基于神经网络的锅炉系统漏风状况监测与诊断

在线确定锅炉系统区域的漏风状况是锅炉系统节能潜力诊断及经济性分析的一项重要内容，但对此目前尚无有效的方法。该文从锅炉系统能量平衡关系出发，构造了用于锅炉各主要区域漏风状况在线监测与诊断的人工神经网络系统，仿真试验表明：利用该诊断系统可以借助于现场的常规测点对系统各主要区域的漏风状况进行在线地监测与诊断；由于神经网络模型所固有的泛化功能，即使在测量信息不完备或存在明显的测量误差等情况下，上述的诊断系统仍然可以提供有意义的诊断结果，利用电厂锅炉现有的常规测点，通过合理选取神经网络的输入向量以及合理组织网络的训练样本，可以实现系统漏风状况的在线监测与诊断，上述研究结果对于提高电厂锅炉的运行经济性具有重要的指导意义。     

VB与Matlab间的无缝集成及其在故障诊断中的应用

利用ActiveX技术实现VB与Matlab间的无缝集成,大大缩短了程序的开发周期.设计实现了基于BP神经网络的故障诊断系统,提出了Matlab的Web技术,探讨了基于WWW的神经网络系统.     

自学习神经模糊负荷频率控制器的研究

为了解决实际电力系统运行条件经常变化和系统中存在不确定性等问题,提出使用神经网络和模糊控制理论以实现具有自学习功能的电力系统神经模糊负荷频率控制。控制器主要由一个含有两个隐含层的神经网络组成,连同输入层和输出层一起顺序完成模糊控制的每一步操作,在定义了适当的目标函数之后,采用ＢＰ算法,神经网络可自动由受控系统获取学习样本,并对网络的参数（连接权）进行优化,仿真结果表明了该方法的有效性。     

模拟电路的融合智能故障诊断

提出了一种基于遗传算法、神经网络、模糊集理论与数据融合技术相结合的模拟电路故障诊断新方法。该法使用多类电路测试数据来解决由于测试节点不足而带来的故障信息欠缺等问题，采用遗传算法来优化BP网络的结构与初始权值分布。对每类测试信息各用一个独立的所提遗传神经网络进行初步诊断，得到基于各类测试信息的被诊断电路属于不同故障状态的可能性。在充分考虑每个神经网络输出信息重要程度的基础上，采用模糊积分融合方法进行决策融合。文中研究了其故障特征提取、样本选择、诊断系统结构、学习算法及其综合决策方法，并通过电路诊断实例，阐述了该方法的具体实现，验证了所提方法的鲁棒性。诊断结果表明：所提方法对容差模拟电路的多故障与单故障诊断均适用，故障定位准确率高。     

电力调度楼万兆以太网升级改造方案

2006年初,山西省电力公司调度楼信息网络系统进行了全面的升级改造,采用了多项先进的网络技术,如万兆以太网、VRRP、VPN、综合认证平台等,使网络系统在功能、性能、可靠性、安全性等多方面都达到了崭新的水平,解决了现存的一些突出问题,为各地区分公司的网络改造积累了宝贵的经验.全面分析了原有网络系统中存在的问题,介绍了改造方案的规划、设计、实施和各项先进技术.     

TCP网络的自适应神经滑模控制

针对TCP网络的拥塞控制问题,考虑了TCP负载和往返时延具有较大的突发性和时变性的情况,结合滑模控制与RBF神经网络提出了一种主动队列管理算法。考虑到网络系统参数是未知时变的,采用RBF神经网络逼近网络系统参数,从而使得主动队列管理算法易于实现。依据李雅普诺夫稳定性理论设计了RBF神经网络权值的自适应律,使得网络系统参数得到了较好的估计。采用RBF神经网络的输出作为滑模控制器的参数设计了一种主动队列管理算法,使得网络系统是渐近稳定的。仿真结果表明所提出的算法与比例积分控制器和传统的滑模控制器相比具有较快的响应和稳定的队列长度,在网络参数变化时仍能获得较好的鲁棒性。     

基于DFNN的智能配电异构无线网络准入控制算法

为提高智能配电通信业务的服务质量,根据智能配电网对通信技术的要求,提出一种基于动态模糊神经网络(DFNN)的智能配电异构无线网络准入控制算法。在智能配电网络的异构准入控制模型中构建神经网络系统,以网络的接入阻塞率差作为系统参数强化学习的目标,对网络的负载均衡具有较好的动态适应性。神经网络系统在输入层较多时容易产生太多规则而影响决策结果,而DFNN通过计算当前系统规则的完备性,动态添加规则,并通过计算所有规则的重要性,动态删除规则,使得系统的规则有效而不冗余。仿真结果表明,该方法较多接入选择算法(MLB)明显降低了网络的接入阻塞率,相对于模糊神经网络算法(FNN)而言简化了系统结构,突出了规则的重要性,具有较低的接入阻塞率和更好的均衡效果。     

面向核电厂的智能诊断

本文阐述了智能诊断系统的框架结构，并以基于连接的模糊神经前置BP网络对给水、蒸汽泄漏故障进行诊断为例，论述模糊神经网络的核心技术，展望模糊神经网络在核电厂的应用前景。     

面向核电厂的智能诊断

本文阐述了智能诊断系统的框架结构，并以基于连接的模糊神经前置BP网络对给水、蒸汽泄漏故障进行诊断为例、论述模糊神经网络的核心技术，展望模糊神经网络在核电厂的应用前景。     

