基于BP神经网络的多参数关联变压器油击穿电压的预测研究

电力变压器的安全、稳定和经济运行是电力输送的重要保证。基于变压器油的日常监督数据,预测变压器油的击穿电压,将为变压器故障的早期诊断、预测防范和及时处理提供重要的科学依据。笔者鉴于BP神经网络具有任意的非线性映射、强大的自学习功能和良好的容错特性,采用BP神经网络的方法进行多参数关联变压器油击穿电压的预测研究。利用变压器油的日常监测数据,用BP算法和改进BP算法训练网络,分别建立了击穿电压与4个影响因素的关联模型。结果表明,基于改进BP算法模型的预测结果精度较高,预测值相对误差在5%以内,具有重要的实际应用价值。     

BP神经网络在大型发电机主绝缘击穿电压预测中的初步应用

击穿电压在大电机主绝缘寿命评估中有着重要的作用.本文讨论了BP神经网络在谏壁7号机更换线棒主绝缘击穿电压预测中的应用.首先作者用所测得的试样介质损耗参量、局部放电参量和击穿电压值作为样本提供给BP神经网络学习.然后,用训练好的神经网络对击穿电压进行预测.结果表明训练好的BP神经网络对该批更换线棒击穿电压的预测是可行的,并有较高的准确度.此方法可应用到其他材料和结构相同的发电机击穿电压的预测.     

BP神经网络的多参数关联变压器油击穿电压的预测研究

电力变压器的安全、稳定和经济运行是电力输送的重要保证。基于变压器油的日常监督数据,预测变压器油的击穿电压,将为变压器故障的早期诊断、预测防范和及时处理提供重要的科学依据。鉴于BP神经网络具有任意的非线性映射、强大的自学习功能和良好的容错特性,采用BP神经网络的方法进行多参数关联变压器油击穿电压的预测研究。利用变压器的日常监测数据,用BP算法和改进BP算法训练网络,分别建立了击穿电压与4个影响因素的关联模型。结果表明,基于改进BP算法模型的预测结果精度较高,预测值相对误差在5％以内,具有重要的实际应用价值。     

基于BP与RBF级联神经网络的日负荷预测

在采用分段预测方法的基础上,利用小规模BP(back propagation)神经网络学习时间短和径向基函数(radial basis function,RBF)神经网络自身训练速度快的优点,提出了基于BP和RBF网络的级联神经网络日负荷预测模型,将影响日负荷变化的非负荷因素(气象、日类型等)与历史负荷因素分别加入BP和RBF网络中分开考虑,进一步简化了预测模型。计算实例表明,该模型较一般级联神经网络模型收敛更快速、高效,预测精度有了很大提高。     

改进BP神经网络在农作物虫情青预测预报中的应用

本文主要利用神经网络理论,基于Matlab的神经网络工具箱建立了虫害发生量预报预测的BP神经网络预测系统,确定了发生量与自然因素之间的联系。并通过对安徽省庐江县田间水稻病情的预测来检验模型的效果。实验结果证明了该模型用于虫情预测的可行性,具有很好的应用价值。     

RBF神经网络在地下水动态预报中的应用

RBF(径向基函数)神经网络具有结构自适应确定、输出与初始权值无关的优良特性。通过Matlab仿真,此网络应用于某地的地下水动态模拟与预测,演示训练样本集与检测样本集的构建、原始数据的预处理、神经网络的构建训练、检测及结果评价的整个过程,取得了良好效果,并与BP网进行了对比,RBF网络是一种值得推广的地下水动态模拟与预测神经网络模型。     

基于RBF神经网络的电力系统月度负荷预测研究

月度负荷预测是电力系统计划、调度、营销部门的重要工作之一,本文根据影响月度负荷的因素,运用Matlab工具箱,建立基于RBF神经网络的月度负荷预测模型,利用它对某地区2009年的月度负荷进行预测,预测结果为相对误差1.96%,因此,据预测结果可知本文提出的模型预测精度较高,完全可以达到工程实际应用的目标。     

双重BP神经网络组合模型在实时数据预测中的应用

在回归和延时神经网络的基础上，利用非线性组合预测方法的优点，提出一种新的预测模型--双重BP神经网络组合模型模型，选用某660MW机组的主蒸汽流量数据进行学习训练，实例计算结果表明双重BP神经网络组合模型可提高单项预测模型的精度，校核样本的平均相对误差为1.5%，而单独采用回归神经网络和延时神经网络进行预测的平均相对误差分别为2.7%和1.9%，证明双重BP神经网络组合模型具有很高的预测精度，可应用于火电厂实时数据的有效性验证。     

基于相似搜索和RBF神经网络的短期电价预测

为了提高电价预测的准确性,提出一种基于相似搜索和RBF神经网络的短期电价预测的方法。采用相似搜索原理来生成神经网络的训练集和输入矩阵,并运用MATLAB7.0中的神经网络工具来实现该模型。采用澳大利亚维多利亚电力市场2002年1月1日至3月17日共75天数据进行了实验分析,对3月11日～17日的各时段电价进行了预测,通过比较验证了本文方法的有效性。     

基于Adaboost的BP神经网络改进算法在短期风速预测中的应用

进行较准确的风速预测对含大规模风电场的电力系统进行经济调度具有重要意义。针对目前神经网络法、时间序列法、卡尔曼滤波法等算法在短期风速预测上精度不高的缺陷,引入Adaboost算法对前馈(back propagation,BP)神经网络算法进行改进,提出了基于Adaboost的BP神经网络算法,并将该方法应用于短期风速预测。经算例分析,该算法在超前1 h和2 h的风速预测精度优于其他2种算法,且该算法在高风速段(10 m/s以上)平均绝对百分比误差低于7.5%,具有较高的工程应用价值。     

