基于BP_Adaboost模型的燃气短期负荷预测

针对神经网络在非数学模型预测中所面临的3个主要问题,提出了一种基于BP_Adaboost算法的预测模型对燃气负荷进行短期预测。预测结果表明,该模型与BP神经网络相比,不但提高了预测精度和泛化能力,而且更能满足具有非线性、时变性和不确定性的负荷预测的需要,具有较好的应用前景。     

基于小波神经网络的电力负荷预测

小波神经网络是建立在小波理论基础上的一种新型前馈神经网络,具有许多优良特性。本文分析了小波神经网络的特点,建立了电力负荷的小波神经网络预测模型,设计了小波神经网络结构,给出了小波网络参数调节算法。对实际电力负荷预测算例,以及与BP网络的对比研究实验表明,小波神经网络对非平稳信号能进行有效地预测,比BP神经网络具有更高的预测精度。     

基于SOM神经网络的负荷特性分类

负荷模型对电力系统仿真结果有重要影响,由于负荷特性的辨识是负荷建模的主要方面之一,故提高负荷模型的准确度就需要对负荷特性分类进行研究。文章在详细分析SOM自组织映射神经网络结构的基础上,采用了基于SOM神经网络的负荷分类方法,以负荷模型参数作为负荷动态特性分类特征向量,应用SOM神经网络对负荷特性进行分类,并对分类结果进行测试,结果表明该方法可有效地对负荷样本进行分类。     

基于暂态特征与径向基神经网络的家用负荷识别方法

家用负荷识别可以指导用户合理用电,同时有助于电力部门需求侧管理,对智能电网的发展具有重大意义。本文依据负荷投切过程的暂态特性,提出了一种基于径向基神经网络的家用识别方法。该方法利用变点检测算法差量提取出负荷投切的暂态特征,然后使用径向基神经网络对负荷进行识别。实验结果表明,该方法对常用家用负荷具有良好的辨识能力。     

线性与非线性最优组合预测方法的比较研究

通过建立六种线性和非线性的最优组合预测模型，比较了线性组合预测和非线性组合预测方法，以及神经网络方法和其它最优组合预测方法的预测效果。实证分析表明，非线性组合预测方法的总体预测效果优于线性组合预测方法，并且基于神经网络的非线性组合预测方法具有优良的特性和更高的预测精度。     

宿迁电网春节负荷特性及影响因素分析

春节期间负荷明显低于平时负荷,负荷曲线的形状也有所不同,研究春节期间的负荷特性,做好预测工作,对于提高电力企业的经济效益具有重要意义。由于节假日负荷数据量少,缺少充足有效的样本集,使得神经网络等预测方法的精度难以满足要求,需要寻找有效的解决途径。     

神经网络与遗传算法的系统思维特性

神经网络是对人脑的抽象、简化和模拟，反映了人脑的基本特性。神经网络的研究始于1943年Mcculloch和Pitts所提出的第一个神经网络模型：到目前为止，神经网络的研究发展先后经历了兴起、萧条和兴盛三个阶段。神经网络是由大量人工神经元广泛互连而成的复杂的非线性运算网络，可以模拟人脑进行信息的处理，具有自学习、自组织、非线性和高度的并行分布式运算等优势。     

神经网络在沥青混合料马歇尔稳定度和流值预测中的应用

神经网络具有良好的非线性品质,能够实现非线性映射,并且具有在任意精度内逼近非线性映射的能力,直接表示出输入与输出间的复杂关系。为此,本文拟应用人工神经网络技术对沥青混合料的马歇尔试验性能进行预测。 1、BP神经网络及其算法人工神经元网络(简称神经网络),是对人类大脑系统的一阶特性的一种描述,是由大量的处理单元(神经元)通过适当的方式互连构成的高度复杂的大规模非线性自适应系统,可以用计算机程序来模拟。神经网络具有内部自组织、自学习的能力,能够不断适应外界环境的变化,通过对样本的学习,将未知对象判决为其最接近的记忆。人工神经网络还具有很强的容错性,善于联想、综合和推广。可以被用来完成数学上的映射逼近,数据压缩,模式匹配,系统建模,模糊控制,组合优化问题求解的任务。     

基于小波神经网络的电力系统负荷预测

文章在介绍神经网络模型构成原理的基础上,针对传统模型在对非线性序列进行预测时速度慢、容易陷入局部次最优的缺点,引入小波作为隐含层的传递函数,构成新的预测模型:小波神经网络预测模型,并分析了小波神经网络在电力负荷预测领域的研究和应用现状。     

三种常用的人工神经网络

人工神经网络是一种由大量简单的处理单元组成的非线性、自适应、自组织系统。本文介绍了神经网络的基本要素、网络拓扑结构特性及不同网络拓扑结构下的工作特性,并综述了BP神经网络、RBF神经网络、Hopfield神经网络这三种应用比较广泛的神经网络的网络拓扑结构及算法。     

人工神经网络在电力系统短期负荷预测中的应用

本文基于多层前馈神经网络误差反传（BP）模型的电力系统短期负荷预测的方法。根据电力系统短期负荷变化的特性建立了既反映电力系统负荷连续性、周期性及其负荷的变化趋势,又包含天气变化对系统负荷的影响的日负荷模型,以此作为对BP神经网络进行训练的向量样本集。实例表明ANN应用于电力系统短期负荷预测是可行的,其预报结果比传统的负荷预测方法更准确。     

