共查询到13条相似文献,搜索用时 203 毫秒
1.
2.
基于某电厂330 MW燃煤锅炉DCS历史数据,利用MATLAB软件分别采用BP神经网络、遗传算法优化神经网络(GABP)、广义回归神经网络(GRNN)对该锅炉NO_x排放量进行预测,并进行二次风及分离燃尽风喷口挡板开度优化。通过对比3种神经网络预测结果的相对误差、均方根误差(RMSE)和平均绝对百分误差(MAPE),结果表明GRNN神经网络误差最小,RMSE和MAPE分别为4.81 mg/m~3、0.91%,预测精度较高;利用GRNN神经网络优化后,NO_x排放由243 mg/m~3降至210.8 mg/m~3,可以达到降低NO_x排放的目的,为燃煤电站运行提供参考。 相似文献
3.
基于灰色和神经网络的最优组合预测分析 总被引:4,自引:0,他引:4
针对进出口总额数据的非线性,并为了更充分挖掘时间序列所隐含的数据规律,建立了基于灰色预测模型、神经网络算法以及最小方差准则的最优组合预测模型.仿真分析结果显示,最优组合方法能更有效提高非线性时间序列的预测精度. 相似文献
4.
为了提高中长期负荷预测的精度,避免单一的灰色模型预测和指数平滑法预测精度偏低的缺点,提出了基于黄金分割法优选的自适应变权组合预测方法。该方法首先对灰色预测方法和自适应三次指数平滑法进行了改进,以拟合值与实际值之间的相对误差绝对值之和最小为目标,利用黄金分割法优选出自适应三次指数平滑法的平滑系数,确定最优的三次指数平滑模型,然后以同样的方法确定灰色模型和自适应三次指数平滑法的权重。接着,对原始负荷数据进行新陈代谢,重复利用黄金分割法优选出新的平滑系数和各单一方法的权重,即可得到新的变权组合预测模型。仿真结果表明,所提出的自适应变权组合预测方法切实可行,与单一的灰色模型、三次指数平滑法及等权组合预测方法相比,有效地提高了中长期负荷预测的精度。 相似文献
5.
针对传统电力负荷预测方法在实际应用中的局限性,提出利用灰色等维递补模型预测电力系统用电负荷,分析预测模型的建立过程,介绍灰色模型的应用情况,对比说明灰色等维递补模型比传统GM(1,1)模型预测的精度更高。 相似文献
6.
7.
8.
为进一步提高月用电负荷预测精度,本文提出一种基于改进秩次集对和灰色模型的变权组合预测方法.采用改进秩次集对算法,在秩次集对模型中引入天气指标,并利用熵权法确定各指标权重,增强了秩次集对算法的适应性和有效性.接着采用变权法将改进秩次集对模型和灰色模型进行变权组合,不断滚动优化组合模型权重,改善了单一模型预测精度的稳定性.... 相似文献
9.
基于灰色神经网络组合模型的动态数据序列预测 总被引:1,自引:0,他引:1
为了提高动态数据序列的预测精度,分析了现有BP神经网络和灰色预测方法各自的优缺点,并在此基础上建立了灰色神经网络组合模型.组合模型兼有BP神经网络和灰色预测的优点,弥补了单个模型的不足,既克服了数据波动性大对预测精度的影响,也增强了预测的自适应性.本方法利用灰色预测中的累加生成运算对原始数据进行变换,从而得到规律性较强的累加数据,便于神经网络进行建模和训练,并利用神经网络的函数逼近特性,实现对原始数据的预测.仿真结果表明:组合模型的预测精度高于单独的GM(1,1)模型,适用于具有复杂成分的动态数据序列的建模. 相似文献
10.
11.
综合灰色和ARIMA的变权组合预测模型 总被引:3,自引:0,他引:3
根据灰色模型和ARIMA模型的特点,建立综合灰色和ARIMA的变权组合电力负荷预测模型,提出负荷高峰月的概念,并通过对保定用电量进行实例验算,证明了该模型的先进性和可靠性。 相似文献
12.
为了对火电企业安全性进行有效的评价,根据火电企业生产的特点,提出了火电企业安全性评价的指标体系。采用AHP和熵权组合赋权的方法,在一定程度上克服了主观权重对评价结果的影响,提高了评价精度。将灰色关联理论运用到火电企业安全性评价中,对影响火电企业安全性的危险因素进行定量分析,依据各评价指标关联度的大小对影响程度进行辨别。最后对某发电集团下属两家火电厂进行实例计算。结果表明,此方法易于计算,评价精度达到预期精度要求,具有很好的推广能力。 相似文献
13.
基于灰色神经网络组合模型的光伏短期出力预测 总被引:5,自引:0,他引:5
光伏发电系统输出功率具有不确定性特征,为了减轻其对电网的影响,有必要进行光伏出力预测。文中提出了一种基于灰色神经网络组合模型的方法对光伏出力进行预测。该方法是对传统直接预测和间接预测方法的结合,考虑了影响光伏出力的主要因素,通过统计与预测日相似天气条件下整点时刻的光伏出力,建立了各时刻出力的灰色模型,然后利用灰色模型的输出和温度数值与实测出力值建立神经网络预测模型,最终得到预测结果。文中采用实际光伏出力数据对灰色模型、神经网络模型、灰色神经网络组合模型3种预测方法进行了结果对比。算例结果表明,所提出的灰色神经网络组合预测模型能够更为精确地对光伏出力进行预测,因而具有潜在的应用价值。 相似文献