基于BP神经网络和遗传算法的年负荷预测与分析

建立BP（Back Propagation）神经网络与遗传算法相结合的电力负荷预测模型。在该模型中,利用遗传算法具有的全局寻优特点,将BP网络的初始权值优化到一个较小的范围,然后再用BP算法在该范围内继续优化,以便使优化算法既能实现全局最优求解,又能获得较快的求解速度。最后,通过仿真算例,与传统BP网络优化结果、及各种拟合方法获得结果进行比对,验证了计算方法的可行性和优越性。     

采用改进BP神经网络算法预测短期电力负荷

介绍了BP神经网络算法的原理以及对其采用非线性阻尼最小二乘法Levenberg-Marquardt进行优化的的方法。针对短期电力负荷的特点,设计了预测短期电力负荷的BP神经网络模型和预测流程,并结合具体实例,采用MATLAB神经网络工具箱编程。与实例结果的比较表明,此方法预测短期电力负荷具有实用价值。     

基于BP神经网络群的中压配电网电压降落估算

对影响农村中压电网电压降落的因素进行了分析,利用神经网络具有自学习、联想记忆功能以及逼近任意非线性映射的能力,提出了基于BP神经网络群的中压电网电压降落估算方法。为解决由于样本多、分类空间复杂而易导致网络不容易收敛的问题,采用分层的BP网络群结构,将样本分类,由各BP子网进行单类样本训练,完成对样本的并行训练及测试。该方法依据电压降落影响因素及实际电网结构参数,确定神经网络输入输出特征量;按照线路负荷分布类型将样本分类,减小了BP网络训练复杂度;根据样本误差和误差变化调整学习率和冲量因子,提高了BP网络学习效率。实际算例结果验证了所提出方法的有效性和可行性。     

BP和RBF神经网络的实现及其性能比较

本文介绍了2种应用颇为广泛的神经网络模型,BP及RBF神经网络的基本理论,并从数学角度阐述了2种算法的学习过程,其后简要地阐述了MATLAB神经网络工具箱设计BP和RBF网络的主要函数.为了比较2种网络的性能差异,最后在MATLAB环境下设计了具体的网络来对指定的非线性函数进行函数逼近.仿真结果表明,RBF的泛化能力在多个方面都优于BP网络,但是在解决具有相同精度要求的问题时,BP网络的结构要比RBF网络简单,因此在实际应用中可以此来指导神经网络的设计.     

基于BP神经网络的PEMFC稳定性及动态性预测

研究了PBI/H_3PO_4体系高温质子交换膜燃料电池(PEMFC),将其在不同压力、温度、阴极气体和负载下的稳态电位响应数据及该体系对压力变化、温度变化的动态电位响应数据作为训练数据,建立以Matlab/Simulink和BP神经网络为基础的高温下PEMFC的稳定性能和动态性能的预测系统。通过所建立的神经网络模型对电池的稳态电位输出和动态电位响应进行模拟,结果表明,所建立的模型可以对电池的稳态及动态行为进行准确模拟,这为PBI/H_3PO_4体系高温PEMFC的控制及性能预测提供了一定的参考。     

神经网络算法在汽轮机排汽焓估算中的应用

在线机组热力系统性能计算中,汽轮机的排汽通常处于湿蒸汽区,排汽干度目前无法实现直接测量。对此,将神经网络方法应用于汽轮机排汽焓的估算,通过分析汽轮机排汽焓的影响因素,并对数据进行无量纲化处理,对BP神经网络在不同训练函数下的计算精度与速度,以及BP神经网络与RBF神经网络计算排汽焓的准确度进行比较。结果表明:BP神经网络对训练函数的依赖程度较大,部分函数在计算中随机性较强、计算时间较长;traingdx、trainscg和trainoss 3个函数计算时间较短、计算精度较高,可作为训练函数;RBF神经网络的计算误差较BP神经网络大,但其自适应能力强,对训练函数的依赖程度较小,在训练样本足够多时,可以减小其计算误差。     

RBF神经网络算法在动态称重中的应用

针对高速公路动态检测系统中称重数据的复杂性,将不同的称重数据处理办法做出对比,并提出利用 RBF神经网络对动态称重数据进行处理。文章首先综述性的介绍了车辆动态系统整体构成,之后对径向基函数网络的拓扑结构以及径向基函数中心的选取进行了介绍,最后利以试验台搭建检测平台,通过实验用两轴小车进行以不同的速度通过试验台,采集其动态参数。最后利用采集到的数据,用 MATLAB 进行仿真,验证了径向基函数网络对动态称重数据的处理表现出良好的速度与精度。     

基于遗传算法的BP神经网络电子系统状态预测方法研究

BP神经网络是一种应用面较广的神经网络,但存在明显缺陷:学习收敛速度慢,易陷入局部极小。遗传算法具有良好的搜索全局最优解的能力。为了提高BP神经网络预测模型在状态预测中的准确性,提出了一种基于遗传算法优化BP神经网络的状态预测方法.利用遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以求得最优解,并将该预测方法应用到Buck输出电压平均值进行有效性验证。仿真结果表明,改进后方法具有较好的非线性拟合能力和更高的预测准确性。     

基于传递熵和小波神经网络的电子式电压互感器误差预测

电子式电压互感器目前的主要问题是长期运行后的准确度退化问题.现行的方法有定期离线校验和在线校验,前者不利于及时发现互感器的误差变化,后者需要标准器并网运行,无法大规模应用.基于这一现象,文中提出了基于传递熵和小波神经网络的电子式电压互感器误差预测方法.先根据传递熵分别选取比差和角差的主要影响因素,然后将筛选所得的因素作...