一种实时校正的改进BP神经网络超短期风速预测模型

风电机组出力可由风速计算得出,提高风速预测精度对减小风电并网冲击、合理调度风能资源至关重要。基于风电场气象及风速数据的时间连续性,提出了一种加入误差实时校正环节及风速变化趋势分析的改进方法介绍,在提高风速预测精度的同时有效改善了过校正情况。采用某个风电场的实际运行数据进行了仿真,结果表明,所提出的改进BP神经网络风速预测模型方法具有较好的预测精度。     

进化Elman神经网络在实时数据预测中的应用

为了提高电站实时数据的准确性,提出了一种利用改进粒子群算法进化Elman神经网络的动态系统实时数据预测方法.改进粒子群算法中,根据群体早熟收敛程度和当前最优解的大小对部分不活跃粒子进行变异,增强了算法跳出局部最优解的能力.利用改进的粒子群算法训练Elman神经网络权值和自反馈增益因子,有效地解决了梯度下降法训练网络权值...     

一种实时校正的改进BP神经网络超短期

摘要： 风电机组出力可由风速计算得出,提高风速预测精度对减小风电并网冲击、合理调度风能资源至关重要。基于风电场气象及风速数据的时间连续性,提出了一种加入误差实时校正环节及风速变化趋势分析的改进方法介绍,在提高风速预测精度的同时有效改善了过校正情况。采用某个风电场的实际运行数据进行了仿真,结果表明,所提出的改进BP神经网络风速预测模型方法具有较好的预测精度。     

文化微粒群神经网络在用电量预测中的应用

为了提高传统神经网络在中长期用电量负荷预测中的速度和预测精度,将文化算法、微粒群算法融入神经网络中,设计了文化微粒神经网络模型;将该模型用于我国某地区中长期用电量预测建模,采用了滚动时间窗技术处理输入输出数据,进一步优化模型数据输入量.该方法综合了微粒群算法的全局寻优能力和文化算法的演化优势.通过与传统的灰色预测模型以...     

基于光滑支持向量回归的汽轮机振动分析

传统的时间序列分析方法如统计和神经网络并不适用于复杂的非线性系统.为此,引入了支持向量回归(SVR)算法用以解决复杂时间序列的预测问题,在Matlab6.5环境下编程实现SVR算法,对汽轮机振动数据进行拟合和预测,并与神经网络方法进行比较.为了降低计算的复杂度,在SVR的基础上,采用光滑化算法,对汽轮机振动时间序列进行预测分析.仿真结果表明,光滑支持向量回归(SSVR)在预测性能方面明显优于神经网络.与SVR相比,SSVR具有更好的收敛速度和精度,适于进行复杂动态系统的时间序列分析.     

基于L-M算法的火电厂实时数据神经网络预测模型研究

提出了一种建立在BP神经网络上的基于Levenberg-Marquardt(简称L-M)算法的火电厂实时数据神经网络预测模型,以减少训练次数和提高训练精度.通过对某电厂300MW机组高压加热器进口温度进行训练和校核,分析了数据预处理的重要性.仿真结果表明,该模型能够获得未来时刻合理的预测结果,可用于缺失数据补充和实时数据校核,提高数据可靠性,适用于在线对未来状态的评价,为状态检修提供参考依据.     

基于SWLSTM算法的超短期风向预测

风向预测是提高风能转化率、保障偏航系统运行安全的基础。为了建立高精度风向预测算法,提出一种基于自校正小波长短时记忆网络(self-tuning wavelet long-short term memory neural network,SWLSTM)算法。首先,利用互信息法选取时间序列特征的长度;然后,经过小波分解进一步提取风向序列的时域信息和频域信息;在此基础上,选择长短时记忆递归神经网络(long-short term memory neural network,LSTM)进行建模;最后,设计误差自校正策略,进一步提升预测精度。为了验证该文算法的适应性与预测精度,选择风电场实际风向数据分别进行实验。实验结果表明,SWLSTM算法优于常见数据建模方法,风向预测误差小于1.73%,满足风电场的生产要求。     

基于神经网络的中长期用电量预测模型

粒子群算法用于优化神经网络的权值和阈值,构成粒子群神经网络.将其应用于我国某地区中长期用电量预测建模,并采用滚动时间窗技术来处理用电量预测模型的输入输出数据.通过与实际数据对比,结果表明,采用滚动时间窗技术的粒子群神经网络用于该地区中长期用电量预测建模可行有效,模型预测结果满足要求.     

