LS-SVM在电梯交通流预测中的应用

支持向量机是一种基于统计学理论学习的新颖的机器学习方法,该方法已广泛应用于解决分类和回归问题。提出一种基于时间序列的最小二乘支持向量机算法应用于电梯交通流的预测方法。仿真结果表明了这种预测方法的有效性。     

利用 GWO-LSSVM 算法对光纤压力传感器进行温度补偿

光纤压力传感器工作性能受温度影响较大,需进行温度补偿。针对这一问题,提出了灰狼算法与最小二乘支持向量机(GWO-LSSVM)算法相结合的软件补偿方案,利用灰狼算法在指定范围内迭代优化最小二乘支持向量机的惩罚因子ζ和核参数σ以求构建补偿算法模型。在不同温度环境下,对传感器进行标定试验测得传感器的输入输出数据,分成测试集和训练集。以测试集的预测值计算的均方根误差为适应度函数,将温度补偿问题转化为带约束的凸二次优化问题。结果表明,相较于补偿前,温度补偿后的光纤压力传感器的灵敏度温度系数由9.405×10^-3/℃提升到1.201 6×10^-4/℃,温度附加误差相对值由28.215%提升到0.481%,传感器的温度稳定性得到了很大程度的改善。     

基于改进LS-SVM的短期电力负荷预测方法研究

针对电力负荷随机性强、稳定性差、预测精度不理想等问题,提出了一种基于粒子群优化PSO和最小二乘支持向量机LS-SVM的短期负荷预测方法.模型的输入因子是负荷数据和气象信息等.粒子群优化算法用于实现支持向量机参数的自动优化,建立了基于粒子群优化的最小二乘支持向量机短期负荷预测模型.通过仿真验证了改进前后预测模型的准确性和...     

基于LS-SVM和PSO相结合的电力负荷预测研究

提出了一种基于最小二乘支持向量机(LS-SVM)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,对未来日最大负荷进行预测.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,并应用粒子群算法优化最小二乘支持向量机的参数,提高了预测模型的训练速度和预测能力.实际算例表明,使用上述方法进行电力负荷预测,具有良好的可行性和有效性,与BP神经网络法的预测结果相比,前者具有更高的精度和更强的鲁棒性.     

基于遗传算法的LS-SVM在谐波源建模中的应用

对现有的电力系统谐波源建模方法进行分析比较,提出基于最小二乘支持向量机的建模方法,并引用遗传算法对参数寻优以提高模型精度。为了验证方法的有效性,在不考虑和考虑供电端电压谐波含量两种情况下采用Matlab对晶闸管控制电抗器进行仿真提取训练数据并建模。结果表明采用基于遗传算法的最小二乘支持向量机建立的谐波源模型精度高,是谐波源建模的有效方法。该方法把建模对象当作黑箱,没有考虑内部机理,也可用于其他非线性负荷建模之中。     

基于遗传算法的LS-SVM在谐波源建模中的应用

对现有的电力系统谐波源建模方法进行分析比较,提出基于最小二乘支持向量机的建模方法,并引用遗传算法对参数寻优以提高模型精度.为了验证方法的有效性,在不考虑和考虑供电端电压谐波含量两种情况下采用Matlab对晶闸管控制电抗器进行仿真提取训练数据并建模.结果表明采用基于遗传算法的最小二乘支持向量机建立的谐波源模型精度高,是谐波源建模的有效方法.该方法把建模对象当作黑箱,没有考虑内部机理,也可用于其他非线性负荷建模之中.     

基于PSO优化LS-SVM的异步电动机振动故障诊断

为了提高异步电动机振动故障诊断的准确性,提出了基于粒子群算法优化最小二乘支持向量机的异步电动机振动故障诊断方法。先通过实验室对异步电动机各类故障的振动进行测试,对测试数据进行预处理,选择异步电动机不同位置振动信号的特征频率作为系统的输入,然后利用训练好的粒子群算法优化后的最小二乘支持向量机进行异步电动机振动的故障诊断。最终结果与其他诊断方法对比表明：该方法克服了样本训练时间较长并容易陷入局部收敛的缺点,同时诊断的准确率较高,有效地避免了异步电动机故障的误诊断。     

基于改进PSO的LSSVM参数优化在变压器故障诊断中的应用

提出了一种基于最小二乘支持向量机的变压器故障诊断的智能方法.为了提高故障诊断的精确度,利用改进粒子群算法来对最小二乘支持向量机进行参数优化,改进后的粒子群算法能够较好地调整算法的全局与局部搜索能力之间的平衡.试验结果证明:该方法不仅能够取得良好的分类效果,而且诊断速度与精度高于传统支持向量机和BP神经网络,更适合在变压器故障诊断中应用.     

