神经网络在电力系统短期负荷预测中的应用综述

神经网络是目前研究最多的短期负荷预测方法。详细综述了BP网络、RBF网络以及小波神经网络在电力负荷预测领域的研究和应用现状。简单介绍了神经网络中常用的BP算法以及改进的BP算法。综述了神经网络在组合预测中的应用，并指出目前神经网络还存在的一些问题。     

准抗毁化电源蓄电池SOC预测的GA-BP网络方法

针对蓄电池荷电状态的预测问题,从蓄电池荷电状态与其可直接测量的外特性参数之间不确定的非线性关系出发,依据BP网络映射功能使其可以以任意精确度逼近非线性函数、遗传算法的良好全局搜索寻找最优能力使其解决BP网络盲目选择初始权值、阈值的问题,并利用数值最优化LM算法训练BP网络使其解决BP网络收敛速度慢和容易陷入局部最小值的问题,提出了一种蓄电池荷电状态预测的遗传算法和BP网络相结合方法.设计了准抗毁化电源蓄电池荷电状态的BP网络和GA-BP网络预测模型.仿真结果表明,预测模型经过训练后,可以通过蓄电池的实时外特性参数预测蓄电池的实时荷电状态;GA-BP网络的收敛速度和预测精确度均优于BP网络.验证了GA-BP网络预测方法的有效性.     

基于网络动态重构的配电系统优化调度方法研究

为解决配电系统中网络资源利用率低、网络损耗大的问题，设计了一套配电系统对配电网进行动态重构，构建出改进型混沌进化算法模型以优化网络配置。改进型混沌进化算法模型融合反向传播(back propagation, BP)神经网络算法模型，通过混沌进化算法模型对重构后的配电系统进行优化，通过BP神经网络算法模型提高优化的精度，结果提高了配电系统优化调度能力。试验结果表明，提高了优化能力和网络资源利用率，降低了网络能耗。     

基于隐层优化算法的模糊BP网变压器故障诊断

针对变压器故障诊断BP网络隐层节点数过少或过多造成的学习过程不收敛、网络范化能力弱等问题，文章采用隐层优化算法，给出了合理的网络结构，并在此基础上训练网络，给出实例验证了该算法的有效性。     

基于神经网络的电站锅炉故障诊断研究

应用模糊模块化神经网络和递推合成BP网络，并结合混合型知识表示和知识获取方法、基于知识的专家系统等技术对锅炉故障诊断与预测问题进行了研究。文章所建的用于锅炉故障诊断的模糊模块化神经网络模型因进行了样本聚类．实验结果表明：其网络训练的速度和精度明显提高，同时有效地解决了BP网络应用于复杂的锅炉系统故障诊断时容易陷入局部最小点的问题。且该网络采用多输出的结构，不仅能对故障是否发生进行诊断，而且还能判断故障发生的严重程度。     

基于级联神经网络的短期负荷预测方法

针对常和BP算法预测速度慢、易陷入局部最优解的缺点，提出了基于RBF网络和BP网络的级联神经网络预测方法，把天气因素和历史负荷对负荷预测值的影响分开考虑，其中RBF子网络用于描述历史负荷的影响，BP子网络则对在RBF子网络中难以考虑的天气因素给出了较好的映射关系，最终将两个子网络组合为一个级联神经网络，一系列的研究算例证明该方法是快速，准确的。     

基于BP网络的开关电源故障诊断方法研究

分析了开关电源故障诊断方法研究的现实意义,以BP神经网络、数据模糊化和功能测试理论为基础,针对开关电源电路特征提出了采用功能BP网络与子模块BP网络相结合并行处理方法,首先避免了建立庞大的BP网络,其次解决了大规模模拟电路功能模块串行处理效率低的问题.测试和仿真结果表明,所提出的方法能够有效地诊断模拟电路故障模块和故障元件.     

Powell 法与BP法训练人工神经网络效果之比较

在机械设备的故障诊断中，常采用BP网络算法对故障进行诊断计算，但由于BP网络易于收敛于局部极小点，且在初始参数与网络结构选取不当时，网络将出现发散现象。为了克服这一缺陷，该文提出将神经网络优化算法应用于汽轮发电机组的故障诊断中，实现了神经网络权值和阈值的快速计算，并以汽轮发电机组的故障诊断为背景，将神经网络快速算法的结果与BP网络算法的结果进行比较，证明该方法不但比BP算法精度高且收敛速度快、可靠性好。     

涡流无损检测中快速识别方法的研究

本文首先用BP网络完成了涡流无损检测中缺陷的快速识别。针对BP算法存在着收敛速度慢、易陷入局部极小的缺点，作者将RBF（Radial Basis Function）网络应用于涡流无损检测。结果表明RBF算法的收敛速度较BP算法快得多。RBF网络适于在线检测。     

