基于DE-ELM算法的配电网电力系统负荷预测研究

针对目前方法对配电网电力系统进行负荷预测时,由于未能在电力负荷预测前对电力数据进行缺失值插补处理,导致该方法存在预测精度差、时间长以及性能差的问题,提出一种基于DE-ELM(Differential Evolution-Extreme Learning Machine)算法的配电网电力系统负荷预测研究方法。首先依据小波变换对电力数据进行去噪处理,根据去噪结果完成电力数据缺失值的插补,获取完整的电力数据集;再将数据集分成训练集与测试集两部分,将全局寻优引入极限学习机,采用DE-ELM算法对训练集进行计算,依据结果建立网络模型;最后将测试集放入构建的模型中进行训练,基于输出结果实现配电网电力系统的负荷预测。实验结果表明,运用该方法进行配电网电力系统负荷预测时,预测精度高、时长短、性能好。     

基于智能配电网环境的负荷预测分析

为提升网运行安全性,达到提升负荷预测的精度的目的。本研究使用了人工鱼群算法,建立了PSO-LSSVM模型,在这其中,经过实验以及理论知识的结合进行研究可以发现,PSO-LSSVM模型的精准度明显更高。主要是由于人工鱼群算法对初值要求相对较低,本文利用了人工鱼群算法对于初值要求不高这一明显特性,在这其中,LSSVM模型精度相对较高,但是对于短期负荷预测模型参数选择方面,仍然具有一定的盲目性,因此,PSO-LSSVM模型就有效解决了这一问题,值得进行广泛应用。     

配电网规划负荷预测的应用探讨

本文主要针对配电网规划负荷预测的应用展开了探讨,系统介绍了工程实践中常用的负荷预测方法,指出了实际负荷预测中会出现的问题并就此提出了对策,以期能为有关方面的需要提供有意的参考借鉴。     

基于改进Apriori算法的配电网设备退役信息挖掘

影响配电网设备提前退役的因素复杂多样,而且多种因素之间互相作用。为了筛选出影响设备提前退役的主要因素候选集,可以利用数据挖掘算法得到其中关联规则。其中,Apriori算法是最经典的挖掘关联规则的算法。但是传统的Apriori算法时间复杂度过大,计算效率不高。针对这一现状,提出一种基于三维矩阵的Apriori优化算法,通过建立三维矩阵以及简约数据库的方式,减少了传统算法中的计算冗余,挖掘出影响配电网设备提前退役的因素频繁项集。结果表明:改进算法能够得到配电网设备退役因素的关联规则并明显提高计算效率。     

配电网中长期负荷预测方法综述

中长期负荷预测是配电网规划的前提和基础,其准确性直接关系到规划方案的质量和配电网的安全经济运行;它也是实现电力系统管理现代化的重要内容之一。配电网规划要求既要预测未来负荷的总量,又要预测未来负荷增长的位置,即中长期负荷总量预测和空间负荷预测,它们对合理地配电网规划具有重要的指导意义。本文分析了各种配电网中长期负荷总量预测方法。     

基于神经网络算法的建设项目风险预测系统设计

利用3层并行分布式人工神经网络连接模型和BP网络算法,以市场前景、资源、原燃料、动力供应、工艺、筹资、布局安全等为预测因子,建立建设项目BP网络风险预测模型,设计建设项目风险预测系统。该系统包括数据管理、模型管理、知识管理和模式转换4个典型组件。该系统实际预测建设项目的很好和失败两种情况时,具有良好的预测效果。     

基于单亲遗传算法的配电网扩展规划简介

单亲遗传算法在遗传操作中通过单个父代个体产生子代个体,不进行两条染色体之间基因的交叉操作,而是通过一条染色体中基因的换位等操作来实现遗传。只通过选择和变异算子繁殖后代,其选择算子跟传统遗传算法的一样,而变异算子则有较大区别。本文介绍了如何降单亲遗传算法应用在配电网扩展规划中,以供广大研究人员进行参考。     

基于混沌算法神经网络的高校师资预测

本文提出一种基于混沌算法神经网络的师资预测模型,该算法通过在前馈式神经网络连接权空间学习算法的动力学方程中引进一非线性自反馈项,使得网络具有良好的函数近似能力,应用这种算法的神经网络对我国高等院校的师资需求进行预测,为我国有关高等院校的教育决策提供依据.     

