共查询到20条相似文献,搜索用时 15 毫秒
1.
提出了一种用于短期电力负荷预报的模糊神经网络预报方法,该方法可以直接由模糊信息预测出未来一天或一周的各小时负荷,文中通过实际处例证所提模型和方法的有效性。 相似文献
2.
根据异步电机的数学模型,提出基于模糊神经网络的异步电机转速估计方法。将传统参考自适应系统中原有的自适应调节机构用一个具有在线学习能力的模糊神经网络取代,得出了一种基于模糊神经网络的异步电机转速估计方法,并给出了速度估计器的模糊神经网络结构和学习算法。仿真结果表明,该方法能准确跟踪电机实际转速的变化,具有良好的性能。 相似文献
3.
基于模糊神经网络的异步电机转速估计方法 总被引:1,自引:0,他引:1
PENG Wang-cheng 《电机与控制应用》2008,35(7)
根据异步电机的数学模型,提出基于模糊神经网络的异步电机转速估计方法。将传统参考自适应系统中原有的自适应调节机构用一个具有在线学习能力的模糊神经网络取代,得出了一种基于模糊神经网络的异步电机转速估计方法,并给出了速度估计器的模糊神经网络结构和学习算法。仿真结果表明,该方法能准确跟踪电机实际转速的变化,具有良好的性能。 相似文献
4.
5.
基于减法聚类及自适应模糊神经网络的短期电价预测 总被引:1,自引:2,他引:1
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。 相似文献
6.
为了提高短期电价预测精度,分析了人工鱼群算法及其缺点,提出了一种弹性自适应人工鱼群算法(RAAFSA).应用RAAFSA算法训练BP神经网络,实现了BP神经网络参数优化,形成弹性自适应人工鱼群-BP神经网络混合算法(RAAFSA-BP),对贵州电网进行短期电价预测.仿真表明,弹性自适应人工鱼群优化的BP神经网络算法收敛速度快于BP神经网络算法和人工鱼群-BP神经网络算法,该混合算法克服了BP神经网络和人工鱼群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了BP神经网络的泛化能力,输出稳定性好,预报精度显著提高,各日预测电价的平均百分比误差可控制在2%以内,平均绝对误差最大值为1.762$/MWh.该混合算法可有效用于电力市场短期电价预测. 相似文献
7.
用于APF的神经网络自适应谐波电流检测方法 总被引:10,自引:0,他引:10
介绍了一种应用于有源电力滤波器APF(Active Power Filter)的神经网络自适应谐波电流检测方法。该方法应用自适应噪声抵消技术ANCT(Adaptive Noise Canceling Technology),将基波电流作为噪声信号,从负载电流中滤除,得到谐波电流。采用两层人工神经网络实现噪声抵消。阐述了该神经网络的构造和权值自适应调整算法,应用Matlab对该方法进行了仿真研究。仿真结果表明该方法能够实时准确地检测谐波.而且计算量小.具有较强的自适应能力。 相似文献
8.
基于模糊神经网络的电力负荷短期预测 总被引:5,自引:3,他引:5
针对电力负荷的特点,综合考虑了温度及日期类型等因素对日最大负荷的影响,提出了一种采用模糊神经网络进行短期负荷预测的方法,并详细介绍了该方法的实现过程。通过对EUNITE(the European Network of Excellence on Intelligent Technologies for Smart Adaptive Systems)网络提供的实际数据进行详细分析确定了影响日最大负荷的相关因素,进而选择了合适的模糊输入以建立相应的模糊神经网络预测模型,并取得了较为理想的预测结果。算例分析结果充分证明了模糊神经网络在短期电力负荷预测方面具有较好的应用前景。 相似文献
9.
10.
11.
分区支持向量回归及其在负荷预测中的应用 总被引:1,自引:0,他引:1
为解决局地短期电力负荷预测问题,给出了一种基于自适应聚类分区和支持向量机回归的多模型变结构负荷预测新方法.首先根据局地电力负荷的特点,使用模糊C均值聚类方法给出预测时间点的自适应分区;然后利用支持向量回归方法对不同分区分别构建预测子模型;最后提出一种基于仿真分析的模型评估和参数优化方法,在测试评估的基础上优化确定各子模型的参数,并适当调整各分区的结构.实验表明该预测方法比常用的神经网络预测方法具有更高的准确率和更强的鲁棒性. 相似文献
12.
