基于改进的BP神经网络学习算法的变压器故障诊断

电力变压器的故障除了给其自身带来重大损失外,还对电力系统的安全造成很大影响。利用BP神经网络对变压器故障进行诊断,针对BP神经网络学习率的缺点,提出了一种跟踪型自适应学习率的确定方法,该方法仅需整定一个参数,有效地提高了BP神经网络的收敛性和训练时间,进而通过构建变压器故障诊断训练样本集,验证了该方法的可行性,获得了更精确的诊断结果。     

基于BP神经网络算法的长输供热管网热损失预测

长输供热管网的热损失控制直接影响热网运行的能耗水平。采用BP神经网络算法建立长输供热管网热损失预测模型,将当前时刻室外温度、供回水温度及上一时刻实际管网热损失作为模型输入参数,预测时刻管网热损失作为输出参数。结合某热企已建长输供热管网,利用历年实际运行数据作为样本数据进行训练,模型计算收敛且模型精度满足实际需求,表明BP神经网络算法可以用于长输供热管网的热损失预测,预测值可为长输供热管网的下一步运行调节提供参考。     

基于BP神经网络的喷水汽油机性能预测

基于反向传播(back propagation,BP)神经网络的逼近能力和自学习能力,以汽油机工况参数、状态参数和喷水控制参数为输入,分别建立多输入/单输出的点火提前角、油耗和排放预测模型;以试验设计和发动机台架的实测数据为基础构建、训练模型,用均方差评价网络训练与拟合效果;用相关系数判断输出值与目标值之间的密切程度;...     

基于改进灰色模型与BP神经网络模型组合的风力发电量预测研究

针对灰色模型在数据序列无规律的风力发电量预测中精度不高的问题,通过对原始数据的平滑处理改进灰色模型,并将改进的灰色模型与BP神经网络相结合构建组合预测模型,采用灰色关联法改进组合预测的权重系数。实例分析表明,改进的优选组合模型预测的准确度高于单一模型及传统的优选组合预测模型。     

基于灰色BP神经网络的道路交通事故死亡率预测

建立基于灰色BP神经网络的道路交通事故死亡率预测模型,并为其编制Matlab程序。将该模型与GM(1,1)模型进行比较分析,结果表明灰色BP神经网络能更好地预测道路交通事故死亡率。     

基于BP神经网络的空调负荷预测

本文以城建国际大厦冷源系统的检测数据为依据,利用BP神经网络,建立了空调负荷预测模型,并取得了较好的结果。文章进一步分析了可能存在的误差及提高预测精度的方法。     

基于BP神经网络光伏组件价格预测的研究

根据光伏组件的构成,将影响组件价格的因素分为技术因素和非技术因素,并采用网站数据采集法和专家咨询法确定各主要因素的分项价格,构建BP神经网络预测模型,在此基础上利用Matlab内置的Neural Net Fitting模块对组件价格进行预测,结果表明BP神经网络对组件价格预测的相关性较好,预测价格与实际价格偏差率为-2.62%～2.11%,预测结果可接受度为89.47%,预测精度满足实际需要,为光伏项目的顺利实施提供了辅助决策依据。     

基于AdaBoost与BP神经网络的风速预测研究

介绍了基于AdaBoost的多神经网络集成预测方法。集成方法的预测结果优于其他方法的预测结果,这一点在理论上和经验上已经得到证明。AdaBoost是适用于时间序列预测的集成方法。基于AdaBoost算法,采用多个BP神经网络训练随机生成的风速样本,再由多个训练结果生成最终的风速预测值。用该方法预测的误差低于用单一BP神经网络进行的预测,其分析和仿真结果表明了其优越性。     

基于BP神经网络和遗传算法的污水处理厂电耗预测

污水处理为高电耗行业,有效预测电耗对污水处理厂节能优化有深远影响。以广东省某中小型污水处理厂18个月的数据为例,采用BP神经网络建立了电耗预测模型,将提升泵、回流泵、鼓风机的运行时间和频率及OPR、MLSS、好氧池DO、缺氧池DO、进水流量Q、COD、氨氮等33个指标作为BP神经网络模型的输入变量进行初步拟合,并用遗传算法对BP神经网络进行优化。结果表明,BP神经网络适用于电耗的拟合计算,通过与遗传算法组合,平均误差低至0.001 6,预测精度较高。     