基于改进PSO的LSSVM参数优化在变压器故障诊断中的应用

提出了一种基于最小二乘支持向量机的变压器故障诊断的智能方法。为了提高故障诊断的精确度,利用改进粒子群算法来对最小二乘支持向量机进行参数优化,改进后的粒子群算法能够较好地调整算法的全局与局部搜索能力之间的平衡。试验结果证明：该方法不仅能够取得良好的分类效果,而且诊断速度与精度高于传统支持向量机和BP神经网络,更适合在变压器故障诊断中应用。     

基于PSO优化LS-SVM的电力现货市场价格预测

为了提高电价预测精度,采用粒子群优化算法对最小二乘支持向量机的惩罚因子和径向基核函数宽度进行优化,建立基于PSO优化LS-SVM的电力现货市场价格预测模型.采用澳大利亚昆士兰州实际电价进行算例分析,结果表明,PSO优化LS-SVM的电价预测模型的平均相对误差和均方根误差分别为4.51％和6.96,均小于其他电价预测模型...     

电磁元件的误差补偿

提出了电磁元件的多种误差补偿法，这些补偿法可显著提高电磁元件的精度和性能，提高产品成品率。     

误差补偿电抗器补偿原理分析及设计验证

误差补偿用电抗器主要用于对供电型电磁式电压互感器负载误差的调节,由于误差补偿用电抗器的阻抗值需要与供电型电磁式电压互感器的一、二次漏阻抗值匹配,要求其具有较高的品质因数(Q值).本文介绍了供电型电压互感器误差补偿原理,分析了不同气隙下铁心电抗器交流电阻值的产生机理,并建立测试系统,对不同气隙长度下的铁心磁滞回线以及其对应的电感值及交流电阻值进行测试,掌握了铁心电抗器技术参数与气隙关系,并采用带气隙铁心电抗器对一台110 kV 60 kVA供电型电压互感器进行补偿.试验结果表明:铁心电抗器的磁路气隙越长,其磁导率越小,相应的交流电阻值和电感值越小,但由于铁心越不容易饱和,具有稳定阻抗值的工作电流动态范围越大.本文采用带气隙铁心电抗器对供电型电压互感器进行误差补偿,补偿结果表明,其误差能够满足0.2级误差限值要求.     

神经网络在感应同步器零位误差补偿中的应用

根据实际测量得到测角系统在0°~360°之间全部零位误差数据,分析测角系统产生奇、偶点跳跃零位误差的原因来自于感应同步器测角系统引入的非有效电势。以实测误差数据为样本,运用神经网络建立测角系统的角度测量误差模型,提出一种对奇、偶点跳跃的零位误差进行分段辨识方法,并设计完成一种组合神经网络误差模型。仿真研究结果表明用分段辨识方法建立的误差模型计算误差预测值准确,模型泛化能力强。该文设计的误差模型用于零位误差数据的补偿,可将测角系统的零位误差从±102减小至±1.02。     

电压监测系统光纤传输误差分析及补偿研究

采用预失真校正电路和误差曲线补偿的方法进行了误差补偿,提高了测量的准确度。     

电压互感器误差补偿及辅助互感器的应用

本文中作者介绍了电压互感器误差补偿的几种方式及接线方法,就接线方式以及误差补偿值进行理论分析,并与实际测试结果进行对比,指出了实际使用过程中的注意事项。     

电流互感器误差的数字补偿法研究

提出了一种提高电流互感器准确度的方法,并分析了该方法的基本原理和实现方式。     

电子式电度表测量误差的软件补偿

文中提供了影响全电子式电度表测量精度的主要因素采样误差的软件自校正补偿方法，其特点是硬件易于实现，无需反复调整一次完成。该方法提高测量精度的同时，可简化生产工序，为大批量高效率生产提供了一个重要的技术手段。     

数字SPWM调制信号截尾误差的补偿方法研究

电力电子变换系统中,数SPWM调制信号的截尾会带来误差,当调制信号幅值很低时,这个误差可能会大到严重影响系统的正常运行。设计了一种调制信号小数部分循环累加的补偿算法来消除误差,分析了数字调制信号截尾误差的产生原因,提取调制信号中被截尾的小数部分,并对小数部分进行循环递推累加补偿。与传统的调制信号小数直接被截尾相比,本文方法提高了调制信号的精度,减小了系统的控制误差,特别适用于数字SPWM调制信号幅值较低的应用场合。仿真和实验结果验证了小数补偿算法的有效性。     

改进残差灰色预测模型在负荷预测中的应用

本文介绍了传统残差灰色模型的基本原理和建立方法,针对模型中存在的问题对该模型进行了改进,运用马尔可夫状态转移矩阵来判断残差预测值在k>n时的符号,提高了预测精度。并用天津地区1995年到2002年的负荷量作为历史数据进行了预测,结果表明预测精度明显提高。     

电流互感器误差的数字补偿算法

分析了电流互感器的误差及产生的原因,由于电流互感器一次侧电流变化范围较大使得测量精度进一步下降,利用单片机及数字信号处理器的强大功能,提出了电流互感器误差的数字补偿算法,米提高其测量精度.通过实验计算分析,该数字补偿算法可较大提高互感器精度.