一种高精度的电力系统谐波分析方法

针对电力系统谐波的危害和谐波治理的需要,提出了一种高精度的电力系统谐波分析算法,利用该算法可快速获得电力系统基波及各次谐波的高精度幅值和相位.提出并证明了该算法的收敛性定理,给出了利用该算法进行谐波分析的仿真实例.仿真结果表明,提出的谐波测量方法与其他方法相比具有更高的计算精度高和更快的计算速度,因而在电力系统谐波测量中有较大的应用价值.     

电力系统谐波分析的一种快速神经网络算法

提出了一种基于最小二乘递推法(RLS)的正交基神经网络算法来分析电力系统谐波参数.该方法根据谐波分析的特点,采用RLS训练神经网络权值,有效地避免了梯度下降法存在局部极小的问题,并且对降低噪声影响有显著作用.电力系统谐波分析的仿真结果表明,该算法经过一次神经网络训练即可获得各次谐波高精度的幅值和相位.     

一种基于神经元算法的电力系统谐波分析方法

为了有效治理电力系统谐波污染问题,提出了一种基于神经元算法的电力系统谐波分析方法.利用该方法可高精度获得电力系统基波及各次谐波的幅值和相位.提出并证明了该算法的收敛性定理,给出了利用该算法进行谐波分析的仿真实例.仿真结果表明,本文提出的谐波分析方法具有计算精度高和计算速度快的特点.     

遗传算法改进神经网络的电力系统谐波检测法

提出了将遗传算法与神经网络结合起来用于电力系统谐波幅值与相位测量的方法。根据电力系统谐波的特点,构造了用于谐波检测的神经网络模型,阐述了网络训练样本的形成方法。借助Matlab提供的遗传算法与神经网络算法工具箱,先用遗传算法对前馈神经网络进行全局训练,再用BP(back-propagation)算法进行精确训练。仿真结果验证了该方法的有效性和可靠性。通过与传统BP算法测量谐波的方法相比较,该方法具有训练速度快,不易陷入局部极值,测量精度高的优点。最后用未训练的样本检测训练好的神经网络,验证了该网络同时也具有较好的泛化能力。     

基于神经网络和 PRONY 算法的电力系统谐波分析

研究了基于神经网络模型算法和Prony改进算法的电力系统谐波分析问题．为了验证神经网络算法和Prony改进算法在电力系统谐波分析中的有效性,本文进行了计算机仿真研究以及和其它算法的比较研究．研究结果表明,本文提出的电力系统谐波分析方法具有计算精度高和计算速度快的特点．     

径向基概率神经网络的结构优化算法研究

径向基概率神经网络（RBPNN）是在径向基函数神经网络（RBFNN）和概率神经网络（PNN）的基础上发展起来的一种新型的前馈神经网络（FNN）模型。该网络模型充分吸收了径向基函数神经网络和概率神经网络的优点,这种新的模型具有计算复杂度低、收敛速度快等优点。本文深入研究了径向基概率神经网络的结构优化算法,在遗传结构优化方法的基础上,提出一种新的两步学习算法,基于遗传算法的梯度学习算法。该算法一方面优化了网络结构,使网络结构尽可能的精简,另一方面有效地提高了网络的推广能力。     

利用RBF神经网络的电力网非线性滤波分析

针对电力系统现有的谐波分析方法及其局限性,提出了基于RBF神经网络的非线性滤波分析方法。重点阐述了基于RBF算法的谐波分析原理,并给出了利用该算法进行非线性负载谐波电流滤除的仿真实例。通过仿真实验,分析了RBF神经网络滤波的稳态精度和信号变化时的实时跟踪效果。仿真结果表明了该方法的有效性和易实现性,为电力系统谐波的治理提供了新思路。     

谐波增强与频率估计的自适应方法

基于递归预测误差原理，研究了用来估计谐波中基波频率和增强谐波的方法，并由此设计了一种具有任意的窄带性能和预期形状的均匀切口的自适应谐波增强或陷波滤波器．由于算法非线性部分只涉及基波频率一个参数，使算法很易用于具有高次谐波的过程．而且由于利用了可变极点半径和忘却因子（ｆｏｒ－ｇｅｔｔｉｎｇｆａｃｔｏｒ）因而算法对谐波频率的敏感性强，收敛速度快，并能跟踪频率时变的信号．     

