基于小波变换的模糊神经网络短期负荷预测方法

为了解决传统神经网络的预测精度取决于输入变量和测试样本的缺陷,采用二阶Daubechies小波作为母小波,通过离散小波变换和逆变换的多分辨率把负荷序列分解为4个小波分量,不但把握了负荷序列的规律性,而且减轻了神经网络的学习压力.采用自适应遗传算法对模糊规则和权重进行修正,优化模糊神经网络,提出GNN-W-GAF模型.该模型既发挥了模糊算法的特点,又使得各种知识点在神经网络中相互融合,避免了初始值设定的随意性.仿真结果表明,该方法能显著提高预测精度和预测性能.     

基于T-S模型的智能PID控制

提出一种基于分段线性模糊模型的T-S模型,并与传统PID控制器相结合设计了一种模糊神经网络PID控制器,它具有模糊系统非线性、可解释性的特点,神经网络的自学习和自组织功能.对其进行非线性时变系统仿真,仿真结果表明该控制器较常规PID控制器的调整时间可明显缩短.     

基于Kohonen聚类小波包分解和ELM的短期电力负荷预测

提出基于Kohonen聚类、小波包分解和极限学习机的短期电力负荷组合预测方法.考虑到电力负荷具有一定周期相似性,经过Kohonen神经网络的聚类分析能确定与待预测日具有类似特性的负荷相似日;利用双正交小波对负荷数据进行分解,得到不同的频率分量分别送入ELM网络进行预测;最后将所得的不同频带中的待预测负荷分量组合,即为最终负荷预测值.经仿真实验表明,较传统单一的神经网络算法,该方法在预测精度和运算时间等方面均颇有提升,具有一定的实用性.     

煤矿带式输送机故障诊断中模糊神经网络的应用

以模糊数学分析及神经网络综合运用为基础,研究了煤矿带式输送机的故障诊断技术.通过对输入参数的模糊数据处理并利用神经网络的学习能力来实现对数据的训练,得到高精确度的故障参数,从而建立起相应的模糊神经网络,对带式输送机进行及时有效的故障判断.最后基于Matlab软件对训练数据的仿真表明,基于模糊神经网络的故障诊断相较于传统故障诊断技术具有极高的准确度,且数据反馈及时,运行稳定.     

电力负荷短期预测的神经网络方法研究

设计了一个三层神经网络模型来实现电力系统的短期负荷预测。采用了改进的ＢＰ学习算法,以提高训练的收敛速度,预测仿真结果表明,所设计的神经网络是可以进行短期负荷预测的。     

雷达网数据融合的自组织模糊神经网络模型

对雷达网的数据融合提出了一种自组织模糊神经网络模型,分析了该模型的自组织特征及神经元感应场内模糊隶属度函数最大的WTA竞争机制.通过二维舰船目标的识别和航迹融合仿真实验,证明了该方法的有效性.     

利用循环相关特征的自适应模糊调制分类

针对非平稳数字调制信号,提出一种高阶正交循环累量特征,具有“屏蔽”干扰和噪声的特性. 采用模糊神经网络非线性动态建模的调制识别器,根据特征训练样本的大致分布状况建立蕴涵初始经验的模糊推理系统结构,再嵌入神经网络的结构和自适应学习算法对模糊系统参数进行调整和优化,完成模糊神经网络模型的逼近求精. 对MASK, MPSK, MFSK, MQAM 等信号进行仿真实验,结果表明系统在信噪比等环境参数变化较大的情况下适应性和容错性良好. 相对于神经网络等识别器,具有初始经验的系统结构更明确,建模周期较短,算法识别率和效率有明显提高.     

基于RBF神经网络重构模糊PID控制器的研究

尽管模糊PID控制器具有良好的控制品质,但存在计算复杂和实时性差的问题,为了解决这个问题.利用1LBF神经网络逼近能力重构模糊PID控制器,由于重构的RBF神经网络的并行计算能力,这简化了计算复杂性并提高实时性.通过选择不同的给定信号,比较模糊PID控制器和重构的RBF神经网络的控制性能.得到两者的控制效果是相当的.说明重构的RBF神经网络可以取代模糊PID控制器,从而减少了计算复杂性.避免维度灾难并改善控制实时性.     

基于相似日的神经网络短期负荷预测方法

对于受不确定因素影响的短期电力负荷,提出了一种基于相似日的神经网络预测方法。设计了一个规范化的相关因素映射数据表,应用聚类分析方法描述由于相关因素的不同而导致的待预测日与历史日之间的差异程度,选用日特征量相同或相近的历史负荷数据作为神经网络的输入元素进行预测。用该方法选取相似日可以较多的考虑各种因素,因此,具有较高的预测精度。     

基于模糊粗糙神经网络的交通流研究

交通流预测是实现道路交通科学管理的重要内容,文章概述了模糊粗糙神经网络的基本原理,通过模糊粗糙隶属函数建立了基于模糊粗糙神经网络的交通流控制模型,设计了两级协调模糊控制器,结合模糊控制理论和神经网络各自的优点,构造了模糊粗糙神经网络.通过实践结果证明,该算法精度高,学习速度快,适应能力强,对实时交通流预测有一定的指导意义.     

