《电力负荷预测》课程实验教学改革的探索

电力负荷预测实验不但是理论课的延伸和补充,更是不可缺少的重要环节。本文通过对以往实验教学的反思,从三个方面阐述电力负荷预测教学环节的改革方案和意义,其目的在于通过实验教学的改革,使学生扎实地掌握电力负荷预测的理论与方法,提高动手能力和实践创新能力。     

电力负荷预测技术研究

电力负荷预测是电力部门的一项重要工作,是城市电网规划中的基础性工作,为电网规划提供了必不可少的基础数据.文章对电力负荷预测技术的分类和特点进行了研究和阐述.     

基于神经网络的电力负荷预测系统设计

应用RBF(Radial Basis Function, 径向基函数)人工神经网络进行电力系统短期负荷预测.考虑了天气、经济、节假日等因素对电网负荷的影响,将负荷按照每周各日分类,共七种模式,学习样本选取每周中的相同类型日.在预测前还对原始数据中的伪数据进行剔除,提高了预测的精确度.利用从湖南省双峰电力局收集到的负荷数据进行网络模型的训练,所得结果表明了RBF网络对于负荷预测是有效性的.     

“电力负荷预测技术及其应用”课程的创新性

本文就“电力负荷预测技术及其应用”课程的体系、内容、手段三方面分析了该课程的创新性。     

电力负荷中期预测方法

本主要叙述了电力负荷中期预测中两种重要的方法：一元线性回归法和灰色预测法。简要介绍了根据历史数据进行预测的数学模型和过程，并指出了各自的特点及一些改进的方法。     

基于 DPSO-BP 网络模型的短期电力负荷预测

为准确、快速、高效地预测电网短期负荷,提出改进的粒子群算法(DPSO),并与BP算法相结合,形成改进的粒子群—BP(DPSO-BP)神经网络算法,用此算法训练神经网络,实现神经网络参数优化,得到基于DPSO-BP算法的神经网络模型.算例分析表明,与传统BP神经网络法和PSO-BP神经网络方法相比,该方法改善BP神经网络的泛化能力,预测精度高,收敛速度快,对电力系统短期负荷具有良好的预测能力     

一种使用混沌神经网络的电力负荷预测方法

本文对实际电力月负荷数据进行预处理,将其分为趋势序列和剩余序列两部分。计算剩余序列的最大Lyapunov指数、延迟时间等参数,发现其混沌特征。提出了一种使用混沌BP神经网络的电力月负荷预测方法。根据历史负荷序列预处理和Lyapunov指数估算,确定了网络的训练样本和网络参数,通过对实际电力负荷进行预测,结果显示该方法具有一定的可行性。     

普通日短期电力负荷预测的一种方法

电力负荷预测对电网的经济调度运行及电网的科学发展和合理规划可提供有力的科学依据．文中讨论了时间序列模型在短期电力负荷预测中的应用，提出了适合电网普通日电力负荷预测的数据处理方法，达到了一定的预测精度．     

基于BP神经网络的智能电网短期电力负荷预测

当前现有预测方法对智能电网短期时间内的电力负荷预测存在预测精度低、预测精度受气象条件变化影响等问题,现引入BP神经网络研究智能电网短期电力负荷预测方法：获取智能电网历史运行数据,对数据进行预处理,对样本进行归一化处理;利用BP神经网络构建电力负荷预测模型;建立模型训练网络拓扑结构,训练模型预测性能;完成电网短期电力负荷预测,并在考虑气象因素的情况下对预测进行补偿,得到预测结果。实验证明：新的预测方法在实际应用中预测精度更高,且预测精度不会受到气象条件的影响。     

《数据结构》课程的教学改革与实践

《数据结构》是计算机程序设计的重要理论技术基础,它不仅是计算机学科的核心课程,而且已成为其它理工专业的热门选修课。由于这门课程所涉及的知识比较抽象,因而在教学过程中存在许多问题。从教学实践出发,针对教学过程中遇到的问题提出了相应的改革措施。     

《电力电子技术》课程教学改革探索与实践

文章从课程体系、教学内容、教学手段、实践教学等方面进行了电力电子技术课程改革探索,提出了解决办法,并希望通过此研究,探索出一条适合高职院校课程改革工作的方法。     

基于粒子群算法与循环神经网络的短期电力负荷预测

针对循环神经网络算法在电力负荷预测中存在易陷入局部最小值和全局搜索能力较弱的缺陷,提出了基于粒子群算法和循环神经网络的预测方法|针对标准粒子群算法易因粒子早熟收敛现象而陷于局部最优的缺陷,提出了合理粒距的概念,生成一种改良后的学习方法。采用改良后的粒子群算法对结点权值参数进行寻优,以测量值与预测值的误差作为评价依据,从而实现模型参数的优化选择。最后采用改良后的粒子群算法和循环神经网络预测模型对短期电力负荷进行预测,并与标准粒子群算法循环神经网络预测模型和循环神经网络预测模型对比。实际算例比较表明,这种预测方法具有良好的收敛特性和较高的预测准确度。     

《电力电子技术》课程的教学改革与实践

针对高职院校<电力电子技术>课程教学的现状及其存在的问题,本文作者根据几年来对该课程的教学实践与探索,在分析一些教学问题的基础上,提出了解决问题的方法和建议,探索出一条适合高职院校课程改革工作的方法.     

基于组合模型的短期电力负荷预测研究

为了提高短期电力负荷的预测精度,提出了一种短期电力负荷预测模型。该模型包括蚁群算法优化的BP神经网络模型和灰色理论模型。蚁群算法优化的BP神经网络可以提高BP神经网络预测精度和收敛速度,灰色理论削弱了数据自身的随机性。结合两者优点,根据电力负荷的数据特征和两种子模型的预测误差,得出其在组合模型中所占权重,然后得到基于组合模型的预测值。应用组合模型对河南省某地区进行短期电力负荷预测,结果表明该方法比单个模型预测精度更高,能有效预测短期电力负荷。     

提高县级供电企业短期负荷预测精度的探究

以长兴供电局负荷预测实际工作为例,通过对县级供电企业短期负荷预测方法的探究,提出了提高预测精度的几种措施,并在实际运行中取得了很好的效果,给电网运行带来了一定的安全和经济效益.     

《电力拖动控制系统》教改探索和实践

引言《电力拖动控制系统》是普通高校自动化专业运动控制主线中一门重要的专业课程。一般而言,为了配合课程的理论教学,还设置了课程实验和课程设计两个教学环节。学习该门课程不但需要自动控制理论的知识,而且还具有很强的实践性。既难教,也比较难学。在传统的课堂教学中,一般采用的是“教师—黑板—学生”的教学模式,比较单调和枯燥,“教”与“学”很难在课堂中得到良好的协调,因而也就难以对教学内容进行及时而有效的消化,影响了教学效果。对于实验教学,由于实验设备的配置和台套数方面的原因,一直开展的不是太理想。对于课程设计这一重…     

基于模糊集的BP网络在电力短期负荷预测中的应用

在电力行业,预测电力短期负荷是一项重要的工作,准确预测电力负荷是实现电力管理现代化的重要内容之一.该文分析了基于模糊集的BP人工神经网络模型,并运用它来预测电力短期负荷.通过算例研究,证实了模型的准确性与可靠性,能较好地满足生产实践的要求.     

《通信原理》课程教学改革研究与实践

<通信原理>是电子信息、专科学校专业的主干课程.但在教学同实践中均存在许多难点.解决这些难点,应着手从激发学生学习兴趣、培养学生创新意识以及改善实验教学三个方面加以解决.