主成份分析法在电力负荷预测中的应用

负荷预测是电力系统运行和规划的依据。准确的负荷预测有利于提高电力系统运行的经济性和可靠性。提出了一种基于主成份分析法的电力负荷预测方法，通过对影响电力负荷的相关因素进行主成份分析，可以减少自适应神经模糊推理系统的输入量，从而提高系统预测的效率。算例表明所提出方法是有效和可行的。     

电力负荷的模糊预测方法

提出了一种组合式的模糊短期负荷预测方法。通过对负荷历史数据的离线动态学习，训练出 有关参数，经过模糊推理获得提前一步的负荷预测。系统中引入闭环模糊控制方法用以在 线消除预测误差，并设计了自适应的输出修正算法以排除可能存在的扰动影响。在描述模糊 负荷预测系统的设计、实现和应用的同时，还提出了一些负荷预测中所遇到的问题的解决方 法。     

基于自适应神经模糊系统的电力系统短期负荷预测

提出基于T-S模型（Takagi-Sugeno）的自适应神经模糊系统（ANFIs）。该系统采用减法聚类初始化模糊推理，把神经网络学习机制引入到逻辑推理中，并用混合学习算法调整前件参数和结论参数，自动产生模糊规则。应用武汉地区2005年夏季负荷数据对网络进行训练和检测，所得仿真结果表明此预测方法有效。     

用自适应模糊推理系统预测电力短期负荷

为寻求有效的电力系统负荷预测方法以提高预测结果的准确度,提出了基于Takagi-Sugeno(T-S)模型的自适应神经模糊推理系统(ANFIS)。该系统采用减法聚类初始化模糊推理,把神经网络学习机制引入到逻辑推理中,并用混合学习算法调整前件参数和结论参数,自动产生模糊规则。考虑气象、日期类型等因素后将学习样本分为3组进行训练和检测。该方法对于受天气影响较明显的电网,能有效防止不合理预测结果的出现。对于武汉地区实际负荷的预测结果的分析表明该方法有较高的预测准确度,取得了令人满意的结果。     

基于模糊推理算法的电力负荷预测系统的研究

针对时间因素、季节因素和随机因素对短期电力负荷的影响,以某一地区电力负荷历史数据为基础,利用模糊推理算法对短期电力负荷进行预测,实现电力负荷短期预测值的自适应调整,实时保证电力系统的供需平衡。对本地区进行短期电力负荷预测仿真试验,试验结果表明,使用模糊推理算法的短期电力负荷预测系统具有较高的准确度。     

基于模糊神经网络的空间负荷预测小区用地分析

对配电网的空间负荷预测方法进行改进，重点研究小区用地分析的模糊推理模型，把人工神经网络技术与模糊推理系统相结合的方法应用于小区用地分析。该方法采用人工神经网络技术提取模糊规则，形成一类具有学习功能的模糊智能系统，具有自适应能力强、推理效率高及知识表达能力较强等特点。以实例验证了该方法的有效性。     

一种基于自适应神经模糊推理系统的短期负荷预测方法

随着智能电网技术的发展,电网问题的管理变得尤为重要,负荷预测是电网管理的主要内容之一。本文针对小区域范围内电力系统负荷预测问题,提出了一种基于自适应神经模糊推理(ANFIS)方法,在每小时测量和记录电力负荷数据的基础上,利用提出的ANFIS模型进行了负荷预测。在所提的ANFIS模型中,只需要确定历史负荷参数,模型中的其他参数可由历史负荷参数计算得到。将实际负荷及其对时间的一阶导数、时间信息作为ANFIS模型的输入,预测下一个小时的负荷需求。采用均方根误差、标准均方根误差和平均偏差误差作为模型评价指标。实验结果表明,该方法适用于小区域的负荷预测。     

基于ANFIS的风力发电机组变桨距控制

风速的随机变化对风力发电机组变桨距控制提出了更高的要求,提出基于自适应神经模糊推理系统（Adaptive Neural Fuzzy Inference System,ANFIS）的风力发电机组变桨距控制策略,构造了风力发电机的数学模型,将实测的发电机转速和实际的发电机转速的误差作为控制器的输入,在随机风速下对自适应神经模糊推理系统控制器进行实验仿真分析.实验结果表明,采用自适应神经模糊推理系统控制的风力发电机组变桨距控制具有良好的鲁棒性和动态性能.     

