RBF神经网络在电力负荷预测中的应用

将ＲＢＦ（Ｒａｄｉａｌ Ｂａｓｉｓ Ｆｕｎｃｔｉｏｎ，辐基函数）人工神经网络模型用于电力系统日峰值负荷与日小时负荷的预测。文中首先给出了ＲＢＦ网络的结构，然后讨论确定ＲＢＦ网络中心及网络训练的聚类和正交化法，利用从京津唐系统中收集到的负荷数据进行网络模型的训练和回响检测，所得结果证实了ＲＢＦ网络用于负荷预测的有效性。     

神经网络在短期电力负荷预测中的应用

给出了改进的BP网络和RBF网络的构造过程和训练方法.在改进的BP网络中不仅加入了动量项和变步长法，而且在模型中合理地考虑了影响负荷变化的主要气象因素，使其能够适应天气的变化.在RBF网络中，为了克服传统K均值聚类法局部寻优的缺陷，采用了正交最小二乘法选取RBF中心.利用改进的BP网络和RBF网络进行了短期电力负荷预测，并对训练的收敛速度和预测精度进行了分析.比较两种模型，RBF网络比BP网络更具有实用性和可开发性.     

EBP神经网络在空调负荷预测中的应用

空调系统负荷是一个典型的具有动态性、不确定性等随机特性的非线性模型.传统方式难于实现准确、快速地预测空调系统动态负荷.人工神经网络ANN具有高度的非线性运算能力和较强的容错能力,其中使用最为广泛的是误差反向传播EBP算法.研究结果表明,用EBP神经网络预测空调负荷和计算结果能较好地吻和.     

灰色理论在中长期电力负荷预测中的应用研究

提出了基于灰色预测理论的电力系统中长期负荷预测的实用新方法，对于中长期电力负荷预测这样复杂问题，其简捷实用，预测精度高，经实际算例核证明该方法可以做为中长期电力负荷预测的理想工具之一。     

灰色模型在电力负荷预测中的应用

应用灰色系统理论分析了某电力系统电力负荷的动态变化趋势。并用灰色预测理论对该系统现有的年用电量时间数据序列进行处理，进而建立了GM（1，1）预测数学模型，最后提供了预测实例。     

利用神经网络预测空调负荷

介绍了神经网络的基本原理,编制了通用神经网络程序,并用些程序对一实际工程空调负荷进行了预测,预测结果与计算值相吻合,说明神经网络是一种新颖、可靠的负荷预测方法。     

基于MPCA-RBFNN的神经网络在中长期电力负荷预测中的应用

利用改进的主成分分析(MPCA)方法对径向基函数神经网络输入空间进行重构,在降低输入空间维数的同时克服了传统主成分分析法的缺点,缩小了网络的结构,达到了提高网络泛化能力的目的。通过某省实例验证了该方法的有效性。     

电力负荷短期预测的神经网络方法研究

设计了一个三层神经网络模型来实现电力系统的短期负荷预预.采用了改进的BP学习算法,以提高训练的收敛速度.预测仿真结果表明,所设计的神经网络是可以进行短期负荷预测的.     

RBF神经网络自适应模糊控制在短期负荷预测中的应用

为了能够及时准确地进行电力系统短期负荷的预测,采用RBF神经网络和自适应模糊控制相结合的预测方法,首先通过RBF神经网络进行负荷预测,然后利用自适应模糊控制对预测结果进行在线修正,实验结果证明了该方法的正确性与可行性。     

基于神经网络最优组合预测在电力负荷预测中的应用

为提高负荷预测的准确性,引入了最优组合预测模型,使几个电力负荷预测模型有机地结合起来.针对最优组合预测模型权重分配时出现的负权重问题,建立了基于神经网络的最优组合预测模型,通过实例论证,该模型具有较高的预测精度.     

ANN 电力系统短期负荷预测

采用了优化计算的神经网络结构、可变的学习率η和动量α,选取了能充分反映负荷变化规律的特征量．实例计算表明,方法有效,预测精度比常规方法高,收敛性好,运算速度快     

基于EUNITE竞赛数据的中期电力负荷预测

应用自组织模糊神经网络(SOFNN)算法,基于欧洲智能技术网络(EUNITE)竞赛数据进行了中期电力负荷预测的应用研究。算法能够自动决定神经模型的结构并得出模型的参数,具有很好的实用价值。研究了训练数据选取和输入特征向量编码等实际应用问题,结果表明负荷预测精度高,优于竞赛的优胜者,之后提出了结合周平均负荷预测修正日负荷预测的方法,精度得到进一步地提高。     

人工神经网络在转炉建立准确预报模型中的应用

本文介绍了神经网络的并作原理、神经网络的训练算法及在转炉建立锰含量预报模型的模糊规则中的应用。     

LVQ神经网络分类器在润滑油磨粒识别上的应用

论述了一种用计算机图象系统进行磨粒识别的方法。该系统采用ＬＶＱ神经网络作为分类器来识别润滑油中磨粒的表面结构，从而确定机器的工作状况。识别过程包括４个阶段：（１）获取磨粒的铁谱图像；（２）将图像进行数字化并表提取特征；（３）对从特征集中提取的训练数据进行学习；（４）对磨粒进行识别并且生成机器运行状况的结果报告。对内燃机的滑动和滚动的几类磨粒进行识别的结果表明，这种方法可成功地用于磨粒识别。     

人工神经网络基本特征和进展

本文结合非线性动力学系统理论描述了人工神经网络的基本特征和性质,对人工神经网络计算机的产生和面临的问题作了介绍。     

改进遗传神经网络及其在负荷预测中的应用

针对遗传算法早熟的缺陷,提出了改进的交叉,变异策略,采用移民算子等方法改善遗传算法的性能,并把此方法应用到神经网络的训练中,对电力系统短期负荷进行预测取得了较为理想的效果。     

基于PCA-RBF神经网络模型的航空备件预测方法

提出了基于PCA—RBF神经网络模型的备件预测方法．首先利用主成分分析去除原始输入层数据的相关性,以解决RBF神经网络模拟备件需求时输入变量过多、网络规模过大导致效率下降的问题,最后选择合适的径向基函数密度训练神经网络．通过结合实例进行分析,取得了较好的效果．     

Short-term load forecasting based on fuzzy neural network

The fuzzy neural network is applied to the short-term load forecasting. The fuzzy rules and fuzzy membership functions of the network are obtained through fuzzy neural network learming. Three inference algorithms, i.e. themultiplicative inference, the maximum inference and the minimum inference, are used for comparison. The learningalgorithms corresponding to the inference methods are derived from back-propagation algorithm. To validate the fuzzyneural network model, the network is used to Predict short-term load by compaing the network output against the realload data from a local power system supplying electricity to a large steel manufacturer. The experimental results aresatisfactory.     

县级城区电网规划研究

县级城区电网是电力网的重要组成部分 ,对县级城网进行科学规划 ,从而提高其供电可靠性和经济性十分必要 .分析了县级城区电网存在的主要问题 ,采用外推法、灰色模型等预测方法对城区负荷进行预测 ,对几种模型的预测结果进行比较 ,分析了影响负荷预测的主要因素以及如何最终确定符合实际的负荷预测值 ,提出了电网改造的主要途径 ,为县级城网的规划与改造提供了理论依据