基于最优潮流的实时电价及其算法的研究

实时电价是电力市场中的重要概念.为了研究实时电价所包含的丰富的经济信息以及适合实时电价在线快速计算的算法,基于最优潮流(OPF)实时电价模型采用原对偶内点算法求解,并讨论了向心参数的取值对该算法收敛性的影响.在此基础上引入预测校正环节,该方法能很好地协调解的最优性和可行性之间的关系,改善了算法的收敛性;采用IEEE14节点标准测试系统进行实时电价计算,对仿真结果的分析表明了相应不等式约束的Lagrangian乘子的值代表系统运行安全费用,预测校正法迭代次数少,收敛性好.     

基于BiLSTM-STW神经网络的锂电池剩余容量预测

针对锂电池剩余容量预测精度无法满足当前工程应用的问题，结合双向长短时记忆网络(bi-directional long short-term memory,BiLSTM)与滑动时间窗口(sliding time window,STW)算法的优点，提出一种电池剩余容量预测方法。首先分析BILSTM神经网络和STW算法原理，构建了BiLSTM-STW神经网络模型，采用自适应矩优化算法(adaptive moment estimation, Adam)对模型超参数进行优化，实现模型修正；然后选取美国国家航空航天局(National Aeronautics Space and Administration,NASA)埃姆斯研究中心锂电池数据，对数据进行处理并选取容量衰减特征数据作为神经网络的预测输入量；最后利用构建的神经网络对NASA锂电池数据集进行剩余容量预测实验。实验结果表明，所构建的神经网络模型能够精确预测锂电池的剩余容量，相比LSTM神经网络模型有更好的精确度。     

电力市场中输电问题的研究

在电力市场环境下，输电网固有的物理特性与市场交易行为存在着一定的矛盾，合理解决输电问题是电力交易得以顺利、公平、公正地进行的关键所在。文中结合国内外的研究成果，针对电力市场环境下的输电问题进行了综合研究和分析，包括阻塞管理，输电定价和输电损失问题，特别是对上述问题的提出，解决方法以及最新的研究进展进行了详细的分析介绍，以促进对其公平合理的解决。     

光导纤维电流传感器

论述了采用两种基于不同概念的光纤电流传感器(OCT)。一种是基于传统互感器概念的OCT，另一种是基于法拉第效应概念的OCT。文中还阐述了基于第一种OCT的国产试制品及其与ABB公司产品的相似点及不同点。     

基于PREISACH理论的电流互感器建模研究

提出了一种新型电流互感器（CT）数字化模型。该模型由CT电磁感应方程和基于Preisach理论的新型铁心磁化模型组成：基于Priesach理论的WIPING—OUT特性，提出了确定铁心运行所在磁化曲线的方法，并在新坐标系下分离Preisach函数的变量，得到了不同情况下铁心磁通密度的计算方法，由此建立了铁心磁化模型；提出了一种新的寻解算法，通过该算法将铁心磁化模型同CT电磁感应方程相耦合，建立了CT数字化模型。该模型只需极限磁滞回环下降支、一次电流和二次负荷等少量易被直接测得的参数，即可较准确地仿真铁心内部磁化过程，具有实现简便，仿真精度高等特点。采用文中CT模型对保护CT的饱和特性进行了仿真研究，仿真结果和实测数据的比较验证了模型的有效性。     

