基于改进数据子空间算法的电力负荷预测问题

针对电力负荷进行准确预测对于电力系统的稳定运行具有重要的意义.利用传统的数据子空间算法进行电力负荷预测的过程中,由于没有考虑电力系统的非线性和时变性,导致预测精确度较低.为此,提出一种基于改进数据子空间算法的电力负荷预测方法,在电力负荷预测子空间方程式中加入反馈因子,在电力负荷历史数据中加入遗忘因子,利用粒子群算法对两种反馈因子和遗忘因子进行寻优,并将寻优结果带入到改进的电力负荷子空间预测模型中进行计算,从而获得准确的预测结果.实验结果表明,利用改进算法进行电力负荷预测,能够提高预测精度,效果令人满意.     

改进的数据驱动子空间算法求解钢铁企业能源预测问题

本文以钢铁企业生产与能源系统作为研究背景,设计一种数据驱动的子空间方法(data-driven subspace,DDS)预测各生产工序的能源消耗.针对钢铁生产中能源消耗和回收的特点进行了分析,以提取子空间方法的建模因素;为了设计有效的求解方法,对实际生产和数据的特征进行了分析.为了提高预测准确率,文中引入了反馈因子和遗忘因子来改进子空间方法,因子的取值采用粒子群算法(particle swarm optimization,PSO)来优化.对实际生产数据的测试验证了本文所提出的方法的有效性,该结果能够为钢铁企业的能源预测和管理提供有效的决策支持.     

基于并行共享挖掘算法的电力负荷预测

影响电力负荷的因素有很多,用于电力负荷预测的数据随着电网规模的扩大也越来越多。传统预测方法不能通过挖掘大量数据,有效地建立电力负荷预测模型。论文结合并行共享数据挖掘技术,综合分析了基于HADOOP的并行共享决策树算法(PSDT)以及SLIQ算法,提出了一种新的方法来构建电力负荷预测模型。试验结果表明,使用该方法构建预测模型实用性较强,并且有良好的扩展性。     

支持向量机在电力负荷预测中的应用研究

研究电力系统负荷预测问题,针对电力负荷过程存在非线性技术,为提高预测精度,保证安全供电,改变传统方法,提出改进支持向量机的预测性能,更精确地预测电力负荷,提出粒子群算法优化支持向量机（PSO-SVM）的电力负荷预测方法。PSO-SVM用粒子群算法优化支持向量机参数,减少了对支持向量机参数选择的盲目性,获得较优的支持向量机预测模型。并以贵州省为例在2008.7-2009.7电力负荷数据进行测试和分析,并进行仿真。实验结果表明,在电力负荷预测中,PSO-SVM比SVM和BPNN有着更高的预测精度,测试表明PSO-SVM方法用于电力负荷预测是有效可行的。     

基于ANN的用户日负荷曲线的预测研究

本文以一典型大电力用户--钢铁企业为研究对象,利用无线负荷监控系统的负荷数据,采用人工神经网络ANN中的BP网络理论,构建了24点输出和单点输出这样两种BP神经网络,结合不同的平移时间窗口技术,比较了不同预测模型的性能,实现了对未来一天整点时刻的负荷预测,通过与实际负荷值比较,发现采用BP算法进行大用户的日负荷曲线的预测,结果令人满意.     

数据挖掘在电力负荷预测中的应用

本文对电力负荷预测的研究主要运用了数据挖掘中的聚类分析。构架了一种基于CURE聚类算法的电力负荷预测模型,对短期电力负荷数据进行有效的预测。并通过海量数据存储,数据挖掘和决策信息的支持,可有效地克服数据有限性,不完整性及影响因素复杂性对预测结果的影响,发挥独特优势、实现经济价值。     

