基于神经网络的配电网合环潮流分析

配电网络中普遍存在着合环操作,在合环操作前需要进行配网潮流分析。由于配网结构参数及电气测量的误差和不完整,在电力系统实际运行中经常遇到潮流解的不收敛。本文通过对BP神经网络输入充分数量的典型样本求解合环潮流,探索了神经网络在电力系统应用中存在的问题和可能的解决方法。算例表明了神经网络在电力系统中有着广泛的应用前景。     

基于P-Q解耦变换的智能电网状态估计算法

针对传统的电力系统状态估计算法存在计算精度低,运算时间成本高的问题,提出了一种基于P-Q解耦变换的电力系统状态估计算法.该算法将支路功率量测、负荷量测与电压电流幅值量测进行解耦.保留解耦后的非线性迭代表达式,得到变换后的功率表达式,并完成状态估计的优化计算. IEEE标准节点系统的测试计算结果表明,所提出的算法能够适用于不同网络拓扑结构的研究,并可以满足计算精度和计算时间的要求.     

基于神经网络法的配电网状态估计

对配电网状态估计的研究是建立起符合配电网特点的数学模型,本文尝试用神经网络方法对系统确定性部分进行状态估计,将网络不确定部分进行简化计算,从而得出全局的结果。通过并对量测数据进行检测,尽可能的提高数据精度。充分应用了配电网自身的特性生成行之有效的计算方法,从而为电力调度管理提供依据。     

基于神经网络法的配电网状态估计

对配电网状态估计的研究是建立起符合配电网特点的数学模型，本文尝试用神经网络方法对系统确定性部分进行状态估计，将网络不确定部分进行简化计算，从而得出全局的结果。通过并对量测数据进行检测，尽可能的提高数据精度。充分应用了配电网自身的特性生成行之有效的计算方法，从而为电力调度管理提供依据。     

基于RNN的智能电网拓扑变异型FDI攻击检测方法

针对近年来对智能电网运行状态构成严重安全威胁的虚假数据注入问题,提出一种基于循环神经网络的智能电网拓扑变异型虚假数据注入攻击检测方法.通过分析电力系统状态估计方法的不足和虚假数据注入攻击绕过系统监测与防御的入侵方式,引入循环神经网络分析连续数据序列的时序变化,并在IEEE-30节点系统上进行仿真验证.仿真结果表明,提出的方法能够高效、准确地检测智能电网中产生的虚假数据注入攻击行为,其检测准确率可达99.9%,相比于其他检测方法具有较大的优势.     

基于萤火虫算法优化BP神经网络的目标威胁估计

在萤火虫优化算法和BP神经网络的基础上,建立了萤火虫算法优化BP神经网络的目标威胁估计模型,并提出了基于该模型的算法。该模型和算法采用萤火虫算法优化BP神经网络的初始权值和阈值,优化后的BP神经网络能对测试集进行更好的预测。实验结果表明,萤火虫算法优化BP神经网络的预测误差明显小于BP和PSO_SVM。该模型和算法具有很好的预测能力,可以快速、准确地完成目标威胁估计。     

基于改进BP神经网络的手写邮政编码识别

为解决手写邮政编码识别困难的问题,引入改进的粗网格特征提取方法,对神经网络的网络输入进行简化,并且采用基于LM算法的BP神经网络来进行网络学习。LM算法是一种改进的高斯-牛顿算法,此算法通过简化的网络输入,进一步提高了网络学习的精度、稳定度和学习速度。仿真结果验证了此算法在手写邮政编码识别中的有效性。     

智能配电网状态估计方法研究现状分析

状态估计对智能电网的安全稳定运行起着非常重要的作用,输电网成熟的状态估计方法无法直接应用于配电网,因此配电网状态估计方法的研究仍处于初步阶段。通过分析和总结智能配电网状态估计方法的研究现状,为智能配电网状态估计技术的发展提供指导。首先,论述配电网状态估计的几种常用算法,包含静态、动态状态估计算法,并介绍几种改进的状态估计算法;其次,采用主要的算法对四节点系统进行建模仿真。仿真结果表明,改进算法估计精度高、使用内存小、计算速度快,估计结果可信度高,具有很好的实用价值。最后,对智能配电网状态估计下一步研究方向进行展望。     

基于BP神经网络对时滞系统的模型参数辨识仿真

主要研究了基于BP神经网络对时滞系统的参数辨识,分析了两种辨识结构和两种建模方法,对系统被控对象的建模采用了神经网络正模型,辨识结构为串-并联型.考虑加强BP网络的泛化能力,用随机数据去训练网络,然后得到训练后的权值,给一个阶跃信号,利用交叉两点法,从而得到时滞系统的特征参数.通过仿真,基于BP网络对时滞系统的参数辨识是有效的.     

