基于蚁群算法的神经网络绝缘子闪络电压预测

为提高覆冰绝缘子闪络电压的预测精度及预测速度,采用BP神经网络和蚁群算法相结合的方法进行预测模型设计。利用闪络电压及其影响因素之间的试验数据,建立其神经网络的预测模型。以网络的权值和阈值为自变量,通过蚁群算法的迭代运算,搜索出误差全局最小值,再进行网络的二次学习训练。结果表明,该方法具有较高的预测精度,适用于绝缘子闪络电压的预测。     

基于改进ANFIS网络的绝缘子运行状态诊断研究

针对输电线路绝缘子性能的优劣对整个输电系统的安全运行起非常关键的作用,采用改进的自适应神经网络模糊推理系统(ANFIS)对绝缘子运行状态进行推理诊断,以有效诊断推理绝缘子污秽程度及闪络发生的可能性,训练中采用改进的学习方法,提高了推理网络的学习能力.试验结果表明,设计的绝缘子运行状态诊断系统具有优化学习能力,为准确推断绝缘子运行状态提供依据.     

提高特高压直流瓷绝缘子污秽闪络电压的研究

瓷绝缘子作为一种重要的输电线路设备,在我国特高压直流输电工程中应用广泛,但在直流电场作用下,其静电集尘效应使绝缘子表面积污严重,污闪概率比交流电场大为增加。为了减少直流瓷绝缘子的污闪概率,将原有绝缘子作为母体,根据电场分布理论、气体放电理论和沿面放电理论,通过设置附件系统来抑制污秽放电现象的发展,从而达到提高绝缘子污秽闪络电压的目的。试验结果表明,在未改变绝缘子的电气距离和结构参数的情况下,应用附件系统可大幅度提高污秽闪络电压。这对提高特高压直流瓷绝缘子的污秽闪络电压具有一定的指导意义。     

基于BP网络的汽轮机运行特性方程

对现有的汽轮机运行特性方程的建立方法进行了分析,指出其各自存在的问题,然后采用人工神经网络中相对成熟的BP网络建立了汽轮机特性的数学模型,并与常规的线性和非线性模型进行了比较。结果表明,采用BP网络能更准确地反映汽轮机的运行特性,为评价汽轮机运行性能及热经济性诊断奠定了理论基础。     

合成BP网络在汽轮发电机组振动预测中的应用

为了克服常规BP网络饱和性的问题,采用了合成BP网络,并在训练中加入了附加动量法和自适应学习速率法。应用时间滚动技术,实现了振动峰峰值的多时间间隔预测和多步预测。     

基于PSO聚类分析与BP网络的短期电力负荷预测

针对短期负荷预测特点, 提出一种基于PSO聚类分析和BP网络的短期负荷预测方法, 通过PSO聚类分析将负荷历史数据分成若干类对输入数据预处理,建立了相应BP网络模型,采用附加动量和变学习速率法预测每小时负荷.以华东某地区实际负荷预测为例,分析结果表明,该方法适应性强、预测精度高、结果满意.     

基于BP神经网络的工业锅炉房负荷预测

针对工业锅炉房日负荷变化的特点,采用BP人工神经网络模型对热负荷进行预测。在建立模型时,考虑不同小时的热负荷差异,采用24个单输出的BP网络来分别预测每天24h负荷值;利用MATLAB神经网络工具箱NNT(Neural Network Toolbox)分别实现对24个BP网络预测模型的构建及算法改进;最后,应用一个实例对建立的预测模型和实现方法进行了仿真分析,结果证明,该负荷预测模型网络结构小、收敛速度快、预测精度高、具有较高的实用价值。     

自适应学习率的BP网络算法及其在汽轮发电机组故障模糊诊断中的应用

针对ＢＰ网络的不足，提出了自适应学习率的ＢＰ网络算法，从根本上解决了ＢＰ网络学习率的取值问题和收敛速度慢的问题，并有效地克服了ＢＰ网络易陷入局部最小点缺点，采用这种改进算法成功地实现了对汽轮发电机线故障的模糊诊断。     

基于BP网络的水轮机调节系统状态监测与故障诊断

提出了一种基于参数的水轮机调节系统状态监测和故障诊断方法,并设计了基于BP人工神经网络的实现模型,对该方法中用到的数据处理技术做了深入研究,为水轮机调节系统的状态监测和故障诊断研究提供了一种新思路。     