利用局域网延伸技术实现监控系统远程诊断

针对常规Modems拨号对电力监控系统远程诊断由于受通信速率、通道干扰等因素影响往往只能实现简单的查看等功能,而难以真正实现系统的远程维护,提出利用局域网延伸技术实现远程诊断,分析了利用网络延伸技术的要点以及通信结构,并对实现过程中需要解决的网络延时、转换接口、通道介质等关键技术以及网络安全问题进行解释。以太网式远程诊断系统的应用,有效地提高了监控系统的维护水平,使得系统故障得以及时的处理,提高了处理故障的效率。     

食用酒精发酵温度模糊控制

简要介绍了具有专家调整策略的神经网络自组织模糊控制器在食用酒精发酵温度控制中的应用。提出了一种具有自学习、自组织能力及模糊控制规则在控制过程中能自动地修正、自我完善和调整的神经网络自组织模糊控制器。并就其系统结构、仿真结果作了介绍 ,仿真效果达到了预期要求 ,结果令人满意。     

模糊B样条基函数神经网络的遥感图像分类器

本文针对遥感图像分类的特点，提出了一种基于模糊B样条基函数神经网络的遥感图像分类器。该分类器采用B样条函数作为模糊隶属函数，将模糊技术与神经网络相结合，利用神经网络实现模糊推理，从而使系统具备了自适应的特性。实验结果表明，这种基于模糊B样条基函数神经网络的分类器经过训练后，可应用于遥感图像的分类，其分类精度明显高于传统的最大似然分类法。     

基于神经网络的变电站绝缘在线检测专家系统的研究

分析了传统专家系统的不足,介绍了人工神经网络方法,建立了基于人工神经网络中的带冲量项的BP算法的网络模型,并将该模型应用到编制变电站绝缘在线检测专家系统中。     

神经元网络故障诊断技术的发展和应用

本文介绍了神经元网络故障诊断系统的基本特征,并着重阐述了神经元网络故障诊断专家系统的组成、结构和设计,最后概要介绍了模糊理论与神经元网络故障诊断系统的结合。     

A multi-stage intelligent system for unit commitment

A heuristic approach to power system generation scheduling is discussed. The proposed short-term unit commitment employs a multistage neural network expert system approach to achieve real-time processing results. The operating constraints are presented as, heuristic rules in the system where a feasible solution is obtained through inference. The neural networks are used at the preprocessor and postprocessor stages. At the preprocessor stage, a load pattern matching scheme is used to retrieve an optimal schedule that represents the closest solution to the given load profile from the database. At the postprocessor stage, a trained neural network performs considerable adjustments to achieve the optimal solution     

高压断路器故障诊断专家系统中快速诊断及新知识获取方法

高压断路器是电力系统关键设备之一，对其进行快速故障诊断对于事故发生后快速寻找故障发生的原因，解决事故源，确保电力系统迅速恢复正常运行有重要的意义。通过改进广义径向基人工神经网络(RBF)算法，使其具有快速故障诊断和网络自更新能力，并应用于断路器在线故障诊断专家系统。专家系统通过神经网络处理在线监测装置传送的故障数据，得到故障类型编码，利用该编码通过正向推理从知识库中找出对应的故障类型，并给出合理的故障解决办法。同时，利用神经网络的自更新能力和与专家系统的配合，专家系统还具有新知识的获取能力。     

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。     

一种基于多神经网络的组合负荷预测模型

针对BP神经网络、RBF神经网络和小波神经网络应用于负荷预测时所遇到的问题,提出了一种基于各种神经网络的组合预测模型。该模型为单输出的3层神经网络,即将3种神经网络的预测结果作为神经网络的输入,将实际负荷值作为神经网络的输出,使训练后的网络具有预测能力。该模型能降低单个神经网络的预测风险,提高预测精度。仿真结果表明,所提出的组合预测模型的精度高于其中任一单一网络模型,也高于传统的线性组合预测模型。     

基于多神经网络融合的短期负荷预测方法

为了利用不同深度神经网络的优势,提高深度学习算法对短期负荷的预测能力,提出一种基于多神经网络融合的短期负荷预测方法。以电力系统历史有功负荷、季节、日期类型和气象数据为输入特征,并行架构的深度神经网络和注意力机制网络为核心网络;以并行架构中的卷积神经网络通道提取静态特征,门控循环单元网络通道挖掘动态时序特征,采用注意力机制网络融合提取的特征并动态调整网络对不同特征的依赖程度;使用Maxout网络增强网络整体的非线性映射能力,通过全连接网络输出预测结果。与支持向量机、长短期记忆网络的算例结果对比表明,所提方法具有更高的预测平稳性和准确性。     

基于神经网络与专家系统的汽轮发电机组故障诊断系统

根据模糊神经网络和专家系统的特点。建立了模糊神经网络与专家系统相结合的汽轮发电机组故障诊断系统。系统采用模糊隶属度函数表示难以准确描述的领域专家知识;推理过程中,采用神经网络进行前向推理,并参考神经网络的输出。用专家系统进行反向推理,结合了神经网络求解迅速和专家系统解释清晰的优点,并提高了系统诊断能力;最后,采用信息融合方法处理冗余的诊断结果,提高了系统的综合诊断性能。