基于BP神经网络的人脸图像识别方法的研究

提出了用BP神经网络对人脸图像进行特征提取和识别的方法,讨论了BP网络结构的设计,输入、输出层的设计,隐层结点数的选取等问题,对由10人,每人3幅图像组成的人脸图像数据库做识别实验,结果表明,BP具有很强的自适应性,对有噪声、残缺和戴眼镜的图像识别效果较好。     

基于平衡树的智能电网数据采集路由算法

在智能电网中,与传统路由协议不同,突发性拥塞不再是数据采集的主要风险,风险的新来源是数据流过度集中在网络的关键节点而导致的拥塞。为此,提出了一种能够实现数据平衡的数据采集路由机制用以克服网络拥塞。首先,该机制抽象出配用通信网络的数学模型;其次,针对无线网状网络( WMNs)路由协议,以节点排队队列长度作为决策参数建立路由度量模型(数据平衡度量模型,DBMM),并以度量值最小作为决策条件,设计了基于平衡树的路由算法(基于DBMM的路由算法,RA-DBMM)。最后,在Matlab环境下进行仿真实验,对比分析RA-DBMM和经典Bellman-Ford的性能差异。实验结果表明：RA-DBMM能够有效地改善数据拥塞问题,提高系统可靠性和吞吐量。     

基于平衡树的智能电网数据采集路由算法

在智能电网中,与传统路由协议不同,突发性拥塞不再是数据采集的主要风险,风险的新来源是数据流过度集中在网络的关键节点而导致的拥塞.为此,提出了一种能够实现数据平衡的数据采集路由机制用以克服网络拥塞.首先,该机制抽象出配用通信网络的数学模型;其次,针对无线网状网络(WMNs)路由协议,以节点排队队列长度作为决策参数建立路由度量模型(数据平衡度量模型,DBMM),并以度量值最小作为决策条件,设计了基于平衡树的路由算法(基于DBMM的路由算法,RA-DBMM).最后,在Matlab环境下进行仿真实验,对比分析RA-DBMM和经典Bellman-Ford的性能差异.实验结果表明:RA-DBMM能够有效地改善数据拥塞问题,提高系统可靠性和吞吐量.     

基于神经网络的机械故障诊断系统

给出了自适应神经网络学习模型及自适应神经网络的诊断过程，探讨了动量系数和学习率自适应调整的神经网络算法，进一步给出了动量系数和学习率的调整方法，并将其作为机械故障的特征识别方法．由此建立了基于神经网络的旋转机械故障智能诊断系统，给出了诊断系统的训练学习方式和工作方式．两种学习系统的训练方式，可作为旋转机械在线或离线故障诊断分析的重要方法．     

基于BP神经网络的火电工程项目风险评估模型

应用BP神经网络对火电工程项目风险进行评估。先建立评估模型,再求出模型中误差函数调节的连接权值和阈值,并将输出层作为网络结果输出。其训练网络的样本集为可信度高的权威性评价结果,可通过专家对以往类似装备研制过程的数据进行总结得到。将训练的权值和阈值储存,对拟评价的项目进行预测。模型自学习、自组织适应能力和强容错性能较强,可提高评估的可靠性,使结果客观。     

基于BP神经网络的定子绕组智能观测器的研究

在直接转矩控制系统中,异步电动机定子电阻在低速时受温度影响而变化,从而影响了控制系统的低速性能.介绍、分析了人工神经网络的特性及其算法,设计了一种基于BP神经网络的定子绕组智能观测器来估计运行中定子电阻的变化,并借助MATLAB辅助工具进行仿真.仿真结果表明该神经网络观测器检测误差在工程允许的范围之内.     

智能监控中的神经网络模型及提高应用效能的方法

探讨了选取人工神经网络的误差反向传播(BP)模型应用于智能监控的优点;讨论了将其应用于制造系统的监控和诊断时应注意的问题;提出了旨在提高BP模型应用效能的方法即\     

基于神经网络的交通标志识别方法

介绍了神经网络分类器的基本原理,针对3类交通标志,即禁止标志、警告标志和指示标志,提出了应用神经网络分类器进行交通标志自动识别的基本方法。神经网络分类器由两层网络联结而成,前层网络由单个BP网络完成交通标志的粗分工作,后层由3个BP网络将粗分结果分别进行细分,完成识别任务。此设计结构与传统的单层分类器相比,在训练速度和识别正确率方面都有较大的提高;显然,这与神经网络在解决小规模问题时正确率高、训练速度快相符合。同时,增加新的训练样本时,只要对相应网络进行训练即可,而不必对整个网络进行重新训练。实验结果表明,基于神经网络的交通标志自动识别方法,具有很好的识别效果。     

一种基于神经网络预测模型的DMC算法及其仿真

研究了一种基于神经网络预测模型的动态矩阵控制(DMC)算法,首先利用多层前馈神经网络辨识对象模型,同时预测对象的未来输出,然后用DMC算法进行滚动优化和反馈校正。通过对一类化工反应器非线性系统的仿真,结果表明该算法在非线性对象的任意工作点都可以通过神经网络辨识获得工作点附近的近似线性模型,具有较好的实时性。     

基于神经网络的广东省道路交通事故模型

在广东省历年道路交通统计数据的基础上,利用BP神经网络模型和Elman神经网络模型,对广东省道路交通事故进行了建模研究.应用Matlab软件对模型进行了计算实现,并对计算结果进行了分析,结果表明模型效果良好. 更多还原