基于改进灰色模型的蓄电池剩余容量预测

蓄电池作为直流系统交流停电时的后备电源,其剩余容量直接影响了直流系统的安全运行。在对现有灰色预测模型进行深入研究的基础上,将遗传算法引入到GM(1,1)模型中,对此加以改进,提出了一种新的基于遗传算法的蓄电池剩余容量灰色预测模型。预测实例表明,基于遗传算法的蓄电池剩余容量改进灰色预测模型比传统的GM(1,1)预测模型具有更高的模型精度,能够满足工程需要。该方法可减少传统的电池容量放电实验次数,从而延长了蓄电池的使用寿命。     

灰色预测技术研究进展综述

灰色预测技术是灰色系统理论的重要分支之一。分析了GM(1,1)模型的性质、GM(1,1)模型的改进与优化、GM(1,1)模型参数估计、GM(1,1)模型初始条件优化、GM(1,1)模型的扩展与应用及幂模型的研究进展;最后对灰色预测模型的未来研究方向提出了建议。     

遗传算法改进灰色RBF模型在负荷预测中的应用

灰色模型和神经网络作为常用的负荷预测方法虽应用较广,但各有缺陷.将两者结合起来一定程度上能实现双方的互补,但是存在的局部最优和收敛性问题一直没有很好的解决.利用遗传算法鲁棒性强、收敛速度快以及全局定位能力强的功能,代替传统的最小二乘法对GM(1,1)模型的参数进行高效求解,可以避免陷入局部最优,实现全局最优.将优化后的...     

灰色遗传算法模型在短期电力负荷预测中的应用

针对灰色GM（1,1）模型用于电力负荷短期预测不能有效反映负荷周期性变化及精度不高的问题,将GM（1,1）模型推广为GM（1,1,λ）模型,并用遗传算法求解λ的最佳值,同时将该模型应用于河南某电网未来24h负荷实际预测。结果表明,基于遗传算法的GM（1,1,λ）模型具有较高的预测精度,预测效果显著。     

关联分析在电力负荷灰色神经网络预测中的应用

针对电力负荷预测序列存在随机增长特性和非线性波动性,灰色神经网络模型能够有效地反映序列增长特性和对非线性关系进行拟合.引入灰色关联度作为确定组合预测权重的依据,以序列整体拟合优化为目标,从而找到能够代表序列内在变化规律性的组合权重,使总体预测精度得到提高.     

灰色系统在蓄电池健康管理中的应用研究

根据蓄电池的充放电过程影响因素复杂的特点,采用灰色模型预测蓄电池的充放电电压,并根据预测的电压控制蓄电池的充放电时间。实例表明,应用灰色系统对蓄电池健康管理能有效防止过充电和过放电现象发生,对延长蓄电池的使用寿命具有重要意义。     

灰色系统在蓄电池健康管理中的应用研究

开展蓄电池的健康管理,必须加强蓄电池充放电过程控制,尤其防止过充电过放电发生。根据蓄电池的充放电过程影响因素复杂的特点,本文采用灰色模型预测蓄电池的充放电电压,并根据预测的电压控制蓄电池的充放电时间。实例表明,应用灰色系统对蓄电池健康管理能有效防止过充电和过放电现象发生,对延长蓄电池的使用寿命具有重要意义。     

STATCOM无功电流的灰色预测控制

针对模型参数变化和噪声干扰的STATCOM单机无穷大系统,提出了一种无功电流灰色预测控制方案。根据STATCOM装置级非线性数学模型,建立了系统无功补偿电流的控制模型,采用GM（1,1）模型预测无功电流和系统灰量,将无功电流灰色预测控制引入到PID控制中。运用灰色系统理论进行预报,具有不必完全知道被控对象结构、参数和特性的优点,这对于像STATCOM这样大型非线性系统的预测控制实现非常有利。仿真结果表明,该方法比传统的PID控制具有更强的跟踪能力和鲁棒性。     

中长期电力负荷的灰色残差修正组合预测

中长期电力负荷走向趋势曲线往往呈S型,直接运用灰色GM(1,1)模型预测会造成较大的偏差。针对负荷曲线固有的发展趋势,根据曲线发展的不同阶段分阶段预测,采用GM(1,1)模型进行第一阶段的预测,采用残差修正模型进行第二阶段的预测。在分阶段预测的基础上,根据每一阶段的预测精度分配权重,进行组合预测。该方法将数据本身发展趋势和模型固有优点相结合,预测结果表明该方法在提高精度上有可行性。     

