中国电力行业能源利用效率及收敛性分析——基于区域面板数据的Malmquist指数模型

运用Malmquist生产力指数测算了我国2002~2008年间电力行业能源利用效率,并将电力行业能源利用效率分解为技术进步指数、纯技术效率变动和规模效率变动,在此基础上运用β收敛模型分析全国六大区域电力能源利用效率的区域差异特征和变化趋势。研究表明:技术进步是样本期间电力能源利用效率提高的主要原因,纯技术效率的变动一定程度上改善了电能效率,但是改善程度不大。样本期间规模效率出现下降,说明电力行业未达到长期最适规模。对我国和六大区域电力能源利用效率进行β收敛检验,发现除华北区域电网外,东北、华东、华中、西北和南方五大区域电网在样本期间电力行业能源利用效率呈收敛状态,并且以华东电网的收敛速度最快。     

绝缘纸板干燥过程微水分扩散模型的建立及应用

介绍了绝缘纸板微水分检测系统,提出了绝缘纸板内部微水分扩散及微水分分布算法,并对干燥动力学规律进行了分析研究.     

高等学校生态竞争力“四态”模型的构建

构建了三层结构、三维结构、三系结构和三元结构“四态”模型,解释了各个模型的框架、含义,分析了各个模型构成要素及其内容表达。     

高等学校生态竞争力“四态”模型的构建

构建了三层结构、三维结构、三系结构和三元结构"四态"模型,解释了各个模型的框架、含义,分析了各个模型构成要素及其内容表达。     

基于方程和神经网络算法的锂原电池贮存模型

基于阿伦尼乌斯方程和神经网络算法,以温度为加速应力,开展了锂氟化碳电池(Li/CF_x)加速贮存寿命模型的建立和研究。在基于阿伦尼乌斯方程的加速寿命模型中,模型计算值与实测数据结果准确率达到99%以上。在基于神经网络算法的模型中,少量的数据量训练即实现准确率达到85%,为锂原电池的寿命预测提供了有效指导。     

基于结构方程的电力客户满意度测评模型研究

在深入分析国内外客户满意度测评模型基础上,结合电力客户服务内容,构建具有行业特色的电力客户满意度测评模型及指标体系。通过实地调查获取220个样本数据,并对数据进行结构方程模型分析,发现影响客户满意度的主要变量及其影响程度,为提高电力客户满意度提出措施建议。     

基于电力细分业务抽样调查的客户满意度模型

基于电力细分业务抽样调查的满意度模型,使用电力用户近3个月办理过的电力细分业务和美国客户满意度模型指标设计个性化问卷,并采用分层Neyman抽样方法、补抽算法和结构方程模型客户满意度指数算法测算电力企业各子业务的满意度测评得分。基于问卷调查数据结果,分析不同业务部门细分业务的满意度得分与客户期望之间的差距,为改进具体业务提供详细的解决方案,为电网公司实现持续提升客户满意度水平提供决策依据。     

基于三层DS-RVoG模型的输电走廊植被高度检测方法

针对输电线路广域监测技术研究中,传统输电走廊植被高度检测方法效率低、检测范围小的问题,提出了一种基于三层DS-RVoG模型的输电走廊植被高度检测方法.根据极化干涉SAR原理及输电线路不同区段植被密度差异化特点,提出一种三层DS-RVoG植被模型.并基于该模型利用混合蛙跳算法改进三阶段算法反演植被高度,利用模拟极化干涉S...     

组合式非周期缺陷接地结构的RBF神经网络模型

组合式非周期缺陷接地结构(CNPDGS)是由光子带隙结构(PBG)发展而来的,它具有结构简单、电路尺寸小、插入损耗小、设计参数少等优点。本文采用RBF神经网络建立了CNPDGS的神经网络模型。神经网络训练成功后,在其学习范围内,该模型能立刻给出任意尺寸结构的准确可靠的传输系数(S21)。结果证明神经网络建模的方法具有快速、准确、可靠等优点,具有很高的实用价值。     

基于经验模态分解和计量经济学模型及混沌模型的短期负荷预测

为提高短期电力负荷的预测精度,提出一种基于经验模态分解、计量经济学模型和神经网络混沌模型的组合预测方法.首先,利用经验模态分解将负荷序列分解成一系列本征模态函数及余项;其次,针对不同分量的特性,建立不同的模型进行预测;最后,将所有分量的预测值求和作为最终的预测结果.以美国宾夕法尼亚州-新泽西州-马里兰州(Pennsyl...     

改进神经网络算法在水轮发电机组效率计算中的应用

结合牛顿非线性优化方法,提出一种改进的BP网络学习算法,并将其应用于水轮发电机组效率曲线的计算中。通过对有限水头下原型效率试验数据的训练,可快速准确地计算任意水头下的效率特性曲线。仿真计算结果表明,该学习算法具有收敛速度快、计算精度高的特点。     

一种光伏系统短期功率预测模型

为提高光伏系统发电功率预测精度,优化系统的发电计划,减少电力系统运行成本,进而为系统调度和实时运行控制提供依据以有效减轻光伏发电系统接入对电网的影响,建立一种基于三层神经网络和功率波动特性的短期光伏出力预测模型。利用气象局已发布的日类型和温度信息挑选与预测日最相关的相似日,基于神经网络用相似日历史太阳辐照、温度、输出功率建立光伏系统出力初步预测模型;以预测日天气预报信息作为神经网络的输入获得预测日的功率预测值;基于由光伏系统相似日历史出力数据统计分析得到的波动量统计规律对初步预测结果加以修正,建立了具有较高精度的光伏系统出力预测模型。仿真结果表明该方法建立的预测模型具有较高精度,能够为调度运行人员提供决策辅助。     

