变权组合预测模型研究

给出了一种变权重组合预测模型权系数估计的新算法 .该算法通过广义逆矩阵的循环迭代 ,形成收敛的权系数 ,进而进行组合预测 .文中还给出了算法收敛性的证明 .实例分析效果是显著的——变权重方法比普通方法预测精度高 ,拓广了组合预测的范围.     

基于粗神经网络的电力系统可靠性评估方法

发输电组合系统可靠性评估中元件状态组合数和潮流计算是引起可靠性评估计算中"计算灾"的主要原因.利用粗糙集的数据约简和特征提取功能,提炼人工神经网络的输入变量、训练样本以及事件类与系统状态之间的概略化关系,建立偶发事件模式识别的粗神经网络(RNN)模型,提出基于RNN的发输电组合系统可靠性评估算法,以提高电力系统可靠性评估的计算效率.可靠性测试系统的计算结果表明,所提算法是正确、可行和有效的.     

潮流跟踪算法综述

电力市场中,为提高输电的透明度,需要对网络中功率的组成及输电设备的利用份额进行分析和计算,因此,潮流跟踪算法被广泛研究.对近年来提出的潮流跟踪算法进行了综合比较分析,根据所提出的分摊原则,将算法分成:功率跟踪法、电流跟踪法和功率解析法,分别进行阐述,指出了现存算法中值得借鉴的地方和不足之处.最后,对潮流跟踪算法在电力系统中的应用和算法的发展方向也进行了阐述,为算法的进一步研究提供了一定的参考.     

基于遗传算法的GM(1,1,λ)模型

用差分格式将灰色模型 GM(1,1)模型推广为 GM(1,1,λ)模型 ,λ=0 .5即为 GM(1,1)模型 ;由于参数λ与误差之间存在明显的非线形特性 ,而且某些目标函数不可微 ,使得传统的优化方法无能为力 ,文中应用遗传算法求解最优的 λ值 ,然后进行预测 .由 λ的取值知 ,GM(1,1,λ)模型的预测精度一定比 GM(1,1)高 ,数值计算的结果也证实了这一点 .     

模糊神经网络在短期电力负荷预报中的应用

提出了一种用于短期电力负荷预报的模糊神经网络方法,该方法可以直接由模糊信息预测出未来一天或一周的各小时负荷,文中通过实际算例验证了所提模型和方法的有效性。     

计及负荷模型的发输电组合系统可靠性评估

由于计算的固有复杂性,在发输电组合系统可靠性评估中,负荷模型处理的研究一直进展缓慢。本文提出了一种计及负荷模型的发输电组合系统可靠性评估方法。该方法充分利用了负荷水平间可靠性基本信息的关系,避开了不必要的状态枚举,显著地提高了计算效率。在VAX—11/750计算机上,用此方法对IEEE24节点可靠性试验系统进行了计算。平均每个负荷水平下系统可靠性评估的CPU时间仅5秒。     

基于模糊隶属函数和BP网络的脑障碍诊断

给出了用对照组和肝性脑病组的连续反应时间（ＣＲＴ）特征值构成模糊隶属度函数，用它对脑ＣＲＴ数据预处理，然后用ＢＰ神经网络分类、诊断脑功能障碍。解决了样本固有的模糊性扩大样本和输入数据分散时ＢＰ网络训练精度差、速度低的问题。     

基于Kuhn—Tucker方法的机组最优投入神经网络模型

为了用硬件实现机组优化投入的神经计算，首先基于Ｋｕｈｎ－Ｔｕｃｋｅｒ方法的机组最优投入神经网络模型。证明了该模型的收敛性，讨论了该模型的正则电路，并用ＰＳＰＩＣＥ５．０对一个四机组四时段的系统进行仿真计算。     

随机流网络可靠性容量优化的一种算法

本文提出了广义随机网络可靠性优化数学模型和一种启发式量算容法。模型中考虑了受点需求的随机变化。所提算法充分利用了随机流网络参数变化时k度薄弱环节集和失效事件集变化的规律,能很快从上次迭代的信息得到每次迭代的优化增强最佳位置,因而速度较快,可适用于大型随机流网络传输容量的最优规划之中。