固定式气化炉智能控制系统控制算法的研究

主要介绍了控制系统如何能够对具有非线性、大时滞、负荷干扰等特点的生物质气化过程进行快速、稳定、优化的控制。笔者采用模糊理论、神经网络理论、PID理论相结合的控制方法,设计出气化炉控制系统的计算机处理算法,使得气化炉控制系统具有智能化、灵活性和高效性。     

基于三次V系统的神经网络

人工神经网络（ANN）是在现代神经生物学和认识科学对人类信息处理研究基础上提出的,并利用物理器件来模拟生物神经网络某些结构和功能,由于神经网络具有很强的自适应性和学习能力,非线性映射能力,鲁棒性和容错能力等特性,其广泛应用于控制领域。提出了一种基于三次V变换的神经网络系统。该系统在逼近非线性曲线时明显优于BP网络和Chebyshev神经网络,收敛时间和学习时间明显缩短,在较少的隐含神经元个数的情况下,达到较好的逼近效果,并在拐点处有较好的逼近特性。     

人工神经网络对时间增长序列预测能力分析

本文从人工神经网络的构成函数出发,分析了网络对某一类具有时间增长特性的过程或序列在学习和建模时存在的局限性和用神经网络模型对这一类系统进行预测时存在的固有误差问题;提出对具有时间增长特性的过程或序列进行预处理后再用神经网络建立系统的非线性模型,最后给出用不同方法对同一系统建模和预测的比较     

非线性网络通信系统的稳定性控制模型仿真

在进行无线通信数据射频调制过程中,因振荡数据的非线性特性产生谐波振荡,很难提高无线通信传输数据的调制解调能力。传统方法采用神经网络模糊控制的分布估计谐波平衡算法,非线性滚动预测控制品质上表现不佳,谐波平衡和稳定性控制效果不好。提出一种改进的基于神经网络谐波平衡的非线性通信系统的稳定性控制模型,构建非线性通信系统模型,提取通信系统中的信号和信道特征,进行信道模型设计,采用神经网络控制方法,实现控制算法改进。仿真结果表明,采用该算法能有效提高非线性通信系统的稳定性,降低误码率,克服旁瓣中的相干分量干扰,接收端的冲激响应自相关累加输出稳定性较好,克服因振荡数据的非线性特性产生谐波振荡导致的通信误差,改善通信质量。     

基于Spike神经元的神经网络及其学习算法研究

Spiking神经网络是一种新型的神经网络,它采用更接近于生物神经元的Spike神经元作为计算单元,具有更好的生物特性。文中讨论了其原有的学习算法,提出了基于粒子群算法的学习模型,分析了该模型的算法时间复杂度。非线性分类问题的实验结果表明基于粒子群算法的学习模型具有更好的全局收敛性。     

一种新的电力系统短期负荷预测方法

针对电力系统短期负荷特性,提出了基于局部线性嵌入（Linear Local Embed,LLE）和支持向量机（Support Vector Machine,SVM）技术的短期负荷预测模型。该模型利用LLE算法对负荷样本的数据挖掘知识,得到了高维输入样本的低维映射,最后利用具有非线性拟合、泛化能力强的SVM进行回归。     

PSO-LSSVM的电力负荷预测研究

对影响电力负荷因素之间的非线性,有效提高电力负荷的预测精度,本文提出了一种最小二乘支持向量机(LSSVM)和粒子群优化技术(PSO)相结合的电力负荷预测方法。以历史负荷数据气象因素等作为输入,建立预测模型,对未来时刻电力负荷进行预测。该模型利用结构风险最小化原则代替传统的经验风险最小化,以充分挖掘原始数据的信息,并采用粒子群优化算法来优化最小二乘支持向量机的参数,旨在提高预测模型的训练预测精度。实际算例表明,使用PSO-LSSVM方法进行电力负荷预测,具有良好的可行性和有效性,与BP神经网络和LSSVM方法的预测结果相比,所提出的PSO-LSSVM模型预测平均误差仅为0.85%,具有更高的精度,适用于电力负荷预测。     

Ｈａｍｍｅｒｓｔｅｉｎ模型基于神经网络的预测控制方法

Ｈａｍｍｅｒｓｔｅｉｎ模型是化工过程中最常用的模型之一,它由非线性静态环节和线性动态环节串连 组成,适合描述ｐＨ过程和具有幂函数、死区、开关等非线性特性的过程．这类模型的控制问题可以分解 为：线性模型的控制问题和非线性模型的求根问题．针对Ｈａｍｍｅｒｓｔｅｉｎ模型提出了一种基于神经网络的 模型预测控制策略,采用一组神经网络拟合非线性部分的逆映射．这种方法不需要假设Ｈａｍｍｅｒｓｔｅｉｎ模 型的非线性部分由多项式构成,并且避免已有研究在无根和重根情况下存在的问题．最后通过仿真试验证明了以上结论．     

试论电力系统的谐波及其抑制措施

优质的电力供应应该提供具有正弦波形的电压,但在实际中供电电压的波形会由于某些原因而偏离正弦波形,即产生谐波。我们所说的供电系统中的谐波是指一些频率(在我国取工业用电频率50Hz为基波频率)整数倍的正弦分量又称为高次谐波。在供电系统中产生谐波根本原因是由于给具有非线性阻抗特性的电气设备(又称为非线性负荷)供电的结果。这些非线性负荷在工作中时向电源反馈高次谐波,导致供电系统的电压、电流波形畸变,使电力质量变坏。因此,谐波是电力质量的重要指标之一。