基于非线性SRUKF的光伏发电功率预测研究

光伏发电输出功率具有间歇性和波动性的典型特性,现从统计分布与物理学方法相结合的角度,建立了光伏发电预测功率物理模型,提出了适用于动态非线性系统预测的SRUKF算法。仿真结果表明,该方法用于光伏功率预测时均方误差较小,对光伏发电短期功率预测的实时性较好,准确性较高。     

光伏发电功率预测方法研究综述

针对太阳能光伏发电输出功率不稳定的问题,分析了国内外光伏发电功率预测方法的研究现状,总结并提出了今后研究的建议方向,介绍了太阳辐射、晴空指数、日照时数、云、温度、风速和面板积尘等影响光伏发电的各种因素,着重综述了2008年以来光伏发电功率预测尤其是短期预测的研究概况,对光伏功率预测的时间尺度和精度这两个重要指标进行了讨论,分析了数据基础、影响因素、精度指标、时间响应和评价标准等光伏发电预测中需要重点关注的技术难点。研究结果表明,近年来的研究工作主要集中在短期预测,到目前为止对于各种预测方法尚没有被公认的评价标准,难以对各种预测算法进行评估比较。最后结合综述分析,提出了今后光伏发电功率预测研究工作的建议方向。     

基于区域配电网的0.4 kV分布式光伏实时发电功率预测

光伏并网发电对电网的稳定性有较大影响,特别是配电网0.4kV分布式光伏,其发电电量与实时发电功率对台区以及线路的稳定性将产生极大挑战。现对影响光伏发电的关键因素以及光伏实时发电功率预测方法进行了全面分析,并提出基于区域配电网的0.4kV分布式光伏实时发电功率预测算法,以实时预测区域0.4kV光伏发电功率,为管控0.4kV分布式光伏提供宝贵经验。     

基于HS-BP预测模型的光伏发电系统MPPT研究

提出一种光伏发电系统最大功率跟踪方法 ,即一种和声搜索算法改进的BP神经网络预测模型HS-BP结合INC的MPPT方法。当外界环境条件变化时,可以通过预测模型直接将工作电压迅速调至Vref附近,从而大大提高了MPPT的跟踪速度;当以Vref为初值进行电导增量法INC以实现最大功率跟踪时,由于Vref已经接近最大功率点MPP对应的电压,故可以设置较小的扰动步长,因此可以改善MPPT的跟踪精度,从而有效地降低静态过程的功率损失。在基于单片机控制的硬件平台上进行试验,结果表明,该方法具有稳定、快速等优点,可以显著提高光伏电池的发电效率。     

基于BP神经网络光伏发电系统MPPT的研究

本文首先研究了温度、光强、阴影三个外界因素对光伏电池输出特性的影响。然后,考虑这些因素设计BP神经网络跟踪光伏发电系统的最大功率点。最后,建立MPPT控制的光伏发电系统的仿真模型,并进行了仿真研究。结果表明,该方法能够正确、快速地跟踪光伏电池的最大功率点,具有较好的控制精度。     

基于遗传算法模糊控制的光伏发电系统最大功率点跟踪技术的研究

针对光伏器件输出功率的非线性特性且工作环境变化频繁的特点,为了获得更好的最大功率点跟踪控制效果,对光伏电池功率电压曲线进行了分析,设计了一种基于遗传算法的模糊控制算法,解决了光伏器件特性在最大功率点两侧不同区间的差异问题,使系统能快速响应外界环境的变化,保证了系统的控制精度,光伏系统始终工作在最大功率点。通过仿真将模糊MPPT控制与基于遗传算法的模糊MPPT控制性能作了比较,结果表明控制性能良好。     

基于光伏功率预测的多能源互补系统的设计研究

太阳能具有清洁环保的特点,且与火电在发电形式上具有互补性.在二者构成的互补能源系统中,由于受太阳辐照等因素影响,光伏发电输出功率具有较强的波动性,可由变负荷响应速度快的火电跟踪补偿.核电具有稳定高效的特点,可以用来提供基本负荷.在多种能源互补调节过程中,若光伏发电输出功率得到较为准确的预测,可降低系统对火电随负荷跟踪响...     