模糊控制型控制与保护开关(CPS)的研究

利用模糊控制技术、计算机技术、传感技术,对系统进行实时在线快速检测,解决了对各种电气故障类型、故障程度进行早期预测、判断问题.在不改变CPS原有结构、尺寸的前提下,用模糊控制方法提高控制与保护开关电器性能.     

城网10kV电力系统中性点接地方式的研究

通过对供电公司典型的IOKV系统变电站中接地变、消弧线圈、负荷开关的选择、设计和改造，提出了较为实用的城市配网中接地变、消弧线圈容量的简便计算和负荷开关的选择方法。     

兴建抽水蓄能电站,缓解江苏调峰矛盾

华东电网的水电装机比重很小,调峰矛盾十分突出。江苏省网为纯火电系统,其调峰问题只能自力更生解决;江苏具有可装机3000～4200MW的抽水蓄能电站站址资源,且靠近负荷中心,在兴建抽水蓄能电站中应妥善解决好峰谷电价差问题和可逆式水泵——水轮机的选择问题。     

静止无功发生器在牵引供电系统中的分析

针对电气化铁路中存在的无功、谐波和负序等严重影响电能质量的问题，研究静止无功发生器（SVG）在牵引供电系统中的综合补偿作用．分析了SVG装置对牵引负荷的综合补偿原理，并提出了三相系统补偿电流的检测方法和综合补偿的控制算法，再结合我国路某一铁路牵引变电所的运行数据进行仿真分析，结果表明：SVG具有控制灵活、调节速度快、调节范围广、连接电抗小、谐波量小等优点，能够有效治理电铁中存在的电能质量问题．     

中国电力消费多尺度时空格局分析——基于DMSP-OLS夜间灯光数据

对美国国防气象卫星计划(defense meteorological satellite program,DMSP)上的操作线性扫描系统(operational linescan system,OLS)所获取的夜间灯光数据进行校正,结合省级电力消费量构建2000-2013年省级尺度电力消费模拟模型.模型的拟合优度为0....     

全国人口时间序列模型预测研究

对1949—2010年全国人口时间序列数据进行了分析,并建立自回归移动平均模型(ARIMA).通过对数据的平稳性检验、模型识别与参数估计、模型检验等综合分析,确立了ARIMA(2,1,1)模型.仿真结果显示,该模型可以用来做短期预测.     

甘南地区局域供电网稳定性分析

研究了小水电并网运行后给大电网安全稳定运行带来的影响,通过建立小水电模型和电压稳定数学模型对并网后的电压稳定性进行了计算分析,并分析了电力系统负荷连续增长情况下对电力系统电压稳定的影响,找出影响电力系统电压稳定的主要原因.     

10kV联络线电磁合环运行分析探讨

针对地区电网联络线存在的特殊性,根据负荷的实际构成,进行整定确定运行方式实现转移负荷,提高供电可靠性.以实践例子表明,所提的方案原理简单,能够满足地区电网稳定运行的要求,具有实际可行性.     

基于EMD优化NAR动态神经网络的地铁客流量短时预测模型

为了能够更加准确地实现地铁客流预测,提出了一种基于经验模态分解算法(empirical mode decomposition, EMD)优化非线性自回归(nonlinear auto regressive,NAR)动态神经网络的地铁客流量短时预测模型.分析地铁客流量数据后发现日客流量具有一定的变化规律,为此使用了基于时间序列的NAR动态神经网络,该网络具有优秀的非线性动态拟合能力和反馈记忆的功能.结合EMD经验模态分解算法优化NAR动态神经网络预测模型,以此来减少预测误差,提高预测精度.结果显示,EMD-NAR神经网络组合预测模型适用于地铁客流的短时预测,预测精度可达93%,具有较好的应用价值.     

滑动平均法改进型灰色预测模型在德山开发区电力负荷预测中的应用

利用灰色控制理论对德山开发区电力需求量进行预测.用生成方法对原始数据进行处理,消除了影响电力需求量的众多非重要因素,并从原始数据中挖掘有用的信息,建立微分拟合方程,基于残差修正提出滑动平均法改进型灰色预测模型,增加当年数据的权重,避免数值的过度波动.德山开发区电力负荷预测结果表明该模型能有效提高预测精度.