中压配电网线损计算新方法

长期以来，国内中压配电网线损计算困难，虽已做过大量研究，但仍未完全解决。文中针对这一难点以及遗传算法(GA)与人工神经网络(ANN)相结合的优点，提出了一种利用改进GA优化的ANN计算中压配电网线损的新方法。该方法首先利用负荷测试仪获得ANN模型所需的学习样本，然后利用改进的GA优化ANN的结构，最后应用优化的BP型ANN来拟合影响线损的特征参数与线损之间的复杂关系，从而建立了适合配电网线损计算的新模型。实例验证结果表明，该方法具有计算精度高、模型简单和经济实用等优点。     

水电机组效率的神经网络算法

水电站优化运行要求具有连续水位和导叶开度下的效率特性曲线。本文提出用BP神经网络方法计算机组效率，并建立了BP神经网络模型，以现场效率试验数据作为样本进行训练，并用训练好的网络计算该机组的效率。网络的训练速度及计算结果表明，该算法收敛速度较快，精度高，为计算水电站任意水头及导叶开度下的机组效率提供了新思路和新方法，可用于指导水电机组的优化运行。     

供电系统可靠性估计

提出用网络规划法分析供电系统可靠性。该法克服了以往分析中认为供电系统为冗 余系统这一缺陷，考虑网络中的约束条件，由负荷点失去负荷这唯一判据，求得故障模式， 用建立的近似公式计算供电系统的可靠性指标，并进行了实例分析计算。     

用神经网络计算技术从有限气候资料估算实际蒸发蒸腾量

本文在用有限的气候资料估算实际作物蒸发蒸腾量（ET）时，检验到人工神经网络（ANN）的潜力。研究采用RBF（径向基函数）人工神经网络计算水稻日蒸发蒸腾量。六个RBF网络，每个均根据气候的变化采用不同的输入值，进行网络训练和测试。该模型估算结果与蒸渗仪测量结果比较，清楚显示了ANN方法的成熟程度。本文提出了采用人工神经网络方法用空气温度计算作物蒸发蒸腾量，然而本研究利用的仅是一段有限时间内的单一作物数据。因此，本理论在更多种类作物及天气条件下的应用研究，有待进一步加强。     

风电场对发输电系统风险评估的影响

针对风能存在随机性和波动性,风电场并网对电力系统运行可靠性有一定影响,考虑风力发电机输出功率特性、强迫停运率和输电线路及发电机的故障失效等因素,把风力发电机可靠性模型与发输电可靠性模型相结合,采用基于直流潮流的最优切负荷算法,建立了基于非序贯蒙特卡罗方法的风电场发输电可靠性模型,来评估风电场并网后的发输电系统可靠性.以IEEE-14节点标准可靠性测试系统为例,对风电场以不同接入方式和不同接入容量的条件下分别计算系统负荷削减概率PLC、期望缺供电量EENS、期望负荷削减频率EFLC等风险评估指标,计算结果表明:风电场的不同接入方式和容量对发输电系统的风险评估有不同的影响.     

沿程阻力系数的神经网络计算方法

通过对尼古拉兹实验揭示的沿程阻力系数变化规律的剖析，分析出各影响因子，得到沿程阻力系数与各影响因子的定性映射关系．建立人工神经网络(Artificial Neural Network，简称ANN)模型，通过模型对实验数据的自适应学习训练，构建出沿程阻力系数同各影响因子之间的非线性映射关系模型．ANN模型的计算成果同实验结果和经验公式计算结果进行比较，结果表明：采用ANN方法计算沿程阻力系数简单方便，计算精度高，工作量小，可操作性强，通用性好．因此，采用ANN方法计算沿程阻力系数具有很强的工程适用性，值得推广．     

小波网络模型在年径流预测中的应用

结合人工神经网络（ANN）的较强非线性逼近功能和自学习、自适应特点。充分发挥两者优势，将小波分析与人工神经网络进行耦合（即小波网络模型）。将非线性时间序列实行小波变换．再以小波变换序列作为ANN的输入、原始时间序列作为ANN的输出，最后训练网络并进行预测。     

