基于高阶累积量Burg自适应算法的间谐波估计

Burg算法适合处理间谐波信号，但是在有噪声的环境下，会产生错误的谱估计结果。采用一种基于高阶累积量的Burg自适应算法估计间谐波信号，该方法不受高斯噪声的影响。首先，利用高阶累积量对高斯噪声不敏感的特性，改进Burg算法的预测误差标准。其次，为了降低引入高阶累积量而增加的计算量，反射系数的求取采用递推形式。最后，利用谐波信号的4阶累积量对角切片求取各成分的幅值。仿真结果表明，所提出的算法明显改进了Burg算法的谱估计性能，能够在噪声环境下获得准确的间谐波参数估计。     

基于空间谱和支持向量回归机的间谐波分析

针对电力系统中存在的间谐波问题，提出一种结合参数法和非参数法特点的间谐波频谱分析算法。首先，为了应用空间谱分析需要将电网信号变换为空域信号;然后应用盖氏圆盘估计协助求根多重信号分析算法准确估计信号源数及其频率;最后由稳健支持向量回归机计算幅值和相角。获得准确频率信息后，支持向量回归机计算的频率范围变成已知的有限频率点，计算量降到最低，并且此算法无需同步采样和过长的采样数据。通过仿真和实例检测，验证了该方法的有效性。     

基于时序AR补偿RBF模型的滑坡位移预测

为了提高复杂态势下滑坡位移预测的准确性,构建了基于时序AR补偿RBF神经网络的滑坡位移预测模型。首先采用RBF(Radial Basis Function)神经网络对滑坡位移整体趋势进行逼近,获取预测残差;然后基于时序AR构建预测残差补偿器;最终将AR预测残差值与RBF逼近值进行叠加,从而实现滑坡位移预测。以隔河岩水电站进水口滑坡38期监测数据为例,采用AR补偿RBF模型进行预测。预测结果表明:相较于单一RBF神经网络,AR补偿RBF模型的预测平均相对误差由12.718%降低至4.703%,均方误差由0.232降低到了0.032;AR补偿RBF模型对滑坡位移拐点、突变点的逼近更符合实际,且具有较高的外推预测能力。     

基于Internet的电能质量监测与分析系统的研制

计算机网络技术的发展，为不同地点供电系统电能质量的远程集中监测和分析提供了有效的手段。论述了基于 Internet 的供电系统电能质量的监测与分析系统，主要包括利用 GPS 授时技术进行多点同步采样，利用Windows NT2000和IIS建立网络平台，利用SQL Server数据库管理供电网络运行数据，使用多种分析软件对供电系统的电能质量进行仿真分析，并提出治理措施。该系统可为供电系统的安全运行提供保障。     

基于AR(P)模型和随机模拟技术的洪水概率分析

在中长期水文预报中,AR(P)模型和其他预报方法一样,都可以对未来一段时间(预见期)内的水文要素进行确定值预报。水文过程是随机过程,随着随机模拟技术的发展和PC机的普及,对未来一段时间(预见期)内发生超过某种频率洪水的概率进行科学的预估提供了工具。文章在 AR(P)模型预报结果的基础上用随机模拟的方法推求预见期内的超过某种频率设计洪水的概率, 为中长期水文预报提供了一种新的思路。     

实时洪水预报中基于岭估计的AR修正模型研究

为提高实时洪水预报精度,经常将水文模型与误差修正模型相结合,AR模型因其结构简单广泛应用于实时洪水预报误差修正。然而,实际应用显示,AR模型时常出现修正结果不稳定现象,表现为流量修正幅度过大,甚至出现“震荡”现象,严重影响修正效果。鉴于此,本文从矩阵特征值角度解释了AR模型出现不稳定现象的原因,并引入岭估计方法选择性利用流量信息更新自回归系数,使其更满足真实流量的涨落过程,增强该模型的稳健性。将新方法应用于蔺河口流域,结果显示岭估计方法显著提高了AR模型的稳健性,从而改善了模型修正效果,进一步提高了洪水预报精度。     

基于充电设施型谐波补偿的研究及应用

本文通过对充电设施工作产生的谐波分析及仿真,得出采用基于SPWM脉宽调制闭环指令电流的跟踪控制方法,采用闭环能量回馈方案的装置对充电设施谐波补偿的高精度控制进行验证,有效检测抵消充电设施引起的谐波,实现对充电设施谐波污染的治理,提升电能质量。     

基于独立随机矢量协方差特性的谐波发射水平评估方法

提出了一种基于独立随机矢量协方差特性的用于估计系统侧谐波阻抗及用户谐波电压发射水平的新方法。根据公共耦合点处谐波电流与系统背景谐波只有弱的联系,利用随机矢量协方差特性抵消偏差量方程中背景谐波变动项,解得系统侧谐波阻抗,并跟踪计算用户谐波电压发射水平。根据模式识别向量相似度原理提出影响因子,用于判别背景谐波变动对估计结果的影响程度。通过对实验电路的仿真和现场测试案例的分析,证明了该方法能有效抑制背景谐波变动带来的估计误差,估计结果更为合理。     