基于花朵授粉算法和BP神经网络的短期负荷预测

为了提高短期电力负荷预测的准确性,降低因预测精度不高带来的电能损失,提出将花朵授粉算法（flower pollination algorithm,FPA）与BP神经网络相结合,利用FPA算法具有收敛速度快、全局搜索能力强的特点,对BP神经网络的权值和阈值进行优化,改善传统BP神经网络因权值和阈值的选择具有随机性而陷入局部最优和收敛速度慢的缺点。最后,通过某地区实际负荷数据验证了优化后的BP神经网络的预测精度得到了提高。     

基于改进的BP神经网络学习算法的变压器故障诊断

电力变压器的故障除了给其自身带来重大损失外,还对电力系统的安全造成很大影响。利用BP神经网络对变压器故障进行诊断,针对BP神经网络学习率的缺点,提出了一种跟踪型自适应学习率的确定方法,该方法仅需整定一个参数,有效地提高了BP神经网络的收敛性和训练时间,进而通过构建变压器故障诊断训练样本集,验证了该方法的可行性,获得了更精确的诊断结果。     

基于思维进化算法优化BP神经网络的渗透参数反演研究

针对传统BP神经网络反演渗透参数的准确性很大程度依赖于初始权值和阈值的选择的问题,引入全局寻优能力极强、待调参数较少、收敛速度快的思维进化算法优化BP神经网络,以弥补传统BP神经网络在解决该问题时拟合能力有限、容易陷入局部最优、收敛速度慢的缺陷,进而提出了思维进化算法优化BP神经网络反演渗透参数的新方法。对某混凝土面板堆石坝进行渗透参数反演结果表明,与传统BP神经网络相比,思维进化算法优化BP神经网络具有更好的泛化能力,反演得到的渗压测点水头与实际值吻合更好,渗透参数符合实际。     

基于自适应遗传算法和BP网络的汽轮发电机组故障诊断

为了克服BP算法中存在的网络学习速度慢,以及容易陷入极小的问题,在运用改进遗传算法的基础上,探讨了一种自适应遗传神经网络算法结合模型,并将其应用于汽轮发电机组故障识别。实验数据表明:该算法收敛速度快,能有效地识别故障,具有一定的参考价值。     

基于果蝇算法与自适应性遗传算法组合优化神经网络的光伏电站短期出力预测

光伏电站的输出功率会随着很多因素发生波动,若能够提高光伏系统出力预测的准确性,则能有效地降低光伏电站并网后对电网造成的冲击,提高电力系统的稳定性。建立了果蝇算法与自适应遗传算法组合优化的BP神经网络的预测模型。从预测结果可以发现,采用组合优化算法的BP神经网络模型能够有效避免地BP神经网络易陷入局部极小值点的缺陷,相比于仅优化权值和阈值的BP神经网络模型提高了预测精度,具有一定的应用价值。     

基于果蝇算法优化BP神经网络的齿轮箱故障诊断

为有效提高风电机组齿轮箱故障诊断的快速性和准确性,采用近几年出现的果蝇算法对BP神经网络进行优化,减少了BP神经网络算法陷入局部最优解的风险,显著增强了BP神经网络的泛化能力和全局寻优能力。对比发现,果蝇算法优化后的BP神经网络模型具有比较好的快速性和准确的诊断能力。测试结果表明,果蝇算法优化BP神经网络对风机齿轮箱故障诊断具有可行性和有效性。     

基于BP神经网络与改进遗传算法的泵站优化调度

通常泵组件的调节主要依靠工程师经验,难以保证水泵在所有时段内均高效运行,易造成能源浪费,对此提出了以效率模型为依据的泵站优化调度方法。为减小误差,使用泵站实际运行数据基于BP神经网络训练水泵特性。在此基础上,利用训练后的数据初始化种群,以泵站效率之和最小为目标,建立泵站优化调度数学模型,设定水量、压力和高效区等约束条件,采用改进的遗传算法求解水泵组合方案及各泵运行参数。结果表明,改进遗传算法对泵站调度的优化效果明显,可适用于泵站的优化节能运行。研究成果为泵站优化调度运行提供了一种新方法。     

基于遗传算法-BP神经网络法的深埋地下水水质评价

为探究开封市地下水水质特征及成因,依据开封市31眼深度600～1 600m地下水开采井的水质检测资料,系统研究了各亚含水层的水化学特征,利用遗传算法-BP神经网络法进行了水质评价,并从埋深、富水性两个方面分析了水质特征的分布规律。结果表明,开封市600～800m亚含水层地下水水质最好,800～1 400m次之,1 400～1 600m亚含水层水质最差,随着埋深的增加,水质变差,富水性越强、水质越好。可见遗传算法-BP神经网络法能够客观地描述地下水水质综合情况,避免了人为主观影响,使评价结果更为合理。