基于BP算法的电力系统负荷预测

本文分析了电力系统负荷预测的重要性和与负荷预测相关的数据的特点,给出了基于BP算法的电力系统负荷预测系统的体系结构,重点研究了多层前馈神经网络构建、数据预处理及网络模型的学习。将BP算法应用于电力系统负荷预测,可有效地克服数据不完整性、含噪声等复杂因素对预测结果的影响,提高预测精度。     

基于人工免疫算法的神经网络电力系统短期负荷预测

在BP神经网络（Baek-propagatlon neural network, BPNN）模型中引入人工免疫算法（Artificial Immune Algo-rithm,AIA）,给出了AIA-BPNN模型,基本思想是结合AIA算法的搜索特性和BPNN 模型的优良性能,可以进一步提高学习能力．与实际电力系统结合构造了AJA-BPNN电力系统短期负荷预测模型,通过使用AIA算法,优化BPNN的权值和阈值。使BPNN权值和阈值选择的盲目性得以克服．     

基于视窗操作系统网络并行计算环境的建立与应用

针对单台微型计算机进行数值模拟耗时长的问题,在微软公司开发的32位视窗操作系统下建立了网络并行计算环境.把2台微型计算机连成一个星形结构的以太网,以并行虚拟机作为网络并行计算平台、Vi sualC 作为开发工具,通过建立帐号及主目录、配置网络、设置系统环境变量和测试等步骤,完成了并行虚拟机的配置与调试.采用C语言自行研制了并行凝缩算法的源程序,并进一步以主从进程模式对金属平板轧制过程的弹塑性力学行为进行了数值模拟.研究结果表明,所建立的网络并行计算环境运行可靠,并行加速比可达1 785,并行效率达到了89%,与单台微型计算机相比,不仅提高了运行速度,且大大缩短了计算时间.     

食物链算法及其在分销网络优化中的应用

根据人工生命突现集群及其对环境进行动态作用的特点,即人工生命个体间微观的相互作用将在整个人工生命系统中产生突现集群的现象,同时食物链也是生命系统中重要而又有广泛存在的现象,通过定义各级人工生命的局部活动规则,提出一种具有食物链形式的人工生命算法,并称之为食物链算法.把食物链算法应用于选址-分配问题的求解,优化设计分销网络结构并最小化供应链成本.该算法取得了较好的解,可以作为企业分销渠道设计的参考,也可应用于物流、电子商务中的优化问题.     

云环境下基于贝叶斯网络的用户操作文档的行为预测

通过收集、整理、分析云环境下用户操作文档行为的记录,建立用户操作文档行为模型,使用贝叶斯网络结构学习算法推理计算出文档操作的潜在风险系数。实验结果表明,贝叶斯网络能够有效地预测用户操作文档的风险,为云环境中文档的安全提供了一种预警机制,提高了文档的安全性。     

基于 HABC-RBF 神经网络的蒸汽驱预测方法

为解决蒸汽驱开发效果预测精度低和时间长的问题, 提出了一种改进人工蜂群算法和 RBF(Radial Basis Function)神经网络相融合的预测方法。 该方法应用种群最优解修改雇佣蜂解和观察蜂解的搜索方程, 借鉴差 分进化算法思想, 完成对种群最优解和个体搜索解随机扰动, 采用混合编码优化 RBF 神经网络参数。 以辽河 油田齐 40 块为例进行了试算, 结果表明, 该方法对蒸汽驱开发效果预测具有较好的非线性拟合能力和较高的 预测精度。     

井下避难硐室温湿度分布及耦合机理研究

为提高避险人员的生存舒适品质,建立基于密闭小空间的载人试验,对人体热舒适的温湿度耦合影响进行了定量分析和研究,验证了避难硐室配置制冷除湿装置的必要性,并对硐室内温湿度的主要扰动源进行分析和计算.采用CFD技术,构建了氧气瓶供氧时的避难硐室三维模型.模拟结果表明:无空调时避难硐室温湿度在9h内能达到33℃,90%,即人体闷热的环境条件;通过制冷除湿装置能有效地将其控制在30℃,83%以下.通过现场载人试验,验证了数值模拟的可靠性,并得硐室内温度达到28℃时,相对湿度应控制在80%以下.为避险设施设计提供指导性依据.     

配电网中接线方式与备自投选取原则的探讨

变电站有多种接线方式,一般分为多电源、双电源、单电源和单主变等.不同的接线方式和负荷状况适合配置不同的备自投方案.通过对电网接线方式和常见备自投动作情况的分析,得出变电站配置进线备自投、分段备自投和主变备自投的原则.     

常用神经网络的操作模型与算法

给出前馈神经网络（ＦＮＮ），径向基神经网络（ＲＢＦＮＮ）和子波神经网络（ＷＮＮ）的操作模型。分别导出它的识别，逼近和学习方程，并给出它的识别，逼近和训练算法。计算机模拟表明用径向基函数神经网络和子波神经网络识别入射波具有很好的频率，入射角及相位识别特性     

遗传算法在网络流量及带宽分配中的应用

在描述遗传算法的基本原理和步骤的基础上,提出了一种改进方案,并应用在网络流量及带宽分配中,以最小化全网平均分组时延和链路成本为目标函数,在得到流量分配方案的同时,求得最优链路带宽.     

BP神经网络在高速公路软土地基沉降预测中的应用

采用人工神经网络较强的非线性映射能力和学习能力,提出基于改进的BP神经网络预测盐淮高速公路的路基的沉降。利用实测沉降资料直接建模,避免了传统方法计算过程中各种人为因素的干扰,所建立的模型预测精度高、预测的沉降量误差小。