东江流域水资源优化配置报童模式研究

针对当前用水总量控制的社会命题,将经济学中的收益与赔偿概念引入到水资源优化配置体系中,以用水总量控制指标作为水资源配置的核心状态变量,建立了变化环境下基于用水总量控制的流域水资源优化配置报童模型,并应用于广东省东江流域,采用大系统分解协调原理对模型求解,得到研究区2020年生活用水控制指标高方案和低方案下的配水结果。结果表明,两种用水量控制指标方案下,流域各行业配水量相差不大,在特枯来水年份缺水严重,缺水率超过了50%,生活用水控制指标低方案较高方案获得的用水净收益大;模型较好地协调了东江流域来水、需水、用水总量控制指标与配水之间的效益关系,用水户用水净收益的变化特征反映了配水的合理性,证实了模型的可行性。     

基于人工神经网络的模型择优预测方法及应用

针对组合预测中各模型权重难以合理确定的问题,根据"择优取用"原则将组合预测问题转化为一种模式识别问题,并采用非线性映射能力很强的改进BP人工神经网络方法进行该问题的求解。实例表明,这种择优预测方法不仅有效避免了传统组合预测模型权重的繁琐计算,而且能集各模型所长,概念清晰,计算简便。该法作为变权重组合预测方法的一个特例,在灾害风险预测等中有较高的实用价值。     

上网电价预测中运用修正神经元输出函数对BP模型动态修正的探索

阐述了人工神经网络模型的基本原理,研究分析了BP神经网络模型非线性特性差和对实际情况反应"迟钝"等缺陷,提出了通过修正神经元输出函数对BP神经网络模型进行动态修正的优化方案,从而提高了BP神经网络模型的收敛速度。在此基础上,将修正后的BP神经网络模型引入到上网电价的预测中。模拟运行结果表明,修正后的BP神经网络模型可以更好地适应发电厂报价的复杂环境。     

Identification of power system dynamics due to combined use of mathematical model and neural network

In order to obtain a reliable model of power systems, identification of power system dynamics by employing a neural network is studied. A new method of combined use of a mathematical model and a neural network is proposed. The effectiveness of the proposed method is verified by applying to two kinds of one‐machine infinite‐bus system—an experimental system and a numerical simulation model system. In the conventional method, the neural network learns the generator terminal voltage of the system directly. On one hand, in the new method, the neural network is trained to learn errors between the generator terminal voltage of the system and that produced by the mathematical model. The results of the test show that good performance is obtained for the proposed method. Construction of a more reliable model is demonstrated by combined use of the mathematical model and the neural network. © 2001 Scripta Technica, Electr Eng Jpn, 138(1): 42–48, 2002     

考虑动态水流滞时的梯级水库群日优化调度

梯级水电站水库群短期优化调度中,通常忽略梯级水库间水流滞时的影响或将其作为常数进行考虑,实际上水流滞时是随着上级水库出库流量大小、河道槽蓄状态、区间入流等因素动态变化,想要准确预测下级水库入流是存在困难的。因此,采用多种方法筛选出影响下级水库入库流量的主要因素作为输入,利用神经网络建立输入与下级水库入库流量之间的动态函数关系。以锦东和官地水库梯级为例,建立考虑动态滞时的梯级水电站水库群日优化调度模型,并采用逐次优化法对采用动态滞时与固定滞时的优化方案进行求解和对比分析。结果表明：与固定滞时相比,动态滞时下能够更准确地描述梯级水库间的水流联系,同时能够在一定程度上增加梯级水电站水库群发电效益。     

人工神经网络在静力载荷测试中的应用

以人工神经网络(BP模型)为研究手段,将人工神经网络理论应用于静力载荷数据预测沉降,提出了一种有效的预测方法,并构造了预测沉降的神经网络模型,预测结果表明,该模型预测结果与实测值拟合较好,具有较高的预测精度。     

A neuron model with synaptic nonlinearities in a dendritic tree for liver disorders

With the number of deaths due to liver diseases increasing steadily in recent years, early detection and treatment of these diseases has been one of the most active research fields using computational intelligence techniques. In this paper, we propose a more realistic single‐neuron model with synaptic nonlinearities in a dendritic tree for liver disorder diagnosis. The computation on the neuron is performed as a combination of dimensional reduction and nonlinearity, which has a neuron‐pruning function that can remove useless synapses and dendrites during learning, forming a distinct synaptic and dendritic morphology. The nonlinear interactions in a dendrite tree are expressed using the Boolean logic AND (conjunction), OR (disjunction), and NOT (negation), which can be easily implemented in hardware. Furthermore, an error backpropagation (BP) algorithm is used to train the neuron model, and the performance is compared with a traditional BP neural network in terms of accuracy, sensitivity, and specificity. We use the BUPA liver disorder datasets obtained from the UCI Machine Learning Repository to verify the proposed method. Simulation results show promise for the use of this single‐neuron model as an effective pattern classification method in liver disorder diagnostics. © 2016 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

组合预测模型在电网负荷预测中的应用

应用单项预测模型进行电网负荷预测,已不能适应当前电网管理的要求。分析了应用单项人工神经网络模型进行短期负荷预测的局限性,提出了应用定权系数和变权系数组合预测模型进行短期负荷预测,并作了具体应用研究,证明其改善了应用单项人工神经网络模型对负荷变化的连续波动性体现不够的缺点。通过对广州电网的实际负荷进行仿真预测,得出预测模型和处理策略可以得到更加精确的结果。