大电网并列运行水电机组功率智能预测控制

综合最小二乘法和多层前馈神经网络的优点，提出一种适合于快速非线性预测的智能预测器；并基于它对水轮发电机组有功功率的预测，研究出一种简单实用的仿人智能开关控制策略．由此组成的控制系统有很好的智能性和预见性，且在目前条件下易于现场改造．把它应用于湖南某电站的机组功率调节中取得了满意的控制效果     

磁耦合无线充电器的研究

介绍了一种智能型磁耦合无线充电器的设计方案，它可以通过功率发射端与接收端的通信确定充电状态，并且以Ping命令错误判断功能判别异物及移动设备是否需要充电，减少功率浪费。该文阐述了无线充电系统的原理和结构，通过软件设计使无线充电更加智能、实用、节能。     

CDMA系统中新的变步长功率控制算法

CDMA系统中的功率控制技术是第三代移动通信的关键技术之一，本文分析了传统变步长功率控制算法的不足，阐述了马尔可夫过程理论和预测论在改进的变步长控制算法的优势，通过马尔可夫过程理论和预测论的优化组合，提出了一种基于功率控制指令斜率预测的新的自适应变步长功率控制算法。计算机仿真验证：新算法具有良好的性能，减少了功率控制的误差，提高了控制精度和收敛速度，扩大了功率控制算法跟踪的动态范围，增加了系统的稳定性。     

云计算环境下智能电网短期负荷预测方法

智能电网短期负荷波动性大,传统预测方法无法解决波动性问题,预测结果不准确。为此,提出一种新的云计算环境下智能电网短期负荷预测方法。介绍了支持向量机理论,将一个含有所有某类样本在内的、由支持向量支撑的球面看作超球面,分析了分位数回归过程,将支持向量机和分位数结合在一起,构建支持向量-分位数回归预测模型。得到短期负荷概率密度函数,从而实现智能电网短期负荷预测。在进行实验时,完成对功率采样值和智能电网负荷属性的归一化处理,将其转换成[0,1]区间内的数据。实验结果表明,所提方法预测精度和效率高、成本低。     

云计算环境下智能电网短期负荷预测方法研究

智能电网短期负荷波动性大,传统预测方法无法解决波动性问题,预测结果不准确。为此,提出一种新的云计算环境下智能电网短期负荷预测方法。介绍了支持向量机理论,将一个含有所有某类样本在内的、由支持向量支撑的球面看作超球面,分析了分位数回归过程,将支持向量机和分位数结合在一起,构建支持向量-分位数回归预测模型。得到短期负荷概率密度函数,从而实现智能电网短期负荷预测。在进行实验时,完成对功率采样值和智能电网负荷属性的归一化处理,将其转换成[0,1]区间内的数据。实验结果表明,所提方法预测精度和效率高、成本低。     

智能化网络性能分析与预测支撑系统设计

提出了一种将离线性能分析与在线性能实时预测相结合的网络性能分析与预测支撑系统设计方案。在离线性能分析中完成了特定网络节点的性能分析、节点间性能相关性分析以及长期网络性能历史数据的演化数学建模，在在线性能分析中则主要基于一种混合的实时预测模型来完成在线的网络性能预报，它采用模块化设计，具有良好的智能与很好的可扩展型和自适应性，实验表明，它为网络管理人员提供了强有效的网络性能分析与预测工具，是一个理想的性能分析与预测支撑平台。     

基于自适应多步预测的前向链路功率控制算法

为了克服码分多址系统中前向链路功率控制中的延时差错问题，提出了一种新基于多步预测的前向链路功率控制模型，即考虑到功率控制中控制延时的影响，将信道变化和干扰变化统一为一个时变量，对无线环境变化做出动态的多步相关性预测，移动台根据预测的结果对基站发射功率进行控制。在此基础上，提出了一种利用自适应技术实现多步预测的前向链路功率控制算法，采用这种算法可以动态地跟踪无线环境变化，并且部分地克服了由于信道环境时变造成的功率控制失误问题。通过与传统0固定步长算法仿真的对比，证明了上述算法的有效性。     

基于情景方法的微型智能电网经济运行的优化

针对微型智能电网经济运行优化问题中,分布式可再生能源输出功率的预测误差具有不确定性的特点,提出了一种基于混合0-1随机非线性规划的微型智能电网运行优化方法.该方法将蒙特卡洛方法与轮盘赌选择机制相结合,利用情景生成方法来表示分布式可再生能源输出功率预测误差的所有可能实现,同时将带有不确定性的微型智能电网运行优化问题转化为确定性的混合0-1非线性优化问题,并用分支定界算法求解混合0-1非线性优化问题.最后,利用情景聚合方法得到最优期望解.通过仿真实验表明了所提出方法的有效性.     