蚁群灰色神经网络组合模型在电力负荷预测中的应用

灰色GM(1,1)预测模型,在负荷预测中得到了广泛应用,但是也有其局限性。当数据灰度越大,预测精度越差,并且不太适合经济长期后推若干年的预测,在一定程度上是由模型中的参数 造成的,为此引入向量 ,建立蚁群灰色模型,然后与神经网络模型相组合,即建立蚁群灰色神经网络组合预测模型。实证分析表明,该预测方法是合理有效的,与传统的预测方法相比,提高了预测精度,具有较好的实用价值。     

改进型灰色模型在铅蓄电池失效预测中的应用

铅酸蓄电池作为装甲车辆的启动和辅助电源,其性能状况直接影响着供电系统的安全稳定运行.在对现有铅酸蓄电池灰色预测模型深入分析的基础上,针对GM(1,1)模型要求原始数据序列等时距的局限性,提出了基于拉格朗日插值法等时距优化处理的数据序列的GM(1,1)预测模型,为判断蓄电池是否失效提供依据,避免了传统的容量试验带来的弊端...     

基于灰色理论的航空发动机剩余寿命预测

针对航空发动机健康监测数据繁杂、性能退化特征不明显、缺乏有效的健康指数构建与剩余寿命预测难的问题,提出了基于灰色理论的多监测参量优化选择与融合及全阶时间幂灰色预测模型(FOTP-GM(1,1))方法。首先,采用灰色关联分析法对航空发动机的高维监测物理参量的性能退化状态表征能力进行参数化度量,结合线性相关分析对监测参量进行优化选择;其次,利用灰色接近关联度对优化选择的特征进行加权融合,构建航空发动机的统一健康指标(HI),并以训练发动机HI失效阈值为参照,采用滑动窗欧氏距离比对法确定测试发动机的HI失效阈值;最后,采用FOTP-GM(1,1)对测试发动机的剩余寿命进行预测。通过实验分析,该方法能够有效地对航空发动机的剩余寿命进行预测,并比传统方法得到更高的预测准确度,该方法为实现航空发动机的故障预测与健康管理提供一种新的思路与手段。     

非等间隔GM(1,1)幂模型在变压器故障气体预测中的应用

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。     

基于改进GM(1,N)灰色关联模型的铅酸蓄电池容量预测

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。     

基于改进的GM(1,N)灰色关联模型预测铅酸蓄电池容量

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.     

GM(1,2)短期现货电价灰色预测模型

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。     

基于灰色理论的航空发动机剩余寿命预测

针对航空发动机健康监测数据繁杂、性能退化特征不明显、缺乏有效的健康指数构建与剩余寿命预测难的问题,提出了基于灰色理论的多监测参量优化选择与融合及全阶时间幂灰色预测模型(FOTP-GM(1,1))方法。首先,采用灰色关联分析法对航空发动机的高维监测物理参量的性能退化状态表征能力进行参数化度量,结合线性相关分析对监测参量进行优化选择;其次,利用灰色接近关联度对优化选择的特征进行加权融合,构建航空发动机的统一健康指标(HI),并以训练发动机HI失效阈值为参照,采用滑动窗欧氏距离比对法确定测试发动机的HI失效阈值;最后,采用FOTP-GM(1,1)对测试发动机的剩余寿命进行预测。通过实验分析,该方法能够有效地对航空发动机的剩余寿命进行预测,并比传统方法得到更高的预测准确度,该方法为实现航空发动机的故障预测与健康管理提供一种新的思路与手段。     

灰色神经网络模型GNNM(1,1)在城市年用电量预测中的应用

针对城市电力系统年用电量增长的特点，将灰色神经网络模型GNNM(1，1)引入城市年用电量预测。GNNM(1，1)模型是把灰色方法与神经网络有机结合起来，对复杂的不确定性问题进行求解所建立的模型。该模型通过建立一个BP网络，来映射GM(1，1)模型的灰色微分方程的解。GNNM(1，1)模型采用BP学习算法，网络经训练收敛后就可进行城市年用电量预测。算例计算表明，与灰色预测方法相比，GNNM(1，1)模型具有更强的适应性和更高的预测精度，适用于城市年用电量预测。