共查询到16条相似文献,搜索用时 109 毫秒
1.
铅酸蓄电池由于其容量大、成本低、自放电率低等优点是应急电源(EPS)系统的基本组成部分,剩余容量作为衡量蓄电池能力指标的重要参数直接影响着系统的安全运行。引入电池的端电压、内阻两个参数作为容量的两个关联因素,建立多因素关联分析的GM(1,N)灰色模型,并对模型进行了改进,针对影响模型预测精度的关键量“均值序列加权参数”提出了一种合理有效的选取方法,最后的预测实例验证以及误差分析表明,该方法具有操作简单、算法复杂度低而且预测精度高的优点,有很强的实际应用价值. 相似文献
2.
3.
4.
电动车里程预测技术是电动车走向实用的一个不可缺少的技术,现有的预测技术尚不能适应快速和实用要求,本文从蓄电池化学反应过程和电池结构出发,分析了影响电池放电容量的因数,采用蓄电池最大电流瞬时扫描测试,通过实验寻求铅蓄电池瞬态最大放电电流与剩余放电电量之间的联系,从而提出一种简便可行的预测方法。 相似文献
5.
通过对咸阳地区分行业用电结构的分析,应用GM(1,1)模型预测了未来咸阳地区的电力需求和最大负荷,咸阳地区电力需求是分阶段的,与国民经济发展呈线性关系的,其发展速度具有一定的周期性. 相似文献
6.
提出基于灰关联(grey connection,GC)-模糊距离(fuzzy distance,FD)综合分析以及GM(1,N)模型的色谱气体浓度预测的变压器故障监测与保护体系的实现方法.根据变压器在线监测的现状和实时保护的需要,提出变压器故障前主动保护的思路.在GM(1,N)建模获取色谱气体近期预测数据的基础上,综合... 相似文献
7.
8.
基于灰色GM(1,1)模型预测固废气化焚烧污染物排放 总被引:2,自引:0,他引:2
基于灰色理论,建立了有机固体废物气化处理气化燃料燃烧气态污染物部分组分浓度的GM(1,1)预测模型、预测精度评估,并编制了相应的M atlab应用程序。以氧气流量为3 m3/h,混合固废物料(12.9%稻壳、15.8纸屑、17.5%树叶、24.8%蒿草、29.0%内胎)在不同温度(650℃、700℃、750℃、800℃、850℃)气化时焚烧气结果为例,建立了不同温度下NO、NO2、NOX、SO2含量的GM(1,1)模型,利用该模型预测混合固废物料900℃气化焚烧气的产气组分中NO、NO2、NOX、SO2的含量分别是57.133 9 ppm、9.911 1 ppm、69.764 3ppm、28.774 7 ppm,残差百分率最大的是NOX,仅为-2.9534%,说明GM(1,1)模型预测精度较好。 相似文献
9.
针对变电站铅酸蓄电池容量预测模型存在的预测准确率低、泛化能力差等问题,提出一种基于Dropout优化算法和长短期记忆LSTM(long short-term memory)神经网络相结合的容量预测模型。该模型以LSTM神经网络为基础,结合变电站蓄电池充放电特性,将长时间跨度的蓄电池运行数据作为模型的输入,建立多层级LSTM预测模型来提升预测结果的准确率。同时基于Dropout优化算法完成LSTM预测模型的训练,提升模型的泛化能力。工程实际应用表明,相较于传统的LSTM神经网络和BP神经网络,改进模型在长时间跨度预测时具有更高的准确率和更好的泛化能力。 相似文献
10.
11.
12.
针对非模型PID控制难以克服参数变化、时滞的固有缺陷,为优化托卡马克装置中应对等离子体垂直不稳定位移的主动反馈控制,通过改进灰色GM(1,1)预测模型对基于级联H桥拓扑的EAST快控电源的输出电流进行准确预测以优化控制参数.灰色GM(1,1)预测模型适用于小样本、贫信息系统,所需建模样本少、计算简易.预测拟合序列的差异... 相似文献
13.
在电力市场中,电价预测对市场参与者具有非常重要的意义。该文检验了GM(1,2)灰色模型在现货电价预测中的应用效果。在对GM(1,2)模型进行修正的基础上,分别建立了计及负荷因子的预测模型和计及预测时刻前一小时电价的预测模型,并对模型进行了等维新息处理。对美国PJM电力市场的峰荷时段、腰荷时段和低谷时段的LMP实时电价分别进行了预测。预测结果表明,计及预测时刻前一小时电价的预测模型具有较好的预测效果。 相似文献
14.
基于灰色GM(1,1)及其改进型模型的短期电力负荷预报 总被引:1,自引:0,他引:1
运用ARIMA(p,d,q)模型和灰色理论中的GM(1,1)改进模型组合预测负荷。同时,对气候温度急变日负荷预测值进行特殊处理,提高了负荷预报精度。经对某地区电网的实际编程及运行检验,该模型的预报准确度满足了用户要求。 相似文献
15.
电力变压器运行的安全可靠性对于电网稳定有着关键影响。以油浸式变压器为例,考虑到变压器故障气体监测中存在的采集技术局限与完备性差的现状,对IEC三比值法所需要的五种主要故障特征气体溶解度大小进行预测,为后续的故障诊断提供数据分析基础。针对变压器故障气体色谱分析中气体浓度数据采集的不完备性与小样本特征,引入非等间隔GM(1,1)幂模型,并基于遗传算法对背景值及幂指数进行协同优化,分别建立变压器内不同种气体的气体溶解度灰色预测模型。实验证明:相较现有常见基于灰色模型的变压器预测方法,例如基于GM(1,1)模型与Verhulst模型的方法,所提方法能有效地提高模拟精度及预测精度,而且模型不拘泥于基础数据的等间隔连贯性,具有较好的实用性及适应性。 相似文献