智能型自适应单相重合闸的应用研究

根据自适应单相重合闸的电压判据在判别瞬时性故障与永久性故障时存在的缺陷，提出了智能型自适应单相重合闸方案，将人工神经网络用于其中，建立了一个3层前向网络模型。利用EMTP及MATLAB进行了大量的仿真实验，验证了其无论在长线路还是短线路的故障区分中都具有良好的可行性，克服了传统判据的缺陷。同时还提出了基于模糊神经网络的自适应单相重合闸方案，作为下一步的研究方向。     

基于CORBA的应用软件标准接口的研究

摘要:在电力行业中应用的各种自动化系统之间普遍存在着诸如电力系统建模、数据结构定义等方面的差别,因此,无论升级已有的系统还是进行相关系统的集成都是相当困难的。而IEC EMS-API标准的制订为解决这些问题提供了依据。根据EMS-API标准和CORBA(公共对象请求代理构架),说明了开发标准程序接口应用的具体方法;并且给出了为黑龙江电网能量管理系统中的潮流程序而建立的标准化的接口服务,测试结果表明文中方法可行有效。由于CORBA技术与EMS-API标准的结合,使得所开发的潮流应用具有了开放性。最后,讨论了EMS-API的不足之处。     

基于Ward等值的二级电压控制研究

随着电网联系的日趋紧密,电压控制区间的耦合程度也日益密切,往往使常规的分区电压控制策略很难实施.文章基于Ward等值考虑了相邻电压控制区间的无功影响,对现有的分区电压控制策略进行了改进,并以新英格兰系统为例进行了数字仿真,证明了采用新的控制方案后,相邻电压控制区的无功电压变化对本区域电压控制性能的影响明显减弱,从而验证了改进的电压控制方案的有效性.     

行波保护中雷电干扰问题的对策

雷害是行波保护的主要干扰之一，线路遭受雷击但没有造成故障时行波保护可能会误动作。为此，该文在对雷电波的特点和雷击线路产生的后果进行详细分析的基础上，利用线路遭受雷击前后电流波形的特点提出了基于小波变换的雷击判据，该判据既可以直接利用电流全量实现，也可以利用故障电流分量实现。文中同时给出了利用小波变换提取判据中各电气量的计算方法。分析和仿真结果显示，雷击判据可以对雷击是否造成线路故障做出正确判断，并且不会影响其它线路故障的判别。因此雷击判据的应用将使行波保护的可靠性有较大提高。     

基于BP神经网络的循环流化床锅炉密相区高度检测的模拟研究

基于BP神经网络算法对循环流化床(CFB)锅炉密相区高度检测进行了模拟研究。结果表明,当系统内气体介质光学厚度为38时,该算法的计算值与真实值非常接近;随着光学厚度的增加,计算误差也逐渐增大,当光学厚度达到75时,计算值与真实值相差较大,这是由于光学探测器(CCD)的检测精度降低所致。     

基于免疫算法的机组负荷优化分配研究

文章提出应用新的智能算法一免疫算法解决负荷优化分配问题。在分析负荷分配的数学模型和免疫算法特点的基础上，详细研究了基于免疫算法的负荷优化分配方法。优化问题的解对应于免疫算法中的抗体，解的优劣通过结合力的计算来评价，具有最大结合力的抗体就是问题的优化解。文中还提出应用机组持续状态时间进行编码改进，可明显加快算法的搜索速度，免疫算法中特有的基于抗体浓度更新和抗体多样性也使得算法具有很好的收敛性和搜索性能。该算法通过10台机系统进行了验证，计算结果证明免疫算法与其它优化算法相比，能更快搜索到较优解，从而为机组负荷优化分配的求解提供新的有效算法。     

基于海明神经网的电压-无功功率自动调节理论的研究

本文引入了人工神经网络（海明网络），利用状态分类来解决变电站电压-无功功率双参数控制中的边界问题。