基于采样数据的大规模储能系统一致性控制

针对大规模储能系统中储能电池的荷电状态(SOC)不一致问题，提出了一种储能多智能体系统一致性控制方法，实现了SOC和输出功率的一致性.该方法应用简化的大规模储能系统模型，基于采样数据进行了一致性控制协议设计，并进行了收敛性分析.从而使本地储能单元智能体仅在特定采样时间点接收邻接储能单元智能体的状态信息，就能够产生本地储能单元控制信号，解决了大规模储能多智能体系统因通讯复杂而带来的计算量过大的问题.考虑了采样数据和系统需求，进行了系统控制参数设计.同时，对瞬时功率过大的问题，进行了带功率限制的一致性控制改进.最后，在满足定理条件、不满足定理条件和功率限制等三种场景下进行了仿真，验证了该方法的有效性.     

加权平均预测的一阶多智能体一致性的采样控制

研究了具有加权平均预测的一阶多智能体系统一致性的采样控制问题。应用时滞分解技术得到了基于采样数据的离散时间一致性协议，同时，使用代数图论、线性系统的稳定性理论，获得了确保具有加权平均预测的一阶多智能体系统渐近实现平均一致性的充分和必要条件，最后仿真结果表明了理论研究结果的有效性，得到了采样周期的条件，并对满足和不满足条件的2种情况进行了仿真验证，为一阶多智能体系统采样控制的一致性问题提供了一种可行解。     

短期光伏发电系统功率预测

针对光伏功率预测没有充分利用历史数据的问题，提出一种改进随机森林算法与长短期记忆神经网络相结合的预测方法（IRF-LSTM）。利用粒子群算法优化随机森林算法中的参数，并对原始气象数据进行特征选择。将特征选择后的结果作为输入，对预测模型输出的结果进行反归一化处理得到预测的功率序列。选用某光伏电站的实测数据对该算法模型进行预测，结果表明：该方法能充分利用预测时刻之前的气象时间序列，有效提高光伏功率预测精度，与RF-LSTM方法、单一LSTM方法相比具有更高的准确性，预测误差更小。     

双向Elman神经网络在卫星电池阵功率预测中的应用研究

针对神经网络预测电池阵功率存在的模型阶数难以确定及预测精度低下的问题，提出一种基于改进的Elman神经网络的双向预测模型。该模型利用关联层动态神经元的反馈连接，将未来预测网络和过去预测网络的信息进行融合。使网络对时间序列特征信息的记忆得到加强，从而提高预测精度。用该文提出的双向预测模型对电池阵功率进行预测，输入层仅需一个节点，不需事先对模型进行定阶。仿真预测表明，预测精度比单向模型明显提高，且网络具有较好的泛化能力。     

延迟时间未知的时延系统Fuzzy-Gray预测控制

提出了一种带智能积分的参数自调整Fuzzy-Gray预测控制算法。该算法综合Fuzzy控制、Gray预测的长处，同时利用神经网络辨识延迟系统的延迟时间来在线调整灰色预测控制器的参数。仿真结果表明这种控制策略具有很好的控制效果，它是大延迟控制中克服延迟时间变化的很有希望的方法，并能较好地兼顾系统的动、静态特性，超调小、响应快，稳态精度高。     