基于MATLAB神经网络工具箱的电力系统负荷预报

提出的基于ＭＡＴＬＡＢ神经网络工具箱的短期负荷预报模型，不仅简洁实用，而且涉及了天气和日期特征量，因而具有较高的预测精度。采用两种学习算法，用实际数据对ＡＮＮ进行了训练，通过比较得出了优化模型，计算实例表明用该方法是可行的，有效的。     

基于盲数理论的涑水河水环境容量研究

根据涑水河的水文、水质资料,运用盲数理论计算涑水河的COD和氨氮的水环境容量及削减量,并将计算结果与一维稳态河流水环境容量模型的计算结果作比较。由于河流水文、水质具有动态特性,所以运用不确定性信息的处理方法,把涑水河分成9段,对水质、水文参数进行盲数化,利用盲信息下的河流水环境容量的计算模型,计算该河流主要污染物的水环境容量及削减量。计算结果表明:涑水河COD、氨氮的水环境容量分别为:-40207 kg/d和-11675 kg/d。计算结果均为负值,说明它们均已超标,需要对其进行削减,削减量分别为17556 kg/d和9715kg/d。用盲数理论研究河流的水环境容量,其计算结果具有较高可信度,与确定性计算方法相比更有优势。     

变拓扑人工神经网络负荷预报

提出变拓扑人工神经网络(ANN)预报电力系统负荷的方法。所提出的模型能较 全面地反映影响负荷变化的各种因素。ANN在BP算法的学习中，需用的数 据窗最短。通过人机会话，可灵活地实现不同预报期限的负荷预报。算例表明 ，方法是有效的，预报精度比常规方法高，收敛性好，计算速度快，适于在线 应用。     

自组织映射神经网络用于暂态稳定性分析的研究

对几种形式的自组织映射神经网络进行了集中介绍，并对自组织特征映射（SOFM）神经网络和学习矢量量化（LVQ）神经网络在电力系统暂态稳定模式识别中的应用性能进行比较。利用SOFM网络输出层聚类信息对不同ANN输入特征量的选取效果进行了直观的比较。在这些比较的基础上，利用Kohonen网络“无监督聚类、有监督学习”的工作方式，给出一种基于Kohonen网络的复杂系统在线事故筛选和发电机功角预测方法。利用华中电网的数据对这种网络进行了大量的计算，计算证实了该方法的有效性。     

人工神经元网络用于负荷静态综合特性辨识

负荷建模是一个重要而困难的问题，其模型结构一般由经验或机理方法确定(对综合负荷一般靠经验确定)，而参数则由辨识获得。对综合负荷，在经验不足的情况下，很难得到好的模型结构。本文介绍采用人工神经元网络(ANN)进行负荷静态综合性辨识的初步结果，并与阻尼最小二乘法(Marquardt法)进行了比较分析。算例表明，用ANN进行负荷静态综合特性辨识可得到十分准确的结果。     

BP神经网络预测河流月径流量

河流的月径流量是随机变化的，影响因素很多，如人类活动、降雨、下垫面的土壤、植被覆盖情况。利用人工神经网络理论建立BP（Back-Propagation，反向传播方法）网络预测模型，用该模型对河流的月径流量进行预测，BP神经网络模型计算快速，占用内存小，还有很好的容错性，可以得到比较理想的结果，精度高，可靠性好。模型建立之后，将其用于实例，通过对大量样本进行很多次的训练学习，得到训练好的BP网络模型，最后进行预测，得到令人比较满意的结果。     

基于人工神经网络的日径流预测

给出了用人工神经网络(ANN)对 三峡宜昌站的日径流预测模型建模的过程，对ANN输入变量的选择和个数的确定以及隐藏层 、输出层单元数的确定等关键技术问题进行了探讨。所建立的基于ANN的预测模型可以进行 提前7 d的日径流预测，预测结果令人满意。     

