基于惩罚加权支持向量机回归的径流预测模型

径流预测是水文科学研究的重要内容。针对径流时间序列的特性,本文尝试建立了一种惩罚加权支持向量机回归的径流预测模型。通过与BP神经网络和标准支持向量机的结果进行比较,表明该模型预测精度更高,可以用于河川径流的中长期预测。     

基于排序法级联无刷双馈电动机预测控制

本文根据级联式无刷双馈电动机统一坐标系下的数学模型,推导了电磁转矩和控制电动机定子磁链的预测方程。将基于排序法的预测控制方法引入无刷双馈电动机,摒弃了传统评价函数中的加权系数,省去了控制系统需要根据具体的控制要求反复对加权系数调节的过程。进行仿真实验,控制结果与DTC控制方法进行比较,结果证明基于预测控制的方法能够有效地减小转矩脉动、改善电流谐波,并且同样具有很好地动、静态性能。     

热电成本分摊方法的研究

本论文以某热电厂1台50MW供热机组为例．利用热量法和实际焓降法对热电煤耗进行分摊并进行了比较：利用提出的加权法对热电成本进行了分摊,并与基于传统方法的热电成本进行了比较。     

基于加权半方差的含风电电力系统旋转备用效益研究

在考虑系统旋转备用的容量成本和能量成本、因购买旋转备用而减少的停电损失,以及旋转备用效益的离散程度的基础上,引入风险偏好系数,并采用证券投资组合中的加权半方差度量风险。以期望旋转备用效益最大和风险最小为优化目标,建立基于加权半方差的含风电电力系统旋转备用效益-风险模型。采用蒙特卡洛模拟法模拟实际负荷功率偏差和风电出力预测偏差,并通过多目标纵横交叉算法求得期望旋转备用效益-风险有效前沿和日前旋转备用计划,以及风险偏好系数、可靠性水平、预测偏差、失负荷损失价格、旋转备用价格对期望旋转备用效益和风险的影响。算例验证了所提模型的合理性。     

加权模糊回归方法在电力负荷预测中的应用

探讨了社会经济指标及其时间序列对电力负荷影响的程度，采用模糊数学和优化理论建立起一套加权模糊预测模型．通过对深圳地区远景年电量的预测实例表明，该预测方法是可行而有效的．     

焊接钢结构疲劳强度预测的应力场强模型研究

考虑材料、几何形式、受载形式、应力梯度、焊接残余应力等多种因素对焊接钢结构疲劳强度的影响，用应力场强参数描述焊接钢结构的疲劳强度特性，建立了有效应力集中系数的应力场强预估模型．应用所建立理论预测了几类典型焊接钢结构的疲劳强度，并与实验进行了比较，获得了令人满意的结果．用该方法预估焊接钢结构的疲劳强度，能大量减少疲劳实验，节省经费开支，对工程应用有参考价值．     

双加权最小二乘支持向量机的短期风速预测

提出了双加权最小二乘支持向量机的短期风速预测方法。考虑到离预测点越远的历史风速数据对预测值的影响越弱,对训练样本中输入向量数据进行第1次加权,以体现不同元素对预测影响的差异。同时为区分训练样本的差异性,降低异常样本的干扰,对训练样本进行第2次加权。对双加权后的训练样本,采用加权最小二乘支持向量机模型进行预测,降低了对异常点的敏感度,实现了对不同样本的区别对待。根据某实测风速数据进行了风速预测,结果表明,所提方法能提高风速预测精度。     

光伏电站巡检机器人电磁导航系统设计

针对电磁导航巡检机器人转向控制精度的问题,提出一种基于传感器加权数据融合的转向控制策略。为了准确计算出巡检机器人的转向角度,利用8个在机械机构上对称分布的传感器进行信号检测,对传感器数据进行加权融合后获取机器人偏离导航线位置,给出了加权系数计算过程和位置-转向角度关系曲线。该方案计算量小,程序控制简单,非常适合在微控制器上进行应用。     

海量数据下的电力负荷短期预测

该文研究海量数据下的短期电力负荷预测方法,基于局部加权线性回归和云计算平台,建立并行局部加权线性回归模型。同时,为剔除坏数据,采用最大熵建立坏数据分类模型,保证历史数据的有效性。实验数据来自已建的甘肃某智能园区。实验结果表明,提出的并行局部加权模型用于短期电力负荷预测是可行的,平均均方根误差为3.01%,完全满足负荷预测的要求,并极大地减少了负荷预测时间,提高预测精度。     

加权多分位鲁棒ELM的短期负荷预测方法

为获取足够精确的短期负荷预测值作为电力系统规划和运行的依据,提出一种加权多分位鲁棒极限学习机ELM(extreme learning machine)的短期负荷预测方法。首先融合分位回归与鲁棒ELM形成多分位鲁棒ELM基本预测模型,然后通过选取不同的分位值来模拟所有的可能性预测场景,以此得到不同分位场景下的预测值。最后按照“误差大、权值小;误差小、权值大”的误差反馈加权原则对上述不同分位下的预测值进行加权求和,以此得到最终的预测结果。实例证明该混合模型预测方法适用性强,且能取得较高的预测精度。     

基于改进的并联灰色神经网络模型在电力需求预测中的应用

为了提高电力需求预测的精度,分析现有人工神经网络和灰色预测方法各自的优缺点,将二者相结合提出一种并联灰色神经网络预测方法.新方法首先采用灰色模型、神经网络分别进行预测,而后给出了一种基于粗糙集理论确定权值的方法对加权系数加以确定,最后对预测结果加以组合作为实际预测值.用上述并联灰色神经网络模型对上海市的电力需求进行预测...     

