共查询到16条相似文献,搜索用时 46 毫秒
1.
针对微电网负荷功率的不确定性,提出了一种基于遗传算法优化的BP神经网络模型GA-BP,能够快速、有
效地建立非线性输入与输出之间的关系,对微电网短期负荷进行预测.通过对遗传算法优化的BP神经网络和传统BP
神经网络分别建立微电网负荷预测模型,对某地区的微电网短期负荷进行MATLAB仿真和计算,对2种模型的未来
24h短期负荷预测进行比较,验证了2种预测方法的有效性和可行性.由仿真结果可知,采用遗传算法优化的BP神
经网络预测的平均相对误差为3.23%,相较于传统的BP神经网络拥有更好的预测精度. 相似文献
2.
3.
4.
《电力系统及其自动化学报》2017,(6)
为了高精度预测光伏发电,减小并网光伏对电力系统运行的不利影响,本文引入相似日的概念,对预测日的天气信息进行分析,根据天气信息、季节等数据,通过聚类的方法,在历史数据中筛选出与预测日特征相似的历史发电数据和天气数据,作为预测模型的训练样本,并采用GA-BP神经网络对系统进行建模以及光伏发电预测。通过对某光伏系统数据验证,计算了预测误差。分析结果表明该方法具有较高的预测精度。 相似文献
5.
当前在光伏电站出力短期预测方面较多的采用BP或者优化的BP神经网络算法,存在采用的优化算法单一、缺乏多种优化算法比较选优、预测误差大的问题。基于本地5 k W小型分布式光伏电站,综合考虑影响光伏出力的太阳光辐射强度、环境温度、风速气象相关因素和光伏电站历史发电数据,分别采用BP以及遗传算法和粒子群算法优化的BP神经网络算法—GA-BP和POS-BP构建了晴天、多云、阴雨三种天气条件下光伏出力短期预测模型。实测结果表明,三种神经网络算法预测模型在三种不同天气条件下均达到了一定的预测精度。其中GA-BP、POS-BP相比传统的BP预测模型降低了预测误差,且POS算法相比GA算法对于BP神经网络预测模型的优化效果更好,进一步降低了预测误差,适用性更强。 相似文献
6.
基本光学性质折射率是研究物质物理性质的重要参数。本文以超临界二氧化碳(S-CO2)为对象,整合各文献在不同温度、压力下对S-CO2折射率的测量数据,使用遗传算法(GA)优化后的BP神经网络建立了预测S-CO2折射率的模型,并基于S-CO2密度与波长、折射率内在联系的洛伦兹-洛伦兹关系式,对S-CO2的密度进行反演。结果表明:该模型预测 S-CO2折射率的最大相对误差仅为0.844%;反演的S-CO2密度值同REFPROP软件结果相比,平均误差不超过3.65%;在亚临界和超临界区,通过实验测量折射率来研究CO2物性是可行的;在近临界区,由于CO2物性变化剧烈,对折射率变化规律的测量及折射率与CO2物性的关系尚需进一步研究。 相似文献
7.
8.
9.
10.
针对组合预测方法中经验模态分解(EMD)部分存在处理非线性和非稳态信号的不足,提出以一种基于局部均值分解(LMD)与遗传算法-BP神经网络(GA-BP)模型相结合的短时风速预测方法。首先该方法在自适应分解部分采用LMD方法对原始风速数据进行分解得到一系列乘积函数,并对乘积函数分量提取瞬时频率和瞬时幅值的特征参数,然后通过设定的频率阈值将全部的乘积函数筛选重构成高、中、低3种频段分量;其次机器学习部分采用遗传算法优化BP神经网络方式进行建模,确定模型的连接权值和阈值参数;最后将3种不同频段分量输入到确定的GA-BP神经网络模型中进行滚动预测。通过仿真实验和对实测风速预测验证了所提方法的可行性和有效性,为短时预测方法提高了一种新思路。 相似文献
11.
基于遗传算法-BP神经网络优化的PID控制 总被引:1,自引:0,他引:1
利用遗传算法全局随机搜索能力,设计一种基于遗传算法的神经网络学习算法。对于非线性复杂系统,常规PID控制器不能获得理想的控制效果,针对复杂非线性对象的神经网络PID控制不失为一种有效的控制策略。该文提出了基于遗传算法优化参数的神经网络PID控制器,实现了基于实数编码的GA参数优化。仿真结果证明了该算法的有效性。 相似文献
12.
13.
为解决常规电力系统稳定器中受控系统参数难以识别的问题, 提出了一种可以根据电力系统运行工况自动调整控制参数的新型自适应电力系统稳定器(PSS),运用神经网络完成电力系统被控模型的精确在线辨识.通过在线测量同步发电机的有功和无功参数,自适应电力系统稳定器可按照相位超前补偿的设计原则实时自动调整稳定器参数, 以达到最佳的抑制低频振荡的效果.为了避免BP算法在神经网络训练当中陷入局部小等一系列缺点,引入了一种GA和BP相结合的算法,将其用于人工神经网络的设计,同时将离线计算所得的PSS参数构成的样本对神经网络进行训练.通过在时域仿真结果表明自适应PSS能有效抑制电力系统低频振荡,极大的提高电力系统的动态和暂态稳定性. 相似文献
14.
15.