基于人工神经网络的风电场短期功率预测

基于人工神经网络法(ANN)对内蒙古某风电场短期输出功率进行了预测研究,给出了较详细的实现过程,并比较了单一ANN预测方法和基于物理方法与统计方法的混合ANN预测方法的预测精度.计算结果表明,单—ANN预测方法能快速给出预测结果,但预测精度较低,均方根误差为10.67％;而混合ANN预测方法步骤较多且较费时,但预测精度较高,均方根误差为2.01％,不到单一ANN法的1/5.同时,针对预测过程中小于5m/s的小风速段和大于15m/s的大风速段所呈现的预测误差较小的原因进行了深入分析.     

基于改进粒子群优化神经网络算法的波浪捕获功率预测

传统BP神经网络算法应用于波浪发电系统捕获功率预测,易陷入局部最优和泛化能力不足,为此提出一种改进的粒子群优化神经网络算法,动态调整学习因子并添加变异算子.采用间接预测策略,搭建从波浪数据到波浪捕获功率的直驱式波浪发电系统模型;应用改进算法预测分析波浪历史数据,输入搭建模型,进而获得波浪捕获功率预测值.比较分析不同预测...     

基于混沌分析和神经网络的风速直接多步预测

针对风速序列的混沌特性,提出了一种将混沌分析和神经网络相结合的短期风速直接多步预测新方法,以提高其预测精度。首先,对风速序列进行混沌特性分析和相空间重构;然后,根据重构相空间的特征参数,结合预测需求,确定Elman网络结构;最后,利用空间欧式距离选取的样本对Elman网络进行训练,建立风速直接多步预测模型。以华北地区某风电场实测风速为例进行仿真测试,结果表明与单步迭代法和直接神经网络法相比,该文方法在进行风速直接多步预测时具有更好的整体误差指标。     

基于径向基函数神经网络的风力机结构适应性评估

提出一种基于径向基函数神经网络(radial basis function,RBF)的风力机结构适应性评估方法,综合考虑多个载荷分量对风力机结构应力响应的影响.该新型适应性评估方法与当前采用的单变量、线性插值预测方法相比精度更高更可靠,与有限元方法相比更高效.采用该评估方法,1 min内可完成风力机机头部件及关键连接螺...     

神经网络方法在蓄电池建模中的应用

将多层人工神经网络用于蓄电池充放电过程的动态建模，获得了满意结果，为高度复杂的非线性电化学过程的模型化提供了一条新途径，该方法只要一些测量值，实施方便。     

同伦BP网络及其在配电网线损计算中的应用

提出用结构电阻来表达网络结构和运行方式对配电网线损的影响，并应用反向传播神经网络和连续同伦学习算法拟合一个中压配电网有代表性的线损数据．同伦算法具有全局收敛特性，迭代次数比常规迭代算法大大减少，且达到较高收敛精度．     

网河区洪水预测的数值模型

提出一个模拟网河区洪水过程的交错格点显式差分法。该差分格式能自然适合水流计算的边界条件，处理叉口简单，存储量小，并且计算结果合理，无需进行平滑处理。     

基于人工神经网络模型的风速预测

利用在达坂城风电场30m轮毂高处的1min实测风速数据,采用人工神经网络模型ANN对未来短时间风速进行预报。通过对风速反复训练与检测来选择一组合适的模型参数,并对模型进行了误差分析。研究结果表明,使用BP神经网络对未来风速进行短时间预测能够达到较好的效果,误差较ARMA模型更精确,但是对于突变信息的处理能力仍然有限。     

磁滞多值性的神经网络模拟

在标量磁滞的单变量多值性函数中，通过引入回转点处的输入值作为另一个变量而转化为分段连续的二元非线性函数，并利用神经网络的ＢＰ算法对一种铁磁材料的磁滞回线中的第三阶回转曲线进行了预测，与实验测定值进行了比较。     

水轮发电机组神经网络自适应预测控制

一种水轮发电机组分层神经网络自适应预测控制器，采用多层前向神经网络，由两个分别用于预测和控制的子神经网络组成。     

生物质气化过程的混合神经网络模拟

用几种生物质的料进行了水蒸汽流化条件下的常压气化实验。为得到各种生物质的气化特性,用混合神经网络模型于气化过程进行了模拟。模型得到的气化产率与实验数据吻合得较好。神经网络给出的气化特性能正确地反映实际的生物质气化过程。模拟结果还显示,草本生物质和木本生物质在气化过程中,各种煤气成分的释放有不同的规律。     