基于Matlab神经网络工具箱的电力负荷组合预测模型

在电力系统负荷预测中，组合预测是一种有效的方法。该方法通常是采用对单个预测模型进行加权处理，要求参加组合预测的模型误差能保持稳定，但电力负荷预测结果的误差往往是非均匀性的，针对上述做法存在问题，提出了基于人工神经网络的组合预测模型，利用人工神经网络对复杂非线性系统的拟合能力，通过网络训练自适应地调整各种预测模型的权重，同时，为了避免用常规语言建立人工神经网络负荷预测模型存在的模型结构复杂，训练时间长等缺点，利用Matlab神经网络工具箱建立组合预测模型，该模型不仅编程简单，而且收敛速度快，算例表明了该模型的实用性和有效性。     

考虑市场力的短、中、长期电价预测

分别介绍了采用BP神经网络模型和线性回归模型进行电价预测的方法和结果。方法的突出特点是在预测模型中引入了一个衡量市场力的新指标——发电容量必须运行率(MRR)，从而充分考虑了市场力对电价的影响，提高了电价预测的精度，特别是增强了短期预测模型对最高限价的预测能力。文中对MRR指标进行了简单的介绍，并针对电价预测的不同特点，对预测模型和预测变量的选择进行了探讨，提出了自己的观点。基于浙江电力市场实际运营数据的初步预测结果表明，所建预测模型是适用的，选择的预测输入变量是恰当的，电价预测精度能够满足电力市场实际运营的需要。     

电力负荷组合预测模型权重算法设计与应用

为改善电力负荷预测模型的拟合能力和提高预测精度,提出集结多种单项预测模型信息的组合预测模型,其关键点是确定各单项预测模型的权重系数。以历史拟合效果最佳为目标,利用目标函数和约束条件的特性,应用最优化计算方法中的混合罚函数法和最速下降法设计权重系数的算法,并通过计算机程序求解。将组合预测模型应用于广东省开平市的电力负荷预测,其拟合方差比各单项预测模型的拟合方差小,说明该组合预测模型比任一单项预测模型优。     

基于卡尔曼滤波的电力系统短期负荷预测

介绍了卡尔曼滤波的算法,给出了一套递推计算公式,将此算法应用于短期负荷预测,并针对负荷预测本身的特点对算法进行了改进,用两种算法进行了实际的负荷预测计算,取得了比较准确的预测结果。     

应用模糊线性回归模型预测中长期电力负荷

针对负荷影响因素的复杂性和不确定性,结合模糊数学和线性回归模型,讨论应用模糊线性回归模型预测负荷的变化区间。推导了模糊线性回归模型参数求解的数学模型,详细讨论了隶属度的取值对模型参数的影响。应用该模型进行实际预测,分析结果表明该方法的有效性。对模糊预测结果的评判进行了探讨,提出了利用实际值在预测区间的隶属度之和判别预测结果优劣的方法。     

基于最大信息压缩指标与层次分析法的电力负荷组合预测模型

提出一个基于最大信息压缩指标与层次分析法的电力负荷组合预测模型,采用最大信息压缩指标评价单个预测模型的精度,用层次分析法确定各个模型以权重。最大信息压缩指标越小,信息损失越少,权重越大.实例分析表明该组合预测模型预测精度高.     

灰色自适应滤波组合优化预测模型及其应用

利用时负荷的周期性,分别建立了灰色模型和自适应滤波模型,按照组合预测理论,对两种模型进行组合以提高预测精度,经实例验证,结果令人满意。     

雨季段中长期预报模糊聚类模型及其应用

为了克服对中小流域作径流预报时收集预报因子的困难，在中长期径流模糊聚类预报模型基础上，结合径流的周期变化规律，提出了雨季段中长期模糊聚类预报模型。该模型从雨季段径流的周期性规律中提取预报因子，把模糊聚类预报模型从年径流预报推广至雨季段径流预报。在对丰潭水电站雨季段径流的预报中，取得了满意的结果。     

新时期医药商业贿赂的特点及治理对策探讨

目的寻找新时期医药商业贿赂的治理对策。方法分析新时期医药商业贿赂的新特点和查处时存在的困难、障碍;有针对性地提出治理对策。结果与结论采取多部门协作、加大处罚力度、完善监督立法、加强医生处方行为的控制、充实监管队伍等措施,对于医药商业贿赂的治理具有积极意义。