基于AR模型的海上风机脉动风速时程模拟

为分析海上风机支撑结构及叶片的风振动力响应特性,基于线性滤波法中自回归AR模型,采用Kaimal脉动风速功率谱编制了具备时空相关特性的MATLAB脉动风速时程模拟程序;针对江苏如东黄海海域某4 MW级风机塔筒、叶片等结构进行了实例分析,得到结构表面各控制点模拟脉动风速时程曲线,并结合计算功率谱与目标谱进行对比验证;利用TurbSim软件对自编程序计算精度和效率进行比较。相关计算结果表明该程序简单易操作,所需参数较少;虽无法考虑湍流强度,但具有适用多种风机结构的优点;同时整体模拟效果良好,可有效解决风荷载输入问题。     

基于BP神经网络的光伏发电功率预测模型研究

光伏发电功率预测对提高光伏发电并网系统调度质量有重要意义.通过建立基于BP神经网络的光伏发电预测模型,并创新性地提出将光伏组件环境清洁度作为模型输入因子,对光伏电站发电功率进行预测.采用新疆电力科学研究院光伏发电系统作为算例验证平台,证明了模型的有效性.     

基于BP神经网络的来水量预测模型

针对径流量长期变化的因果关系复杂特性,常规的中长期水文预报模型又很难满足精度要求,提出了基于BP神经网络的来水量预测模型。结合实际径流数据,验证了模型的预报精度,可用来进行中长期水文预报。     

基于BP神经网络的大跨桥梁结构混凝土温度预测

讨论了大体积混凝土水化热时的温度应力对于桥梁结构的影响,表明温度监控对于大体积混凝土结构的必要性,根据洛阳瀛洲大桥拱肋中心部位浇筑过程的水化热温度场的变化为研究对象,对建立的BP神经网络进行优化训练,并用此BP神经网络预测温度变化值并与有限元仿真得到的温度结果进行了比较。     

基于BP神经网络的建筑工程造价快速预测

快速而可靠的估算工程造价直接影响着招投标决策的合理性。该文根据建筑工程概预算原理,提出以主要特征指标作为典型样本、将字符型转化为数值型特征指标的快速估价方法,在主要特征指标中增加造价指数;并以实例结合带有动量项自适应BP神经网络开展了工程造价的估算。实例计算表明,在考虑造价指数时实例工程造价误差为1.06%,远高于文献[1]的工程造价误差3.02%,提高了工程造价估算精度。该模型具有较高的可行性和可靠性,为工程造价的快速估算提供了一种有效途径。     

人工神经网络在水质预测中的应用研究

选取水质指标之一的溶解氧DO作为测算因素,研究了人工神经网络的BP法、bpx法、L-M法3种不同学习算法在水质预测中的应用。研究结果表明:3种不同学习算法的预测效果均较理想,其中以L-M法预测结果最为精确,人工神经网络在水质预测方面有着良好的应用前景和推广价值。     

基于神经网络自适应滤波的低频振荡Prony分析

针对传统Prony算法在分析低频振荡时对噪声非常敏感的缺点,提出一种基于神经网络自适应滤波和改进Prony算法相结合的电力系统低频振荡分析方法。该方法以广域测量信号作为输入,采用神经网络自适应滤波对低频振荡信号进行滤波预处理,调节性能指标阀值确定滤波效果,并通过改进Prony算法对滤波后的信号进行识别。仿真结果表明,该方法能有效滤除噪声,能较为准确地辨识低频振荡的主导模式。     

基于有限次残差拟合的BP神经网络组合模型

关于BP神经网络的优化,鉴于大多数的思路都集中于提高单个预测器的预测精度,首次提出了基于有限次残差拟合的BP神经网络组合模型。结果显示,在经典BP神经网络适用的情境下,组合模型能够有效提高预测精度,此外,进一步证实其预测精度优于遗传神经网络(GA-BP),且建模效率比GA-BP提高99.2%。     

基于DGA的BP神经网络及其在一维河网模拟中的应用

考虑到BP神经网络的计算精度和稳定性依赖于初始权、阈值,首先对标准遗传算法进行改进,然后用改进的遗传算法优化BP神经网络的初始权、阈值。将遗传算法和神经网络结合起来建立河网BP模型,把实测资料或者水动力数学模型的计算结果作为学习样本对模型进行训练。将河网BP模型运用于西江三角洲河网,发现该模型与水动力模型的计算结果吻合较好,表明优化后的BP网络用于河网水力模拟是可行的。     

用聚类算法及Hopfield神经网络布置环状管网

为了降低供水管网的工程投资,提出了一种环状给水管网优化设计的方法,把环状管网布置问题用K-Means算法分解成许多小规模的环状问题,对于每一个小规模的环状管网用Hopfiled连续型神经网络求解环状的最短距离,然后把各个基环当成一个点,再用Hopfield神经网络以较大的概率求出最优路径。对某小区58个供水点进行了供水管网实例计算,结果表明:该供水管网的质心间最短距离为2.893 7 km,能量函数为递减状态且最终的能量函数值为1.447,再连接相邻聚类中的最接近的两个点就形成供水管网的环状布置。