基于IPSO算法的短期电力负荷预测模型研究

为有效减小短期电力负荷预测的预测误差，提高预测精度、缩短预测时间，应用改进粒子群优化(IPSO)算法建立了1种短期电力负荷预测模型。通过水平方向和垂直方向的平滑修正，对历史数据的异常负荷点进行识别并修正。利用相同日期类型正常负荷，计算缺失数据填充值。采用模糊化处理，计算日期类型、温度、天气隶属度函数，对短期负荷变化因素进行量化处理。将历史数据的负荷值和量化值作为训练数据。为避免粒子群优化(PSO)算法陷入局部最优，采用IPSO算法找到全局最优解，建立了短期负荷预测模型，实现了短期电力负荷预测。试验结果表明，所设计模型预测结果在休息日和工作日的最大相对误差值、平均相对误差值分别为0.97%、0.53%和0.99%、0.65%,能够有效减小预测误差、提高预测精度、缩短预测时间。该研究为电力系统相关人员进行负荷预测提供了参考。     

基于机器学习的短期负荷预测算法综述

为维持电网稳定,各种负荷预测方法层出不穷,但由于算法泛化能力、模型复杂度等自身特点不同,使其对于负荷预测的适用性存在差异.本文讨论了近5年短期电力负荷预测的国内外研究现状,从实验数据集、数据预处理、预测算法、优化模型以及评估方法等多个维度对当前电力负荷预测研究现状进行整体概述,同时总结各种预测算法的优缺点与适用性,对短期电力负荷预测系统的发展趋势进行总结与展望,以期为未来电力系统负荷预测模型选择提供参考.     

一种小波神经网络的电力短期负荷模型研究

为了提高电力短时负荷预测精度，提出一种基于小波神经网络的短期负荷预测模型。通过小波分析进行负荷序列分解，获得不同频率负荷分量规律；由粒子群算法进行粒子群适应度排序，提升算法收敛速度和收敛能力；为避免算法陷入局部收敛性，引入混沌理论来增强全局搜索能力。将改进的PSO-WNN短期负荷预测模型应用于实例验证中表明：PSO-WNN模型相较于传统WNN模型和PSO模型对电力短时负荷的预测精度分别提高了3.16%和2.12%,预测效率提高了近一倍，算法能有效满足电力调度短时负荷预测的需求。     

遗传优化支持向量机在电力负荷预测中的应用

研究电力负荷准确预测问题,电力负荷与影响因子之间呈现复杂非线性关系,传统预测方法无法刻画其变化规律,预测精度低。为提高电力负荷预测精度,提出一种采用遗传优化支持向量机的电力负荷预测模型。采用最小二乘支持向量机的非线性逼近能力去描述电力负荷与影响因子间的复杂非线性关系,并采用自适应遗传算法优化最小二乘支持向量机的参数。采用某省1990～2008年电力负荷数据仿真测试,结果表明,遗传优化支持向量机提高了电力负荷的预测精度,预测平均误差低于其它对比模型,电力负荷预测提供了一种新的研究思路和途径。     

BP神经网络的饱和分析及改进

为了改善BP神经网络易形成局部最小,收敛速度慢的缺点,从分析三个因子学习因子、惯性因子和形状因子对BP算法性能影响出发,提出了离线调整学习因子和惯性因子,在线调整形状因子的联合优化方法.这种方法使网络在训练时,不仅神经元的连接权在不断调整,而且其自身的输入输出关系也在变动,从而使网络脱离饱和区,提高了收敛速度.最后以最典型应用函数逼近和XOR分类为例进行验证,仿真结果显示,联合优化方法不仅提高了网络训练速度,还提高了收敛精度,而且比一般的改进方法效果更好,具有一定的实用价值.     

关于图的分数k-因子存在性的一些结果

设g(x)≤f(x)是定义在V(G)上的两个整数值函数,h(e)∈[0,1]是定义在图G的边集E(G)上的函数。令dGh(x)=移e∈Exh(e),其中Ex={xy:xy∈E(G)}。若对所有的x∈V(G)都有g(x)≤dGh(x)≤f(x)成立,称h是G的一个(g,f)-表示函数。Gh是图G的一个支撑子图使得E(Gh)={e:e∈E(G),h(e)≠0},则称Gh是G的一个分数(g,f)-因子。文章给出,若对V(G)中的任意两个顶点u和v,G-{u,v}有分数k-因子存在。则G有一个分数k-因子不含图G中任意给定的边e∈E(G);当G有分数1-因子F=Gh存在时,对任意e∈F,G-V(e)有分数k-因子存在,则G有分数k-因子。     