基于广域测量系统的电力系统综合区域负荷模型

负荷作为电力系统的一个重要组成部分，其模型的精确程度将在很大程度上影响分析的结果。采用电力系统同步数据对电力系统负荷区域进行建模、网络化简和负荷模型辨识，提出了基于电力系统广域测量系统的综合区域负荷模型的概念，分析了该模型的参数可辨识性。确定了综合区域负荷的网络模型，为区域负荷的建模提供了依据。以一个简单电力系统为例进行仿真计算，结果证明了该负荷建模方法的有效性。     

洪泽湖流域污染负荷削减对生境质量的影响

运用InVEST生境质量模型分析了1980—2020年洪泽湖流域生境质量时空变化特征,通过Johnes输出系数模型计算不同情景下污染负荷输出量,利用回归模型建立污染负荷与生境质量关系,预测流域污染负荷削减措施对生境质量的改善效果。结果表明：洪泽湖流域生境质量逐年恶化,空间上呈“南优北差、东优西差”分布格局;流域污染负荷输出呈逐年上升趋势,且污染负荷在差生境质量区域有明显集聚效应,污染负荷与生境质量呈显著负相关;在自然发展(污染负荷无削减)情景下,2030年流域生境质量平均值与2020年相比较将降低1.0%～2.4%;根据流域污染负荷削减目标,在污染负荷削减率为8%情景下,流域生境质量平均值较自然发展情景提升0.9%～2.2%,在污染负荷削减率为18%情景下,流域生境质量平均值较自然发展情景提升1.3%～2.7%,流域污染负荷削减对于提高生境质量具有显著效果。     

级数神经网络及在河道洪水预报中的应用研究

提出一种名为级数神经网络(SANN)的新型模型，该模型的主要特点在于网络中的隐层单元是输入层各神经元级数展开的组合。它的优点表现为两个方面：①网络模型具有一定的物理意义；⑦可根据输入层神经元的个数确定隐层神经元数，而无需试算求得。将该模型用于两种性质不同的河道洪水流量预报实例中，计算结果表明该方法具有较高的预报精度和较快的收敛速度。     

不确定信息下的输电网规划新模型

在传统的确定性信息下的输电网规划模型的基础上,通过增加一些新的约束,使得规划后的网络具有一定的剩余传输容量以适应未来不确定负荷的变化。在新模型中,引入了线路负载率约束,使得规划后的网络能够适应未来长时小幅度的负荷不确定性波动;引入了区域负荷增长量约束,使得规划后的网络能够适应未来短时大幅度区域负荷增长的增长地点的不确定性。使用贪婪随机自适应搜索算法可以快速有效地求解新模型。新模型的建立无需对未来不确定负荷的负荷特性进行详细的数学建模,易于求解并有着更好的适应性。46节点系统算例的计算结果验证了该模型和算法的正确性及有效性。     

多层分区空间负荷预测结果综合调整的区间方法

提出了一种新的能计及不确定性因素的空间负荷预测结果综合调整的区间方法。首先建立了多层分区的空间负荷预测区间模型，将预测单元分为总量层、数据收集层和仿真层，既能结合趋势法和仿真法的优点，又能在保证足够土地划分解析度和预测精度的前提下有效控制数据收集的工作量。然后提出了基于该模型的空间负荷预测综合调整区间方法，这是一种在信息不完备条件下的负荷分布估计方法，解决了实际中空间负荷预测结果综合调整的难题。最后通过实例说明了该方法的实用性和有效性。     

平原河网地区水环境模拟及污染负荷计算

根据台州市河网地区水体的水动力、水质特性及污染负荷,利用MIKE-11软件,建立了河网一维水动力和水质耦合模型。利用实测水位、NH3-N、COD质量浓度进行了参数的率定和验证。在水动力水质模型的计算结果的基础上,计算水环境容量及其现状入河污染物负荷,构建了台州市区河道污染物负荷历时曲线,计算出COD和NH3-N在各个流量历时区域内的削减量和削减率,旨在为平原河网地区水环境保护和水资源管理提供依据。