谐波计算的一种解耦算法

从电力系统谐波潮流计算的线性算法和非线性算法出发，提出了谐波潮流的一种解耦算法，改变常规非线性算法中将基波潮流与谐波潮流联立迭代的方法，使两者分立求解。解决了线性算法精度不高的问题，同时也避免了常规非线性算法方程维数大，计算量大，占用内存多，收敛不可靠的问题。     

识别混凝土板内部缺陷的人工神经网络算法

以一维有缺陷混凝土板为研究对象，分别采用Leverberg-Marcluardt和径向基神经网络算法，对缺陷的深度与厚度进行识别，从而实现对混凝土板内部缺陷的三维重构，称为红外CT模拟．两类神经网络算法的识别结果表明：Leverberg-Marcluardt神经网络较径向基神经网络具有更好的收敛精度与计算效率．     

加速广义极小残余新算法

研究了Krylov子空间广义极小残余算法（GMRES（m））的基本理论,特别是残余向量与Krylov子空间的关系．根据残余向量所满足的代数方程组,深入探讨算法的收敛性质与所选择的子空间的关系,指出大大量按模很小的特征值对应的特征向量的存在会降低算法的收敛速度,从而提出一种利用按模很小的特征值对应的特征向量扩充Krylov子空间的加速广义极小残余算法（AGMRES（m））、理论分析和数值结果都表明,算法是可靠和有效的．     

求解非线性最优化问题的Newton算法研究

本文概述了非线性规划中Newton算法的基本原理和发展，阐述了Newton算法与其他算法的混合算法，并探讨了Newton算法的超线性收敛性，从而进一步阐明了此算法的研究方向。     

求解非线性最优化问题的Newton算法研究

本文概述了非线性规划中Newton算法的基本原理和发展,阐述了Newton算法与其他算法的混合算法,并探讨了Newton算法的超线性收敛性,从而进一步阐明了此算法的研究方向。     

ENUM体系中NAPTR资源记录的研究

下一代网络是一个融合的网络,要实现网络的融合,网络标识和寻址技术是至关重要的。ENUM就是作为电信网和互联网的寻址技术出现的。ENUM是DDDS算法的一个具体应用,采用DNS系统中的NAPTR类型存储算法规则库。介绍了ENUM体系的功能原理,就其功能范围进行了讨论。然后分析了DDDS算法,详细阐述了NAPTR资源记录,根据定义给出了更加严格的enumservice服务分类。     

基于云遗传的混合混沌粒子群算法研究

为了解决PSO算法种群随机初始化遍历性差、易陷入早熟收敛以及不具备全局收敛性的缺点,提出一种基于云遗传的混合混沌粒子群优化算法,使用均匀性更优的无限折混沌叠映射实现粒子初始化,通过自适应云算子、改进的Metropolis接受准则以及动态调整粒子集规模等策略,实现了云遗传算法和PSO算法的协同,最后通过全局收敛性证明、时间复杂度和实验分析,验证了算法的有效性。     

求解一类介质散射问题的特殊解方法

采用特殊解方法, 计算求解一类时谐介质散射问题. 算法在区域简单剖分的基础上, 利用]基本解函数近似散射场的局部性态和无穷远处性态, 无需将无界域截断为有界域, 适用于一般散射体及多个散射体情形, 在粗糙网格下便可达到较高精度, 并实现快速收敛. 数值算例表明了算法的可行性和有效性.     

一种基于弱拟牛顿方程的单调梯度法的收敛性

基于弱拟牛顿方程,Leong W J等人提出了一种单调梯度法,该算法在每次迭代时利用对角矩阵逼近Hessian矩阵,使计算量和存储量明显减少,并且此算法对凸函数具有收敛性。在此算法的基础上,进一步研究了算法对于一般函数的收敛性,并证明了在一定的假设条件下算法仍具有全局收敛性、R-线性收敛性和超线性收敛性。     

基于遗传算法和单纯形法的混合优化算法

基于对遗传算法和单纯形法的分析,提出了可结合这两者长处,既有较快收敛性,又能以较大概率得到全局最优的用于组合优化的混合算法,测试结果表明该方法明显优于遗传算法和单纯形法。