同步发电机励磁的神经网络控制

提出了一种改进的神经网络学习算法，对拟合静态模型，其误差的收敛阶可达１．６１８，基于同步发电机可控硅励磁自并励非线性模型的仿真研究表明，该算法控制性能优良。     

OPTIMUM DESIGN OF A MULTILAYERED COMPOSITE PLATE USING NEURAL NETWORKS

An approximate optimum design of a multilayered composite plate constructed of an isotropic structural layer and multiple piezoceramic layers is presented. A thermoelastic displacement distribution on the structural layer surface is controlled by applying appropriate electric potential distributions to the piezoceramic layers. The objective of this study is to determine the thickness of each piezoceramic layer by using neural networks so that the maximum value of the applied electric potential distributions is minimized subject to stress constraints. The quasi-Newton method is employed for an updating formula of connection weights. Numerical results for the approximate optimum design of the composite plate are shown to be in good agreement with those obtained from a direct optimum design using the quasi-Newton method.     

生物质气化过程的神经网络模型拟合方法

用神经网络模型来拟合生物质气化过程的特性,以影响气化过程的主要因素:温度(T)和气化剂当量比(α)作为网络输入,气化燃气组分为网络输出,通过调整网络的权值和阈值,对神经网络模型训练学习,来预测气化过程特性.仿真表明,该模型对生物质气化反应过程特性有较好的预测性能,具有一定的实用性.     

基于神经网络的地下埋管换热器优化模型

基于经典的Kelvin线热源模型和Kavanaugh圆柱源理论模型,运用负荷叠加、负荷阶跃、负荷累积的思想,结合人工神经网络建立了土壤源热泵系统地下埋管换热器仿真优化模型。与实验和理论已验证过的圆柱源理论模型的比较分析表明,地下埋管神经网络优化模型相对于传统的地下埋管解析解模型具有良好的计算精度和泛化能力,该模型应用于土壤源热泵系统的长期运行可以大大缩短计算时间,为土壤源热泵系统的优化及设计提供更有效率的模拟计算方法。     

利用神经网络估算太阳辐射

太阳辐射是一项对太阳能利用，建筑能耗分析和农业等十分重要的气象数据，本文建立了日总太阳辐射月均值的神经网络估算模型，在此基础上利用北京市1971年至1995年的气象数据资料对神经网络进行了训练，用1996至2000年的数据对神经网络的估算进行了检验，并与其它经验模型的估算结果进行了对比，结果表明神经网络的估算结果与实测值吻合的较好，并且精度高于其它经验模型。因此利用神经网络来估算太阳辐射具有很好的应用前景。     

基于人工神经网络的水电补偿调节方法

建立了基于Ｈｏｐｆｉｅｌｄ神经网络的水电补偿调节模型，提出了一个改进的综合算法，交 于４水电站的补偿调节，得到了令人满意的结果。     

水轮发电机组的神经网络可辨识性研究

在分析了水电机组作为准线性同构异参系统有关特性基础上，给出了神经网络可辨识性的定义，论证了ＢＩＢＳ稳定的水轮发电机的神经网络可辨识性，对仿真模型和辨识网络的计算结果的分析比较表明神经网络具有良好的映射性能及较强的容错性。     

电力系统短期负荷预测的神经网络方法

本文构造了一种线性与非线性结合的神经网络,提出了短期负荷预测的神经网络方法。使用最近的观测资料对神经网络进行学习训练,调整神经元间的权值。然后对未来负荷进行预测。通过对华中电网的观测资料进行仿真,在正常情况下获得较好结果。     

基于长短期记忆神经网络的地表太阳辐照度预测

针对地表太阳辐照度(GHI)短期预测问题,提出一种基于长短期记忆神经网络的短期太阳辐照度预测模型.采用递归结构的训练样本,以保证训练样本内部的时间耦合性.为验证所提模型预测GHI的有效性,采用算例与传统人工神经网络模型预测结果进行对比分析.结果表明:基于长短期记忆神经网络预测模型将均方误差降低88.48％,表明所建模型...