非线性季节型电力负荷灰色组合预测研究

短期电力负荷同时具有增长性和季节被动性的二重趋势，这使得负荷的变化呈现出复杂的非线性组合特征。对于这种具有复杂的非线性组合特征的序列，使用某一种模型进行预测，结果往往不理想。为了提高短期电力负荷的预测精度，提出了具有季节型特点的电力负荷灰色组合预测模型。在此模型中，灰色模型处理非线性问题具有一定的优势，它可以很好地反映电力负荷的增长性特点。季节变动指数(SVI)用来拟合电力负荷的季节性趋势。最后对季节型灰色预测的残差建立时间序列的AR(p)模型。由于综合考虑了电力负荷的多种特征，此组合预测模型明显地提高了预测精度。     

综合最优灰色支持向量机模型在季节型电力负荷预测中的应用

季节型电力负荷同时具有增长性和波动性的二重趋势,使得负荷的变化呈现出复杂的非线性组合特征。对此,提出了一种综合最优灰色支持向量机预测模型,研究了同时考虑2种非线性趋势的复杂季节型负荷预测问题,说明了此优化模型分别优于2种单一负荷预测模型。在此基础上,对一般粒子群算法引入粒子速度自适应可调机制,并利用改进粒子群算法优化组合预测模型中的权值。对电力负荷预测应用实例的计算结果表明,该模型较大提高了季节型负荷预测的精度,具有较好的性能。     

改进的遗传灰色RBF模型的短期电力负荷预测

为了在智能电网环境下提高短期电力负荷预测的精度,提出了一种考虑实时电价影响的遗传算法改进的灰色RBF模型。该方法利用灰色模型可以减弱数据随机性以及RBF神经网络的高度非线性的优点,弱化实时电价对短期电力负荷预测的影响,针对两种方法结合容易陷入局部最优和收敛性问题,采用遗传算法对网络进行了优化,得到最终预测结果。实例验证表明,与灰色RBF预测方法相比,该方法具有更高的负荷预测精度和较强的适应能力。     

基于灰色预测和神经网络的电力系统负荷预测

负荷是电力系统运行和规划的依据,准确的负荷预测有利于提高电力系统运行的经济性和可靠性。章提出了一种基于灰色预测和神经网络组合的电力系统负荷预测方法。在灰色预测中通过对历史数据作不同的取舍并经累加生成后建立不同的模型;对于灰色预测的不同结果再使用人工神经网络进行组合。具体方法是：神经网络的输入为各种灰色模型（GM）的预测,神经网络的输出为组合预测的结果。学习样本选择与预测量量近的n个已知值,学习方法使用改进的BP算法。所提方法综合了GM预测所需原始数据少、方法简单、而神经网络具有非线性的拟合能力的特点,提高了预测精度。算例表明了所提方法是可行的和有效的。     

基于动态权值相似日选取算法的短期负荷预测

提出了一种基于动态权值优化的相似日选取算法和灰色GRNN串联组合模型的短期负荷预测方法。采用动态权值相似日选取算法,在考虑不同地区和季节对短期负荷的影响时,引入改进的果蝇优化算法(MFOA),动态调整各因子的权值,增强了相似日选取算法的适应性和有效性。选取出相似日后,采用灰色模型和广义回归神经网络(GRNN)串联组合的短期负荷预测方法,并通过改进的布谷鸟(MCS)算法对GRNN平滑因子进行优化,组合模型改善了单一模型预测精度的稳定性。实例预测结果验证了该方法的有效性。     

基于灰色神经网络组合模型的日最高负荷预测

针对电力日最高负荷受多种因素影响,变化趋势复杂,难以通过建立准确的数学模型进行预测的问题,提出灰色动态模型对电力日最高负荷进行预测,在此基础上构造了灰色神经网络组合预测模型。该模型避免了变权组合预测模型的主观与繁琐,能有效地将灰色预测弱化数据序列波动性的优点和神经网络较强的非线性适应能力相融合。算例结果表明该方法的可行性和有效性,预测精度也得到了改善。     

组合预测方法在电力系统负荷预测中的应用研究

组合预测方法是一种性能优越的预测方法。选择了电力负荷预测精度较高的两种单一预测模型——无偏灰色预测模型和时间序列预测模型,通过它们建立了三种不同的组合预测模型,对我国电力负荷进行了预测,验证了组合预测模型的优越性。最后,通过对三种组合预测模型的预测结果进行对比,选择一个最适合电力负荷历史数据的模型,通过该模型对我国社会用电量进行预测,获得了较好的预测效果。     

基于灰色关联-神经网络模型的城市电力负荷短期预测的研究与应用

利用灰色理论和神经网络技术,提出了基于灰色关联度分析的灰色神经网络短期负荷预测短期分析新方法并建立了灰色关联—神经网络模型应用到电力短期负荷预测分析中,由于该模型优化了输入层因子,并克服了BP算法确定隐含层节点数的困难,所以提高了学习效率。最后结合某市电网负荷特点,在输入因子中重点考虑了某些扰动因子来进行优化,最后的预测结果以及与其他方法的预测误差进行比较,表明了该预测方法的正确性、高效性和实用性。     

基于灰色关联-神经网络模型的城市电力负荷短期预测的研究与应用

利用灰色理论和神经网络技术,提出了基于灰色关联度分析的灰色神经网络短期负荷预测短期分析新方法并建立了灰色关联-神经网络模型应用到电力短期负荷预测分析中,由于该模型优化了输入层因子,并克服了BP算法确定隐含层节点数的困难,所以提高了学习效率.最后结合某市电网负荷特点,在输入因子中重点考虑了某些扰动因子来进行优化,最后的预测结果以及与其他方法的预测误差进行比较,表明了该预测方法的正确性、高效性和实用性.     

