基于改进动态规划法的火电厂负荷经济调度

提出一种确定火电厂负荷经济调度的改进动态规划方法.先按优先顺序法压缩各时段机组组合状态,再用动态规划法进行计算.新的方法克服了优先顺序法没有考虑启停耗量的不足,也解决了动态规划法的"维数灾"及难于处理的爬坡速度约束问题,且各机组的最优负荷分配与机组的最优启停计划可以同时计算出.     

用Petri网模型处理机组组合问题的时间约束

把一种受控记时Petri网系统模型应用于具有时间约束的机组启停状态转换过程,在机组组合的动态规划法中,既处理了冷、热启动费用和最小启停机时间约束,又减少了计算费用的状态数,算法的效率将会大大提高.     

面向电力市场机组最优组合算法探讨

通过分析影响电力市场机组组合的因素，以及传统电力系统运行方式下制定机组组合的方法，提出了以传统的优先次序法为基础、然后采用动态规划法加以优化的机组经济组合模式。此外，在介绍算法的基础上，编写的计算流程图可作为机组组合的实用计算模拟。     

基于改进BP算法的水电机组轴瓦温度预测

应用人工神经网络BP算法，对水电机组轴瓦温度与影响瓦温变化的主要因素之间的映射关系进行表达，即建立水电机组轴瓦温度预测模型，并对轴瓦温度及其变化趋势作出预测；同时对BP算法进行改进，引入误差分布函数，动量项因子和组合转移函数，在一定程度上克服原有算法的局部最小问题，获得全局最小解，而且加快了网络的收敛速度。     

基于自适应神经网络的电路系统故障诊断研究

针对人工神经网络的特点，对传统BP算法进行了全面改进，通过采用自适应学习率和动量因子修正等方法，有效克服了传统BP算法在实际应用中学习收敛速度慢和容易出现局部极小点的缺点。以电路系统的故障诊断为例，引入了模糊数学中的隶属度函数，对故障特征量进行处理后作为自适应神经网络的输入，故障编码作为网络的输出。实验仿真结果表明，该系统对电路故障类型能够有效地进行诊断和识别。     

预应力混凝土桥梁悬臂浇筑的施工控制

对于采用悬臂浇筑施工方法的预应力混凝土桥梁,运用自适应控制理论进行结构参数识别和误差分析;利用BP人工神经网络确定主梁预拱度;在施工过程中对主梁挠度进行连续监测.借助预埋的钢弦式传感器,测试主梁应变,分析了混凝土收缩、徐变、温度等因素对应变测试的影响,并提出修正方法.实桥应用表明,使用自适应控制理论结合BP人工神经网络,可以预测主梁合理预拱度;混凝土收缩、徐变对应力测试的影响不容忽视;实测应变修正方法易于使用,修正值与理论值偏差较小.     

人工神经网络在地下水动态预测中的应用

应用人工神经网络中的BP算法，根据地下水动态的时间序列数据，建立地下水动态模型，对地下水动态进行模拟和预测，并与灰色－周期外延组合模型方法及数据处理组合方法的结果进行比较，结果表明，其预测精度较高，说明神经网络方法不仅简单、实用，又具有很强的处理地下水动态非线笥及周期性变化问题的能力，可以在地下水动态等方面广泛使用。     

人工神经网络在化学反应器故障诊断中的应用

讨论了人工神经网络中的 BP算法和改进的 fahlman修正算法在化学反应器故障诊断中的应用 ,对二者的学习收敛速度和收敛性能进行了比较 ,指出了改进的 fahlman修正算法和优越性     

论优化BP神经网络的一种改进遗传算法

为了全面优化BP神经网络,使之具有较好的泛化性能,改进并设计了一种遗传算法,并通过算法对比测试表明,改进后的遗传算法减少了内存占用量,保证了种群的多样性,提高了算法的运行速度和收敛效果。     

水电站实时自动发电控制的新算法

本文提出用动态规划法与等微增率法相结合、以开停机指标数确定运行机组台号的水电站自动发电控制(AGC)新算法,以满足在线实时运行的要求.文中介绍了该法的简易方案在新丰江水电站上应用情况.     

变载荷感应电动机的神经网络建模研究

根据采用晶闸管三相调压器控制变载荷电动机运行的特点,阐明了采用神经网络方法对该系统建模的必要性.基于带有回归单元的Elman神经网络,对变载荷三相异步电动机的晶闸管三相调压器系统进行了建模.采用一种带惯性项的动态反向传播学习算法,克服了通常的BP算法振荡和收敛速度慢的弱点,使变载荷电动机系统跟随负载变化对电动机实现调压控制.对Elman神经网络的结构运用方法,以及惯性项的动态反向传播学习算法做了较详细的介绍,对由晶闸管三相调压器构成的拖动系统建模所选向量参数进行了说明.实例表明,利用该方法迭代后的学习结果更容易将误差减小至期望值.     

