基于混沌-RBF神经网络的风电场风速预测

在利用风速时间序列具有混沌特性的前提下，将相空间重构和RBF神经网络结合的混合算法用于风电场风速预测。通过实例仿真计算对比表明，该混沌-RBF神经网络的混合算法可以进一步提高预测准确度。     

基于瞬时无功功率理论的无功电流检测

为了实现电网谐波和无功电流的准确实时检测,在对同步坐标变换思路进行改进的基础上,提出了一种结合广义瞬时无功功率理论的无功电流检测方法,并进行了仿真。结果表明,该方法能更加准确地检测出广义瞬时无功补偿电流即不对称三相系统中的谐波、不对称分量以及无功电流分量的和,并能适用于三相电源电压对称无畸变和三相电源电压不对称且畸变的情况。理论推导和仿真实验结果验证了该方法的正确性和有效性。     

人工神经网络进行电力系统短期负荷预报的几个问题的探讨

研究了利用人工神经网络进行电力系统短期负荷预报中常会遇到的几个问题,提出了考虑年负荷增长率、极端气候、节假日问题及历史负荷资料少带来的预报误差的一些极为新颖的斛办法。实例证明,这些办法明显地改善了预报结果,使人工神经网络进行电力负荷短期预报的应用更适应于实际的要求。     

混合激活函数对BP算法收敛速度的影响

研究了不同激活函数选取对ＢＰ网络收敛速度的影响,得出了全采用组合激活函数可改善ＢＰ网络的收敛性的结论。以电力变压器的人工神经网络故障诊断为例选取的ＴＴＳ（Ｔ表示为双曲正切函数,Ｓ表示为Ｓｉｇｍｏｉｄ函数）的组合激活函数方式,具有快速收敛性和较高的故障诊断精度。