基于SPICE的电路仿真系统接口程序设计

基于SPICE仿真引擎,提出利用VC语言编写接口程序实现电路分级仿真的方法,实现SPICE文件与数学运算程序包之间的数据传递,解决电路仿真系统仿真时钟不同步、特殊时间点仿真不收敛、数字器件不是单入单出,以及在SPICE仿真数字器件时没有可用模型等问题。实例验证了该方法的正确性和可行性。     

基于惩罚机制的P2P电子商务模型

在电子商务中,现有信任模型的惩罚机制只是对交易失败次数进行惩罚,忽略了交易金额的重要性。针对该问题,提出一种惩罚模型,同时考虑交易的失败次数和失败金额,从而达到过滤恶意节点欺骗惩罚机制的目的。对信任机制的有效性和抗攻击性进行实验验证。结果表明,所提出的信任机制优于其他现有的方法,能够有效地应用于P2P电子商务系统中。     

浅谈计算机自动重启的原因与处理方法

该文依据理论分析和实践经验对计算机的常见故障——自动重启现象进行了探讨,归纳了自动重启的三大因素,分析了自动重启的定位方法与处理措施,强调了自动重启的几个主要方面,从而为计算机信息处理的顺利进行提供一些帮助。     

参数自调整模糊控制器在中央空调控制系统中的应用

针对典型的非线性、时变、滞后系统——中央空调温度控制过程，在分析量化因子和比例因子对系统性能影响的基础上，本文提出了参数自调整模糊控制算法。仿真表明，参数自适应控制器的控制性能优于常规模糊控制器。     

Research on radial investigation depth characteristics of induction logging on heterogeneous stratum

In induction logging, using geometrical factor to analyze radial investigation depth is a useful way to estimate the radial investigation ability of a logging tool. But radial investigation depth analysis based on DOLL geometrical factor often leads to substantial inaccurate estimates of the true apparent conductivity σa in inhomogeneous or invaded cases. Although Propagation Effect Geometrical Factor （PEGF） includes both the mutual-effect of eddy flows and the reflection and transmission on the interface of heterogeneous media, it＇s too complicated to use. The Advanced Geometrical Factor （AGF） discussed in this paper combines the merits of DOLL geometrical factor and propagation effect geometrical factor. The AGF considers the mutual-effect of eddy flows in nonhomogeneous medium and gives good predictions of two kinds of relations in an axisymmetric inhomogeneous two-layer media in a permissive error scale. One kind of the relations is between radial investigation depth and emission signal frequency. The other is the relation between radial investigation depth and electrical resistivity ratio of invaded zone and original stratum. Different from usual way of making conclusions from graphs of experimental data, proof formulas and simulations are given in this paper. The conclusions referred to the radial investigation depth characteristics using the Doll GF are compensated by using AGF.     

定性控制系统动态行为的仿真研究

本文初步讨论了如何以数学语言描述定性模型,并提出一种闭环定性控制系统,仿真结果表明,定性控制系统行为可以较好逼近定量控制系统行为,说明实现基于定性模型的智能控制是可能的。     

保持模型几何特征的简化算法

对于三维模型来说高曲率变化区域、尖角等几何特征是其外部特征的重要体现,因此在简化过程中如何更好地保持这些特征是体现简化算法优劣的重要标准。本文在已有二次误差算法的基础上,综合考虑面片的相邻面的面积与法矢量对该面片附近区域弯曲程度的影响定义了面片的曲率,并根据曲率的大小划分简化过程中各面片的顺序。在简化过程中尽可能地保留对模型几何部特征相关性大的面片,取得了良好的效果。     

基于MCU的智能功率因数调节仪

功率因数的提高,有利于节约能源,防止谐波污染,对于我国能源利用率不高的现状,有着很重要的现实意义。文章提出了一种基于MCU的功率因数调节仪的设计,包括硬件结构,计算方法以及相应的软件设计。