基于小波去噪和PCA-ANFIS的SCR脱硝系统建模

针对选择性催化还原（SCR）脱硝系统非线性、时变和大滞后的特点,本文提出基于小波去噪和主成分分析、自适应神经模糊推理系统（PCA-ANFIS）而建立的SCR脱硝系统预测模型。通过分析不同阈值选取原则及不同小波基和分解层数的去噪效果,选取最适合系统数据去噪的rigrsure原则、软阈值函数、Sym10小波3层分解方式,对数据进行去噪处理,并利用主成分分析法进行数据降维。然后基于减法聚类构建ANFIS模型的初始网络结构,采用混合算法优化模型参数。最后利用某燃煤机组实际运行数据对模型进行验证,并与BP神经网络模型预测结果进行对比。结果表明,基于小波去噪和PCA-ANFIS的SCR脱硝系统模型具有较好的拟合精度和泛化能力。     

基于模糊推理的节假日负荷预测

由于节假日负荷成分与正常日有较大差异,加之样本较少,节假日短期负荷预测难度较大.而准确预测可以提高系统运行的可靠性和经济性.为了提高节假日负荷预测的精度,针对节假日负荷特点,利用相似日方法获得待预测日负荷归一化曲线,利用模糊推理方法对负荷水平年增长率进行调整.通过对实际负荷进行预报计算,结果表明预报精度较高,建议用于节假日短期负荷预测.     

自适应神经模糊推理系统在电力故障重现中的应用

将电力故障录波数据重现为实际波形对于继电保护测试和保护动作行为分析等具有重要意义。文章将自适应神经模糊推理系统和数字闭环修正技术应用于电力系统故障重现装置中,实现了整体数字域内的闭环控制,利用输出端回采数据与原始数据进行比较并修正信号源的方法极大地减小了故障重现的非线性误差。Matlab仿真和基于该算法的故障重现装置的实际应用证明了自适应神经模糊推理在故障重现中应用的可行性和有效性。     

基于减法聚类及自适应模糊神经网络的短期电价预测

提出了基于Takagi-Sugeno模型的自适应模糊神经网络的短期电价预测方法。首先采用减法聚类方法确定自适应模糊神经网络的结构，然后利用混合学习算法训练该网络的前件参数和结论参数，最后将影响未来日电价的相关因素输入到训练好的自适应模糊神经网络中进行电价预测。以美国加州电力市场公布的1999年负荷与电价数据进行模型训练和预测，结果表明采用该方法所建立的预测模型具有较高的预测精度。     

虚拟直流电机技术参数分析及虚拟惯量自适应控制

建立了虚拟直流电机控制系统的闭环传递函数,分析了虚拟直流电机惯量系数和阻尼系数对性能的影响,并建立了基于模糊神经网络的虚拟惯量自适应控制器,解决了虚拟惯量导致的电压恢复缓慢问题。基于虚拟直流电机控制系统的闭环传递函数,根据伯德图、极点分布图以及阶跃响应曲线分析了惯量系数和阻尼系数变化对虚拟直流电机控制系统性能的影响。根据惯量系数和阻尼系数变化对控制系统性能的影响,以及虚拟直流电机控制算法,设计了基于模糊神经网络的虚拟惯量自适应控制器,并通过对系统超调量的限定,设计了阻尼系数的整定方法。通过计算机仿真分析,验证了基于模糊神经网络的虚拟惯量自适应算法的正确性,证明了该自适应控制器的有效性。     

自适应卡尔曼滤波在电力系统短期负荷预测中的应用

将卡尔曼滤波原理运用于电力系统负荷预测通常是针对线性定常系统,并在定常噪声协方差的前提下进行,模型的灵敏度差和预报精度不高.作者考虑了电力系统负荷自身的变化特点,根据不同日期同一时刻的负荷历史数据建立了含有时变系数的负荷系统模型、观测模型和系统参数模型,采用两段自适应卡尔曼滤波方法,同时考虑噪声协方差对预测精度的影响,运用时变噪声统计估值器对噪声协方差进行自适应估计,用预测方程预测次日的负荷.结合实际电网数据进行的预测计算取得了较好的结果.     

