计的模糊控制系统具有良好的自适应能力。