基于BP神经网络模型的闽江流域地表水(福州段)水质变化趋势预测

为验证BP模型在河流水质预测中的有效性,利用2006~2011年闽江流域(福州段)闽侯竹岐、长乐白岩潭断面的河流水质数据,建立BP神经网络预测模型,从时间上对闽江流域(福州段)的水质进行预测,并用实际监测数据检验预测精度。结果表明,BP神经网络的水质预测模型在闽江流域(福州段)水质预测中有较好的预测精度。     

基于遗传算法和BP神经网络的电价预测

给出了一个发电例竞价模型中应用遗传算法与BP算法结合进行市场出清价预测的实例。与使用传统BP神经网络预测的方法进行比较，结果表明，该方法具有更高的预测精度，并总能收敛于全局最优解。     

基于BP神经网络模型的阿克苏市城市需水量预测

科学地预测城市需水量对城市的发展具有十分重要的意义.采用BP人工神经网络方法对阿克苏城市需水量进行预测,取得满意的效果,论证此种预测方法的可行性和有效性.     

基于BP神经网络的混凝土抗硫酸盐侵蚀预测研究

鉴于新拌混凝土流变参数与硫酸盐侵蚀劣化指标之间存在的非线性映射关系,基于新拌混凝土流变参数,利用BP神经网络建立了硫酸盐干湿循环侵蚀后混凝土抗压强度损失率、质量损失率及相对动弹性模量的预测模型,预测了混凝土受硫酸盐侵蚀程度。结果表明,BP神经网络模型预测的硫酸盐侵蚀结果与实测结果吻合较好,且预测误差较小,说明BP神经网络模型对混凝土受硫酸盐侵蚀后的劣化程度具有良好的预测效果。     

基于BP神经网络的印染太阳能集热温度预测

温度在印染加工最重要的工艺参数,因此对太阳能的集热能力做出及时预测是太阳能集热系统在印染行业成功应用的关键,但太阳能集热受到纵多因素的影响,单纯的数学模型难以准确预测。文中采用神经网络对太阳能集热系统进行集热温度预测,根据太阳辐照度、实测温度、天气情况、进水温度等环境参数,预测印染太阳能集热系统的集热温度。结果表明,该方法速度快,结果较准确,为印染太阳能集热控制系统的设计提供了一个新的预测手段。     

基于BP神经网络的工业锅炉房负荷预测

针对工业锅炉房日负荷变化的特点,采用BP人工神经网络模型对热负荷进行预测。在建立模型时,考虑不同小时的热负荷差异,采用24个单输出的BP网络来分别预测每天24h负荷值;利用MATLAB神经网络工具箱NNT(Neural Network Toolbox)分别实现对24个BP网络预测模型的构建及算法改进;最后,应用一个实例对建立的预测模型和实现方法进行了仿真分析,结果证明,该负荷预测模型网络结构小、收敛速度快、预测精度高、具有较高的实用价值。     

基于BP神经网络的输油管道能耗预测方法

为准确预测输油管道运行过程中的能源消耗,通过分析输油管道运行报表,确定评价输油生产过程中的主要能耗指标,利用BP神经网络,建立了输油管道能耗预测模型。用某输油管道运行能耗数据做样本,对所建立的能耗预测模型进行训练与测试。预测结果表明,该模型能准确地预测输油管道的能耗,预测平均相对偏差不超过4％。该方法为输油管道能耗预测提供了一种新思路,有较高的使用价值。     

750kV变压器顶层油温分布的分析

利用红外仪发现750kV兰州东变电站变压器顶层油温度分布不均匀,结合考虑潜油泵的安装位置,分析了顶层油温分布不均匀的原因。在通常条件下,变压器负荷小,开启的潜油泵少,对油的搅拌不充分,顶层油温差别较大;如果变压器负荷大,开启的潜油泵多,对油的搅拌力度大,搅拌比较充分,则顶层油温差别不大。     

750kV变压器顶层油温分布的分析

利用红外仪发现750kV兰州东变电站变压器顶层油温度分布不均匀，结合考虑潜油泵的安装位置，分析了顶层油温分布不均匀的原因。在通常条件下．变压器负荷小．开启的潜油泵少，对油的搅拌不充分，顶层油温差别较大；如果变压器负荷大，开启的潜油泵多，对油的搅拌力度大，搅拌比较充分，则顶层油温差别不大。     

750 kV变压器顶层油温分布的分析

利用红外仪发现750 kV兰州东变电站变压器顶层油温度分布不均匀,结合考虑潜油泵的安装位置,分析了顶层油温分布不均匀的原因.在通常条件下,变压器负荷小,开启的潜油泵少,对油的搅拌不充分,顶层油温差别较大;如果变压器负荷大,开启的潜油泵多,对油的搅拌力度大,搅拌比较充分,则顶层油温差别不大.