电力系统负荷预测的周期性可调灰色模型

本文针对电力系统负荷变化的不可控性和周期性,通过采用Census Ⅱ分解方法分析季节因子,与历史负荷相比较,得到一系列长期趋势项,然后用可调灰色模型对分离出的长期趋势项进行预测,并用二分法调整u,v的取值,使得误差最小.将预测出的季节因子与长期趋势项重新组合,就得到日用电量的预测结果,实例表明,本系统对于呈周期性变化的电力负荷具有较好的预测效果.     

电力系统中长期负荷预测的灰色动态模型研究

建立了电力系统月负荷及年负荷预测的灰色动态模型，并验证了其准确性，为电网调度自动化和经济发展规划提供了较可靠的依据。     

小波-人工神经网络组合模型在电力负荷预测中的应用

本文作者从小波分析与神经网络技术的耦合途径着手研究,实验结果表明只要充分发挥它们各自的优势,就能为电力负荷预测提供更有效更精确的模型.     

小波奇异性检测理论在电力系统负荷特性分析中的应用

首先阐述了基于小波分析的奇异信号检测理论,以一组仿真信号为例说明了小波变换在奇异信号检测中的实现过程,并通过计算Ｌｉｐ指数,定量刻划了信号奇异点的奇异程度。最后将其应用于电力系统负荷状态检测及故障诊断中,取得了较为满意的效果。     

小波回归分析法在短期电力系统负荷预测中的应用

利用多分辨分析的小波变换对短期电力负荷序列进行了分解处理.将负荷序列投影到不同的尺度上,根据其在各尺度上子序列的特性分别进行回归预测.最后将预测结果叠加,得到最佳预测结果.结果表明,该方法能够取得较好的预测精确度.     

基于时间序列和神经网络的电力系统负荷预测

针对采用时间序列对电力系统负荷进行预测时，无法考虑温度变化等因素的影响，利用神经网络的非线性拟合能力，提出了一种基于时间序列和神经网络组合的电力系统负荷预测方法。在时间序列法中，通过大量的历史数据随机序列对负荷进行预测，对于其结果再通过神经网络进行修正，算例表明所提方法是可行而有效的。     

基于小波系数和BP神经网络的电力系统短期负荷预测

提出了一种基于小波系数和BP神经网络相结合的电力系统短期负荷预测新方法。把过去直接对负荷序列的预测替代为对小波系数的预测,并对小波细节系数作分层软阈值处理。详细介绍了小波系数结合BP神经网络进行预测的新方法,并给出算例验证。     

小波熵及小波变换的短期负荷预报

基于小波分解理论,借助db8小波函数,对历史数据进行尺度为3的静态离散小波变换,并将小波熵引入到电力负荷预报工作中,用于处理电力负荷的历史数据.选取一定小波熵阈值,识别出历史数据中的非正常数据,可以提高负荷预测的准确性.对于各个分解尺度的小波系数分别进行预测,通过小波重构,得到预测值.预测结果表明,这种方法具较高预测精确度及适应性.     

基于单神经元PID控制的温度控制系统

利用神经网络的自学习特性,将神经网络与PID控制方法相结合,实现对温度控制系统的在线智能控制。仿真结果表明,该温度控制系统具有很好的控制效果。     

基于运行模式的电力系统负荷预报方法

针对负荷预报业度问题了一种基于运行模式的电力系统负荷预报方法,实践证明,该方法能够消除包含平均处理数据样本预报方法所产生的缓陡问题,具有精度高和便于合理利用原始特点。     

DB小波与RBP神经网络的短期电力负荷预测

基于DB小波与BP神经网络,提出一种DB小波与RBP神经网络的方法对短期电力负荷预测.运用DB小波能够精确地提取时间序列的细微特性和RBP网络的输出反馈作为输入神经元数据增加了数据信息量的特点,构建了DB与RBP预测模型,经实际数据证明该方法提高了预测的精确性.     

基于小波分析的负荷突变在线监测方法

首次对负荷突变在线监测问题作了研究,提出了一种基于小波分析的负荷突变在线监测方法,它不仅可以准确判定负荷突变发生时刻,而且可以数值化地具体反映负荷突变程度。数字仿真及实验结果证明该方法是切实可行的。该方法已成功应用于笼型异步电动机转子断条故障的在线监测中。     

基于小波包变换的电力系统谐波检测

阐述小波变换和小波包变换的基本原理,介绍小波变换的时频局部化特性,说明了在小波变换基础上建立的小波包变换,能够实现频带的均匀划分,能更有效地进行谐波的检测和分析,并利用小波包变换的方法分别对电力系统中的稳态谐波和暂态谐波进行检测.仿真结果表明,该方法可以准确地检测稳态和暂态时变信号,能为电力系统中的谐波治理提供依据.     

基于单神经元的液压挖掘机自适应PID节能控制

在分析单神经元PID特性的基础上,设计了基于单神经元的液压挖掘机自适应PID节能控制器。该控制器通过神经元的自学习,对传统PID控制器的比例、积分、微分系数进行在线调整,实现了挖掘机功率匹配自适应控制。仿真结果显示单神经元PID自适应控制器具有较强的鲁棒性。     

一种基于单神经元的模糊自整定PID控制器

为解决普通的PID控制器设计对系统模型有一定依赖性问题,本文将单神经元网络和模糊逻辑相结合,提出了一种基于单神经元的模糊自整定PID控制器。单神经元控制部分本身还是一个PID控制器,但由于权值可以在线调整,具有较强的自学习和自适应能力,而通过模糊控制器对输出整定,可加速控制过程。将该控制器应用于船舶运动控制仿真中,仿真结果表明,单神经元模糊自整定PID控制器能使船舶更快地达到设定航向,且航向曲线和打舵更加平稳,可明显改善对大纯滞后、大惯性系统的控制效果,在工业控制中有广泛的应用前景。     

基于小波理论的电力系统谐波检测方法

提出了对电力系统中稳态谐波和暂态谐波的不同检测方法.阐明了小波理论的基本原理,对复合信号进行了小波变换和小波包变换的仿真分析和比较.仿真结果表明,对稳态谐波检测时适合采用小波变换,对暂态谐波检测时适合采用小波包变换.