共查询到20条相似文献,搜索用时 328 毫秒
1.
对并联型有源电力滤波器进行了分析 ,建立了数学模型 ,求出了逆变器的理想输出电压 ;并在分析n阶预测型算法的基础上 ,提出一种新型电流控制算法———双重预测型算法 相似文献
2.
为了实现自适应传输,信道状态信息(CSI)必须是可知的,信道预测算法应具有运算量小、预测时间长的特点.长距离信道预测(LRP)算法简单,但预测时间长度较短.针对该问题,利用预测误差幅度逐渐收敛的特点对其建模,提出了改进的处理方法,达到了更新权向量的目的.计算机仿真实验表明,该方法降低了LRP算法的预测误差,并且增长了预测时间长度,更加适于自适应传输方法的实时应用. 相似文献
3.
粒子群神经网络混合算法在负荷预测中的应用 总被引:4,自引:0,他引:4
电力系统负荷预测结果的准确性关系到电力系统的调度运行、生产计划和供电质量,为此在研究短期负荷预测中应用了粒子群PSO和BP神经网络相结合的混合算法。该算法先应用粒子群优化算法算出BP神经网络的连接权向量和阈值,每次迭代求出最优粒子的权向量和阈值及BP网络在这组权向量和阈值的实际输出值,最后得出第i个粒子的适应度函数。与其他方法相比,该算法预测精度较高:平均相对误差≤1.48%,最大相对误差≤4.10%,而且收敛速度快,预测结果满足短期负荷预测误差要求。 相似文献
4.
短期负荷预测方法的研究及在线应用 总被引:14,自引:2,他引:12
根据邯郸地区的负荷特点,将负荷预测分为正常日和节假日两种预测模型。在正常日预测中,采用基本负荷加修正负荷的思想,修正负荷通过自组织人工神经网络训练得到;在节假日预测中,采用将历史负荷按“近大远小”中权平均的思想。同时,应用最小二乘递推算法修正模型,进行在线预测。此外,还开发出相应的软件包用于实际预测工作,并根据邯郸地区的实际情况,通过对MIS中公共数据库的访问,实现了负荷、气象数据的自动获取和录入 相似文献
5.
一种 基于相似负荷日的短期负荷预计方法 总被引:3,自引:0,他引:3
针对江苏电力负荷的特点,提出了一种新的基于相似负荷目的短期负荷预计方法。其在江苏省电网调民的应用表明,该方法比其他方法具有较高的精度。 相似文献
6.
结合山西省电力系统的特点,提出3种比较适用的短期负荷预测算法。通过对实际系统的试验表明,这几种算法均具有较高的预测精度,可以满足系统运行的要求。 相似文献
7.
分布式分层BP算法在短期负荷预测中的应用 总被引:1,自引:0,他引:1
本文提出了一种利用分布式分层人工神经网络进行短期电力系统负荷预测的方法。在简要介绍了反向误差传播算法即BP算法以后,具体分析了分布式分层神经网络的结构原理及其在电力系统负荷预测中的应用,通过分析各种输入量与输出量之间的映射关系,论述了采用这种算法的优越性和实现这种神经网络结构的可能性,同时还指出隐层节点数目优化仍是一个有待进一步研究的问题,最后介绍了实现这种算法的具体程序模型图。研究表明,这是一种 相似文献
8.
9.
11.
负荷波动是导致频率不稳定的重要因素,而短期负荷预测可以预估系统有功出力,有效抑制频率波动。针对西南电网异步互联后的频率波动问题,文中首先对西南地区负荷波动幅值的概率分布进行分析,并将负荷波动概率纳入负荷预测过程,提高预测精度。然后,基于西南电网的负荷概率分布特点,提出融合反向传播(BP)神经网络和支持向量回归(SVR)的新型混合算法,采用BP神经网络对负荷水平进行评估,利用所得负荷水平作为SVR训练集的选取依据,进而预测当日负荷。最后,基于实际负荷数据进行频率仿真,并与传统方法的预测结果进行对比,验证了所提模型负荷预测精度及频率波动抑制效果的优越性。 相似文献
12.
提出了一种新颖的控制方案,即采用神经网络预测控制器来控制机器人的力/位置.这种控制器能任意逼近机器人这种不确定对象,不用知道系统的精确结构,同时由于预测控制的加入,使系统在线计算方便,控制质量提高了。通过对机器人的仿真结果可以看出,传统的PID对于不确定对象不能很好的解决,而采用本文设计的控制器,系统的鲁棒性和快速性都得到了改善,并且具有较好的控制效果。 相似文献
13.
电子系统短期负荷预测的共轭梯度ANN方法 总被引:4,自引:2,他引:2
针对传统BP学习算法的缺陷,提出了基于共轭梯度优化技术的ATN学习算法。ANN模型中考虑了温度、天气情况的影响,可进行工作日、一般休息日和节假日的预测。计算表明,该ANN模型和学习算法实用、有效。 相似文献
14.
人工神经网络在电力系统短期负荷预测中的应用 总被引:5,自引:0,他引:5
为准确预测电力系统短期负荷,针对BP神经网络的固有缺陷,改进了基本BP算法,并采用遗传算法设计和优化神经网络结构参数,在此基础上建立了工作日负荷预报模型和假日负荷预报模型。负荷预测仿真表明,本文所提出的算法在预测精度和收敛速度方面均得到了改进。 相似文献
15.
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
16.
17.
19.
20.
供电企业准确预测未来售电量,是决策企业经营目标的基础和生产发展的基本依据。利用已有负荷,电量预测方法,引入优化组合思想,将不同的预测模型及预测工作人员的经验有机地结合起来,通过综合各模型的优点和经验,可得到较为准确的供电企业短期售电量预测值。以兰州供电局历史售电量数据为基础,设计并编制了初步具备专家预测系统功能的预测分析软件。实例分析证明,程序的设计较为成功,利用专家预测系统的预测思想结合组合法的程序设计,可以极大提高预测精度。 相似文献