改进的BP网络在凝汽器故障诊断中应用

针对BP网络学习收敛速度慢和易陷入局部最小点的不足，提出了一种恒误差修正率控制的网络学习率自适应调整方法。将这种改进的BP网络算法应用于凝汽设备故障诊断中，在1台300MW机组上取得了实效。     

基于粒子群优化算法的BP网络模型在径流预测中的应用

本文介绍了一种全局随机优化算法一粒子群优化算法,并将其用于BP网络模型,对模型参数进行优化来提高模型的收敛速度和精度。最后利用参数优化前后的BP模型进行径流预测,结果表明模型收敛速度和精度明显提高。     

基于GA优化BP神经网络的液压钻机故障诊断

针对BP神经网络应用于故障诊断时存在着收敛速度慢、易陷入局部最小值等问题,提出了一种基于遗传算法(GA)优化BP神经网络的液压钻机故障诊断方法.利用GA的选择、交叉和变异操作优化BP神经网络的权值和阈值,提高网络训练的收敛速度.根据液压钻机工况参数提取的特征信号,进行归一化处理建立样本,利用训练样本对网络进行训练,根据训练结果进行故障诊断.仿真结果表明,GA优化的BP神经网络迭代次数少,收敛速度快,能够对测试样本进行有效地分类,故障诊断正确率高.     

基于差分进化算法与BP神经网络的变压器故障诊断

针对BP神经网络在识别变压器故障时容易陷入局部最优、诊断精度低、收敛速度慢等缺点,提出一种自适应差分进化算法与BP神经网络相结合的变压器故障诊断方法。该方法采用差分进化算法优化BP神经网络初始权值和阈值,将优化结果赋值BP神经网络进行网络训练,最终得到用于变压器故障诊断的最佳网络模型。实验结果表明,该组合算法比传统BP神经网络具有更高的诊断精度和更快的收敛速度,是一种更适合变压器故障诊断的高效方法。     

粒子群优化算法及其在神经网络中的应用

对基本粒子群优化PSO算法进行改进,并将改进粒子群优化算法与误差反向传播BP算法结合。与传统BP网络诊断结果相比,本方法具有运算效率高、收敛速度快的特点,是一种有效可靠的新型故障诊断技术。     

遗传算法改进的BP神经网络对汛期三门峡水库泥沙冲淤量的计算

本文针对BP神经网络收敛速度慢和易于陷入极小值的问题，采用将遗传算法全局寻优和BP神经网络局部寻优相结合的方法，提高了BP神经网络的计算精度和收敛速度。应用该模型和一般BP神经网络模型对汛期三门峡水库的泥沙冲淤量进行了计算和预测。数值结果对比发现，经遗传算法改进后的BP神经网络模型在降低计算和预测的平均误差的同时，迭代次数比一般BP神经网络模型也大大减少。因此适用于求解如计算水库泥沙冲淤量等非线性问题。     

激励函数可调的混沌神经网络短路负荷预测

为提高BP神经网络的收敛速度并避免陷入局部极小,提出了一种多参数可调激活函数的人工神经网络,推导出相应的BP学习算法并将改进的BP算法和混沌优化算法相结合,使混合算法的学习向全局最优方向进行以不至于陷入局部极小。在非线性函数仿真和短期负荷预测的研究中,该算法和传统BP算法的对比试验显示,改进算法的收敛速度更快、预测精度更高。     

曲线线性搜索的共轭梯度法

本文根据McCormick等人提出的曲线线性搜索的思想求解有约束优化问题,选用了收敛速度较快的共轭梯度方向,并运用罚函数实现有约束到无约束的转化,同时给出保证收敛的条件及收敛定理的证明。此法对求解一般有约束优化问题是一个新的尝试。     

基于遗传算法的神经网络在发电机定子超高频局部放电模式识别中的应用

介绍了发电机定子局部放电高频在线监测系统的结构特点及对局部放电特征的提取,应用BP算法、自适应遗传算法AGA和AGA—BP神经网络对发电机定子超高频局部放电的三种放电类型进行了模式识别。结合AGA和BP算法各自的优点,构造了AGA—BP混合算法作为神经网络的学习算法。实验结果表明,AGA—BP神经网络解决了BP神经网络对初始权值敏感和容易局部收敛的问题,提高了AGA神经网络的收敛速度、稳定性和求解质量。     

基于移民算子遗传BP神经网络的模拟电路故障诊断

针对传统BP神经网络实现模拟电路故障诊断时存在的缺陷:容易收敛于局部最优值且训练时间过长等,提出了利用遗传算法(GA)优化的BP神经网络来对模拟电路进行故障诊断的方法.实验结果证明,优化后的BP网络可有效地避免收敛于局部最优值,大大地缩短了训练时间.同时为了提高遗传优化的收敛速度和精度,避免"早熟"现象,本文提出了一种引入移民算子的遗传算法,仿真结果表明了该算法的有效性.