采用BP&SA混合学习策略的短期电力负荷预测方法

提出了一种BP混合模拟退火(SA)的ANN短期负荷预测方法,该方法针对传统BP学习算法的缺点,将BP算法和模拟退火算法的优点相结合以提高网络的学习性能.ANN模型中考虑了温度和预测日类型,可进行工作日和节假日的预测,实例表明ANN模型实用有效、精度高.     

基于BP神经网络的环境质量评估

利用人工神经网络对地区综合环境质量进行了评价,提出了基于BP人工神经网络、以Matlab为平台的算法程序的人工神经网络环境质量分类模型．并以某地区环境监测数据值为样本,进行了环境质量评价分析．研究结果表明,BP神经网络应用于环境质量评价无需构建复杂的参数方程,且具有基于知识学习的特性,结构简单实用,具有客观性和通用性．     

基于改进遗传算法的AGC机组优化组合研究

为降低发电成本,该文对自动发电控制(AGC)机组优化组合问题进行了研究.基于改进遗传算法,建立了包含AGC的机组优化组合模型;针对遗传算法存在的不足,结合包含AGC机组优化组合模型的特殊性,提出了可变长二进制编码;设计了专门的遗传操作,并采用等微增法对其中的连续变量进行了处理.将所研究的算法和模型应用于包含16台机组24时段的机组优化系统中,仿真结果表明该改进遗传算法的计算结果优于实数编码方法结果11.33%,并在搜索区间及收敛速度等方面都具有较好的性能,适用于大、中型发电系统.     

用户电力控制器神经网络控制分析

针对电力系统模型及运行参数不确定性 ,在用户电力控制器中引入神经网络控制策略 ,应用神经网络设计了线性控制器 ,所提出的神经网络采用改进BP算法 ,改进BP算法比传统BP算法多了两个变量 ;学习速率和动量因子。将计算得的补偿电流经过神经网络训练实现预定目标 ,由MATLAB仿真结果可观察到经神经网格控制的用户电力控制器可实现系统侧的控制目标。并且其控制算法更为简单、有效。     

神经网络用于模式识别分类的改进算法

用ＢＰ神经网络算法进行模式识别分类,即使对一个训练比较好的网络也极有可能出现样本的导师模式（真实模式）与网络判定模式不符的情况,即会出现误判样本。当待判样本与某一误判训练样本比较接近时,网络很可能对其造成模式误判。为此,本文通过引入训练样本的正、误判子集及定义在其上的待判样本的距离,将距离算法和ＢＰ算法相结合,提出了解决这一问题的新方法。     

一种基于粗集理论的BP神经网络加速算法

应用粗糙集理论 ,对控制系统采样数据进行简化处理 ,构造一种新型神经网络结构 .提出一种误差反向传播BP(BackPropagation)神经网络加速算法 ,并将此算法应用于移动机器人的控制系统分析设计 .通过仿真结果的分析研究 ,验证了此算法在减少网络冗余 ,提高神经网络学习速度 ,提高网络实时控制能力等方面的良好的性能 .     

基于遗传算法的神经网络在局部放电模式识别中的应用

针对ＢＰ神经网络（ＮＮ） 在大型发电机局部放电模式识别中存在的收敛速度慢、容易陷入局部极小点的问题,提出采用遗传算法（ＧＡ） 作为神经网络的学习算法．并且根据神经网络结构的特点,构造了新的遗传算子．结果表明,与ＢＰ神经网络相比,ＧＡ 神经网络的收敛性能和推广能力都有了明显提高     

基于遗传神经网络的城镇基准地价评估应用——以广西灌阳县为例

提出了一种融合遗传算法与BP神经网络的城镇基准地价评估模型。该模型以正方形网格作为基本评价单元,以遗传算法优化BP神经网络连接权值,以BP神经网络训练样本数据,实现其他网格地价的模拟与预测。结果表明,遗传算法可以有效增强BP神经网络快速学习网络权值能力和克服收敛速度慢、易陷入局部极小值等问题,BP神经网络的网络训练学习与自适应性符合处于动态变化的土地价格发展要求,呈现出广阔的应用前景。     

动态环境下基于微粒群优化算法的数据分类方法研究

动态环境下数据流容易出现概念漂移现象。随着数据的逐渐到达,隐含在数据中的知识在一定程度上会出现改变,当前数据分类方法无法进行动态更新,不适于动态环境下数据的分类。为此,提出一种新的基于微粒群优化算法的数据分类方法,通过K-means方法对动态环境下的数据进行分类。介绍了微粒群优化算法,将所有个体看作d维搜索空间中没有体积的微粒,在搜索空间中以某一速度飞行,该速度可通过其自身及相邻微粒的飞行经验进行动态调整。通过某种规则对新微粒的局部最优值进行更新,利用优化后的微粒群算法实现数据分类。实验结果表明,所提方法分类性能优,实时准确率高。