反向传播神经网络及其改进算法用于光伏MPPT的研究

研究了反向传播神经网络(BPNN)、粒子群优化反向传播神经网络(PSO-BPNN)、萤火虫优化反向传播神经网络(FA-BPNN),以及斐波那契优化反向传播神经网络(IM-FSM-BPNN)用于光伏组件在局部阴影下最大功率点的跟踪，以及上述算法在太阳能无人机中飞行光伏发电跟踪。结果首先表明，局部阴影下，IM-FSM-BPNN功率预测精度最低，跟踪时间最长，鲁棒性差，原因是控制参数多，依赖参数初始值。FA-BPNN功率预测精度最高且鲁棒性较好，原因是在训练过程中有效避免梯度消失的问题。其次，在样本数据量增加和太阳能无人机的应用中，发现FA-BPNN的预测效果好和IM-FSM-BPNN的局限性。最后，探讨了参数变化对预测结果的影响。IM-FSM-BPNN、PSO-BPNN和FA-BPNN较BPNN更适用于多样本数据预测，IM-FSM-BPNN相较于其他3种算法更适用于较小的学习率，4种算法的平均跟踪时间和功率平均预测精度随隐含层节点数震荡。     

结合长短期记忆网络的电力系统功率缺额预测方法

电力系统在发生发电机脱落或发电机母线断线等严重的有功不平衡扰动时，会导致频率骤降. 为此，提出一种基于长短期记忆（long short-term memory，LSTM）网络的电力系统扰动后的功率缺额预测方法. 该方法无需获取实时的系统惯量，仅根据负荷侧的信息就能预测出扰动后系统的功率缺额，有效改善了现有的功率缺额计算方法. 在IEEE-39节点系统上的仿真结果表明，本方法得到的功率缺额预测值与真实值的相对误差较小，预测时间较短. 与深度神经网络（deep neural networks，DNN）和支持向量回归（support vector regression，SVR）算法的预测结果进行比较，本方法能快速、准确地预测出扰动后系统的功率缺额，保障系统的频率稳定.     

数据挖掘在岩质边坡稳定性预测中的应用

提出了一种预测岩土边坡稳定性的方法．利用数据挖掘的方法从边坡实例数据中挖掘出知识，在此基础上建立岩质边坡稳定性预测的智能模型系统．该系统可以根据获得的现场测试和监测资料，对边坡的稳定性进行较好的预测和估计．     

基于替代传导径迹的多智能体增强式学习

提出一种多智能体增强式学习方法，每个智能体在学习过程中将其他智能体和环境区分开来，并且通过维持其他智能体的替代传导径迹来预测它们的行为，从而也确定了自身的行为。该算法不需要知道其他智能体的Q函数结构和奖赏函数结构，适用条件宽松。仿真结果证明了所提出学习算法的有效性，而且相对于集中式Q学习效率有很大的提高。     

SARS分析、预测、防治决策支持系统探讨

提出了一种防御SARS这样的突发疾病的智能决策支持系统。通过运用新的数据分析和决策支持理论，建立智能的决策支持系统，对现有的疫情进行数据噪声分析、灾变趋势预测以及提出科学决策。系统主要分噪声子系统、预测和模拟子系统、诊断子系统以及二次防御子系统4部分。其中预测子系统以FGR系统为原型，综合了传统微分方程的预测方法，以及基于数据的包括神经网络、支持向量机的方法和模糊推理方法的综合信息处理系统，经过该系统的预测分析和模拟可以对可变的突发疫情进行更科学的决策。     

追踪神秘飞棍

“飞棍”，一种神秘物体，在人们眼里它来无影去无踪。说它是昆虫，它却拥有160公里的飞行时速；说它是一种飞行器，它却拥有扑动的翅膀和惊人的智能……     

网联环境下的燃料电池混合动力汽车能量管理

为了缓解城市交通拥挤和减少能源消耗,本文提出一种基于智能交通信息的燃料电池混合动力汽车(FCHEV)分层能量管理策略。利用车联网技术获取目标车辆的路况信息,建立交通信号灯正时模型,获取最优目标车速。基于目标车速,获取车辆的需求功率,分层设计自适应等效消耗最小策略和模型预测控制方法,实现对3种能量源需求功率的最优分配。通过仿真和实验验证所提能量管理策略的有效性。研究结果表明：该策略能够有效避免红灯前频繁启停,燃料经济性和续航里程分别提高了9.83%和5.13%。