基于神经网络的热气机功率预测

为了有效地分析热气机的输出功率与运行条件的，介绍了人工神经网络BP模型、多元回归模型及基于神经网络的组合模型，并将各模型用于热气机的设计阶段预测其输出性能，由实例给出了各模型计算机仿真试验结果，比较了BP算法和组合模型算法的收敛速度，结果表明基于BP网络的组合模型的预测精度最高。     

一种新型蚁群并联光伏发电系统分析

在研究太阳电池电路模型的基础上,针对广州等南方地区太阳光照特点,提出了一种新型结构的光伏发电系统,该系统即可以有效发挥光伏电池的最佳效能,又增强了系统工作的稳定性。     

基于RBF神经网络的烧结终点预报系统

为稳定烧结机运行工况,提高烧结矿的产量和质量,需要将烧结终点控制在一个相对稳定的范围,因此准确预报烧结终点对烧结生产具有重要意义。分析了烧结工艺流程及烧结终点的确定原则,建立了基于RBF神经网络的烧结终点预报模型。根据影响烧结终点的工艺参数,提取了与烧结终点关联的5个特征量作为网络的输入量。用现场采集的生产工艺参数对模型进行训练,仿真分析验证了模型预报的有效性。     

基于神经网络的切削力预报

将人工神经网络用于切削力的预测，实验证明人工神经网络能够实现切削力大小的准确预报。     

基于专家系统和人工神经网络的计算机辅助工艺系统

阐述了如何结合专家系统和人工神经网络技术来开发外圆车削加工的计算机辅助工艺系统。根据设计要求,专家系统的推理机制能从相应的知识库中寻找出适合的工艺流程和参数;另一方面,同样的人工神经网络结构能根据不同的训练数据提供不同的答案,因此弥补了专家系统灵活性不足的缺点。所以,一个集成了两者的复合系统必将提供更好的实用性。     

切削表面粗糙度的人工神经网络预测

以易切削黄铜的加工表面粗糙度与各种加工参数的关系为对象,将L9( 34)型正交切削试验数据作为训练学习样本,同时以与正交试验参数有关的6个样本作为预测样本,用BP神经网络对其进行了预测。结果表明:经设计的BP神经网络训练1183次,其最大误差不超过5 % ;人工神经网络与正交试验相结合,能大大节省预测时间和费用,效果很好。     

基于比例阀的气动伺服系统神经网络控制方法的研究

研究了用神经网络PID控制器对基于比例阀的气动伺服系统进行控制的方法。用神经网络辨识器来逼近非线性动力学系统,并在线修改控制参数。实验及分析表明,适当的选择网络参数,经过充分的离线训练,该控制器可以进行在线的自适应控制,系统的控制精度和动态特性有明显提高,且在环境参数变化时,控制器具有在线自学习和自整定参数的能力。     

基于神经网络技术的机械产品设计专家系统的研究

就神经网络技术与专家系统相结合的新型智能系统──混合型专家系统的设计方法及其在机械产品设计中的应用进行了研究。     

基于RBF神经网络的非线性系统智能控制

针对工业控制领域中复杂非线性时变系统，采用传统的控制方法不能达到满意的控制效果，提出了基于神经网络的PID自适应控制方案。采用神经网络辨识器在线辨识系统模型，自动调整PID控制器参数，从而实现系统的智能控制。仿真结果表明该方法对于复杂非线性系统能进行有效的控制并且具有很好的自适应性和鲁棒性。     

蚁群神经网络在刀具参数选择中的应用研究

文中将蚁群算法和神经网络结合起来应用于刀具参数的选择中,可提高运算效率,具有很好的应用前景。     

基于人工神经网络的虚拟设计

针对虚拟设计中的方案树搜索树问题提出一种新的优化模型 ,并结合人工神经网络技术加以解决。该方法还可用来处理虚拟设计时进行方案规划所遇到的组合优化问题     

基于神经网络的智能叶片优化设计系统的研究

为给叶轮机械叶片设计人员提供一个操作灵活、专业性强、功能齐全的叶片设计软件，应用神经网络技术开发了一套具有智能化功能的叶片优化设计系统。利用某三级轴流压气机静子叶片2以及某两级风扇压气机转子叶片2的叶片优化改型设计对软件进行了验证，优化设计前后两个叶片流场气动性能的对比分析结果表明，该软件界面友好，功能齐全，具有一定的智能功能，能够满足叶片设计以及优化设计的基本要求。