并联型有源电力滤波器电流控制算法的研究

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     

一种改进的长距离信道预测算法

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.     

粒子群神经网络混合算法在负荷预测中的应用

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。     

短期负荷预测方法的研究及在线应用

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     

一种 基于相似负荷日的短期负荷预计方法

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。     

电力系统短期负荷预测算法的应用与探讨

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。     

分布式分层BP算法在短期负荷预测中的应用

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     

一种新的基于相似负荷日的短期负荷预计方法

针对江苏电力负荷的特点,提出了一种新的基于相似负荷日的短期负荷预计方法。其在江苏省电网调度所的应用表明,该方法比其他方法具有较高的精度。     

光伏功率预测技术

光伏功率预测是提高光伏电站控制、调度性能,保障高比率光伏发电接入的电网安全稳定运行的基础性关键技术。国内光伏功率预测技术研究和工程应用尚处于起步阶段,理清其技术脉络和关键问题尤其迫切。文中对光伏功率预测基本技术原理和关键问题进行了全面综述,首先介绍其基本原理和预测模式,然后总结了超短期和短期预测的主要技术要点,并着重对提升预测精度的相关研究进行评述,最后结合中国光伏功率预测发展现状,提出了值得研究和关注的光伏功率预测关键问题。     

西南电网异步联网后的负荷预测及频率波动抑制

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。     

基于神经网络和智能预测控制的机器人算法

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。     

电子系统短期负荷预测的共轭梯度ANN方法

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。     

人工神经网络在电力系统短期负荷预测中的应用

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。     

基于GA-BP和POS-BP神经网络的光伏电站出力短期预测

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。     

神经网络在电力系统短期负荷预测中的应用综述

神经网络是目前研究最多的短期负荷预测方法。详细综述了BP网络、RBF网络以及小波神经网络在电力负荷预测领域的研究和应用现状。简单介绍了神经网络中常用的BP算法以及改进的BP算法。综述了神经网络在组合预测中的应用，并指出目前神经网络还存在的一些问题。     

基于Mycielski算法的风电场风速预测

对已有的风速预测方法进行了总结归类,并使用一种新颖的基于Mycielski算法进行风电场风速预测,建立了基于该算法的预测模型,并且同持续法风速预测进行对比,同时对二者的误差进行了分析.实验结果表明,基于Mycielski风速预测模型在风速平滑段有着非常高的预测精度,其均方根误差与误差方差均小于持续法,误差为零的概率高于...     

基于BP神经网络的绝缘子泄漏电流量预测方法

电力系统中绝缘子泄漏电流量跟很多因素有关，其预测模型是一个复杂系统，采用普通的拟合方法，很难找到合适的映射函数。将BP神经网络应用到绝缘子泄漏电流量预测中，建立预测模型，测试结果表明，该预测模型的预测误差小于1％，达到实际生产对模型的要求。     

利用软件实现短期电量预测的专家系统算法

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。