Daily peak electricity demand forecasting based on an adaptive hybrid two-stage methodology

This paper describes daily peak load forecasting using an adaptive hybrid two-stage methodology. Because the time series of electricity consumption is mainly influenced by seasonal effects, the double seasonal Holt–Winters exponential smoothing method is firstly used for next-day peak electricity demand forecasting. In the second stage, the secondary forecasting model is applied taking into account the benefits of Fuzzy c-means clustering; K-nearest neighbors algorithm; Wavelet packet decomposition; and Adaptive Neuro-Fuzzy Inference System, for further improvement in forecasting accuracy. The whole architecture of the proposed model will be presented and the results will be compared with neural networks and stand-alone adaptive neuro-fuzzy inference system based approaches by using a gathered data from the Algerian power system. The results show that: (1) the proposed methodology is the best among all the considered schemes, (2) the FKW-ANFIS has satisfactory performance in both normal and special daily conditions.     

基于自适应神经模糊推理系统的风电功率预测方法

对风电场输出功率进行精确的预测是保证含大规模风电电力系统安全稳定运行的重要手段。文中对多步滚动预测模式进行了分析,并建立了ANFIS(自适应神经模糊推理系统)预测模型,进而实现对风电功率的实时滚动预测。以吉林省西部某风电场的实测数据为例进行算例分析,其中在形成初始模糊推理系统结构时,采用的算法是减法聚类,该算法有效的避免了人工设定结构法产生的组合爆炸问题。将基于线性回归法、滑动平均法和持续法进行风电功率实时多步滚动预测时得到的预测结果与利用所提出的ANFIS预测方法得到的结果进行比较,结果表明后者的预测精度更高,进一步说明了ANFIS预测模型的有效性。     

基于改进回归法的电力负荷预测

提出了一种基于改进回归法的电力负荷预测方法,在对历史数据进行分析和参数估计的基础上,先用岭回归法剔除奇异值,再用主成分回归法提取影响负荷的主要因素,得出模型的解析形式。针对实际系统的应用验证了该方法不仅适用于短期负荷预测,也适用于超短期负荷预测。此外建立了一些特定因素的模糊函数,在超短期负荷预测过程中采用了聚类分析法提取负荷相似日。通过不同的简化,该方法可蜕化为传统的Kalman预测、相似日预测和神经网络预测,是一种比较全面的负荷预测方法,可得出高精度的预测结果。     

基于改进算法的自适应神经模糊推理系统控制的交流变频调速系统的研究与仿真

交流电动机是一个多变量、非线性对象,其静态和动态特性以及控制较之直流电动机要复杂得多。本文针对交流电动机矢量控制系统因电机参数变化和负载波动等因素而使性能变差的问题,设计了一种基于改进算法的自适应神经模糊推理系统（ANFIS）的交流电动机矢量控制系统速度调节器。仿真实验结果表明,使用自适应神经网络的模糊推理系统控制的异步电机矢量控制系统不仅动态和稳态性能都得到提高,而且具有较强的鲁棒性。     

基于ANFIS控制的交流变频调速系统研究与仿真

交流电动机是一个多变量、非线性对象,其静态和动态特性以及控制较之直流电动机要复杂得多。针对交流电动机矢量控制系统因电机参数变化和负载波动等因素而使性能变差的问题,设计了一种基于改进算法的自适应神经模糊推理系统（ANFIS）的交流电动机矢量控制系统速度调节器。仿真实验结果表明,使用自适应神经网络的模糊推理系统控制的异步电机矢量控制系统不仅提高了动态和稳态性能,而且具有较强的鲁棒性。