基于灰色模型和神经网络组合的短期负荷预测方法

提出了一种基于灰色模型和神经网络组合的短期负荷预测方法.首先利用频域分解消除负荷序列的周期性,然后利用灰色模型计算负荷序列的历史拟合值和未来预测值,将其作为神经网络的输入.在历史数据中选择一天作为基准日,以该基准日的量为参照,以负荷的灰色模型拟合值相对基准日的变化量,以及温度变化量为BP神经网络的输入,实际负荷变化量为输出,训练神经网络并预测待预测日负荷的变化量,加上基准日负荷后得到预测负荷.该方法综合了灰色模型方法和神经网络方法的优点,仿真结果验证了方法的有效性.     

模糊神经网络在区分电力系统故障和振荡中的应用

根据电力系统发生故障和振荡时母线处获得的信号的特点,提出了用模糊神经网络来识别电力系统振荡与故障的模型和算法。经EMTP仿真表明,该方法能够很好地识别振荡与故障,而且计算和响应速度快,另外,系统正在振荡时又发生故障,本文提出的模糊神经网络的模型及算法也能正确区分出故障。缺点是需要经过大量的训练,但是由于是离线训练,不影响此方法的实时应用。     

多机系统自参数谐振序列分析及阻尼系数的影响

本文从能量的观点出发分析了多机系统中自参数谐振的可能性,物理意义较为明确。较详细解释了“准频”现象。并在文献的基础上应用广义相平面法,探讨了阻尼系数对自参数谐振的影响。     

创建学习型组织是实现组织战略目标的法宝

从创建学习型组织的特点、认识、途径等三个方面阐述创建学习型组织的现实意义。对各种组织在纷 繁复杂的市场环境中,通过创建学习型组织来实现其战略目标,提升整体竞争优势。     

根据稳定性要求合理选择HVDC中数字式PID控制器的参数

介绍数字式PID控制器在HVDC系统运行控制中的应用，并以定 电流、定关断角控制为例论述了根据系统运行的稳定性要求来选择数字式P ID控制器参数的技术，还给出了根据该方法设计的数字式控制器在直流输电 模拟系统中运行的部分结果。     

变频调速系统集成化中的分时技术

电力电子系统集成化是目前的研究热点之一，控制芯片在变频调速系统集成化中有着一定的重要作用，该文从集成化的角度，设计了一种适合于电力电子系统集成化变频调速控制芯片，在该芯片电路中，引进了分时技术，使芯片的资源消耗大大减少，并在可编程逻辑器件FPGA上进行了实验验证，仿真和实验结果表明了，分时技术的引入，在完全保证性能的情况下，充分地利用了电路资源。     

复平面上微分方程多项式解的符号算法

将一种基于Ｌａｎｃｚｏｓτ方法的符号计算方法用于求解一些满足一定边界条件的摄动微分方程的精确多项式解。τ方法表达式中利用了符号Ｆａｂｅｒ多项式作为复平面上特定范围内的摄动项。此方法计算简便，且其精度优于同次的切比雪夫级数与Ｔａｙｌｏｒ级数。这里将以第一类Ｂｅｓｓｅｌ函数Ｊ０（ｚ）为例来介绍此方法。     

法线在高等数学教学中的作用

利用法线建立圆锥曲线光学性质逆命题问题的微分方程及初等解法，利用法平面解释条件极值。     

大功率LED在隧道照明中的经济性分析

进入节约型社会,“节能减排”成为当今社会的热门话题,但是在现实照明中常出现节电不节钱现象。所以本文引入节电效益的概念公式,通过对某一新建隧道进行LED隧道灯的改造进行分析,计算出改造后的节电效益,以及改造前后运营成本的比较,揭示了用LED进行改造的必要性,以及用LED灯具对“节能减排”的重要意义。本文主要从LED的节能特点出发,举例介绍了用大功率LED隧道灯替换高压钠灯所带来的节电效益。     

倾斜角度及加热方式对脉冲热管传热性能的影响

该文对以FC-72为工质的脉冲热管进行了实验研究,采用高速动态采集系统测量了脉冲热管的热力型脉动曲线,并获得了脉动周期,分析了加热功率及倾斜角度对脉动周期的影响.通过实验发现在倾斜角度θ=0°～10°时,脉冲热管传热性能对角度极为敏感,加热段温度随着倾斜角度的增加急剧下降;当θ=10°～15°时,加热段温度反而略有上升;当θ=15°～30°时,加热段温度又缓慢下降;而当倾斜角度θ=30°～90°时,加热段温度变化很小,倾角对传热性能几乎无影响.同时,实验还发现采用非均匀加热方式脉冲热管的传热性能要优于均匀加热方式的传热性能.     

初等表示的权的标积

半单李代数的素根可以用适当的初等表示的权来表示,反过来,初等表示的权也可以用素根来表示.在适当地选取了半单李代数的根系之后,就可算出初等表示权的标积.本文利用 Cartan 矩阵给出了一种计算半单李代数初等表示的权的标积的方法,并由此算出了二次 Casimir 算符的本征值.