文章利用模糊神经网络的模糊推理能力以及前馈神经网络的逼近能力,将其与自适应控制方案结合,并取带有控制增量约束的广义目标函数作为优化指标;从而推导出一种能对非线性非最小相位系统进行有效控制的模糊神经网络间接自适应控制器。在网络学习算法上分别采用Davidon最小二乘法和带有动量项的BP算法。仿真结果表明了该方法的有效性。 相似文献
13.
提出一种基于补偿模糊神经网络的电力负荷预测方法,介绍了给予模糊逻辑和神经网络的补偿模糊神经网络(CFNN)及其学习算法,充分利用神经网络非线性逼近能力的优点并结合CFNN学习速度快、全局稳态优化运算等特点,建立中期电力负荷预测模型,并用 MATLAB 编写了计算程序,进行了实例计算,并验证了 CFNN 用于电力负荷预测的有效性。 相似文献
14.
基于径向基神经网络和自适应神经模糊系统的电力短期负荷预测方法 总被引:24,自引:2,他引:24
针对实时电价对短期负荷的影响,建立了径向基(RBF)神经网络和自适应神经网络模糊系统(ANFIS)相结合的短期负荷预测模型.该模型利用RBF神经网络的非线性逼近能力对不考虑电价因素的预测日负荷进行了预测,并根据近期实时电价的变化,应用ANFIS系统对RBF神经网络的负荷预测结果进行修正,以使固定电价时代的预测方法在电价敏感环境下也能达到较好的预测精度,克服了神经网络在电力市场下进行负荷预测时存在的不足.某电网实际预测结果表明,该方法具有较好的预测效果. 相似文献
15.
有源电力滤波器(APF)的控制方法是影响有源电力滤波器补偿性能的关键因素,同时也影响其应用的范围。本文提出了一种更为先进、更能能体现有源电力滤波器非线性控制特点的控制策略—模糊自适应PI控制,并利用Matlab软件对该控制策略的可行性进行了仿真。 相似文献
16.
神经网络在线学习模糊自适应控制及其应用 总被引:10,自引:6,他引:4
基于反馈误差学习法,提出了一种神经网络在线学习模糊自适应控制结构。利用模糊推理机产生的分目标学习误差训练神经网络,避免了控制器的输出产生振荡或进入饱和状态。工程应用表明,该方法将模糊推理引入神经网络学习中,可有效地提高系统的控制品质。 相似文献
17.
18.
介绍了一种用于有源电力滤波器(Active Power Filter,APF)的神经网络自适应谐波电流检测方法。该方法利用了自适应噪声抵消技术(Adaptive Noise Canceling Technology,ANCT),神经网络采用了线性神经元,权值的调整采用了改进型变步长LMS算法,解决了负载电流突变时跟踪效果差的问题。应用Matlab对该方法进行了仿真研究,仿真结果表明无论负载电流突然增加还是减小,本方法均能快速地检测出谐波电流,且稳态精度高,实现简单,自适应能力强。 相似文献
19.
RBF神经网络与自适应模糊系统 总被引:1,自引:0,他引:1
从RBF神经网络与模糊推理诉等价性角度出发,给出了一种基于RBF神经网络的模糊系统实现形式,使模糊系统具有从输入输出样本数据中提取模糊规则的能力,从而使模糊系统具有自适应、自学习能力。仿真结果表明,该方法是可行的和有效的。 相似文献
20.
电力系统负荷预报的神经网络LBP算法 总被引:5,自引:0,他引:5
本文提出了一种能够反映工作日电力负荷波动性并可同时进行假日负荷预报的神经网络算法。该算法在一个神经网络中构造多个相互关联的子网络,将一周7日根据负荷特点分为四类特征日期,通过解码器根据输入的日期特征量激活对应的子网络,对基训练并作出预报。通过对实际系统的实验表明,该算法具有较高的预报精度。 相似文献