基于随机森林和RBF神经网络的长期径流预报

基于我国南方某河流1965—1999年每年7月的实测流量资料,首先采用随机森林模型筛选预报因子,之后利用筛选的预报因子作为RBF神经网络的输入层,利用RBF神经网络对2000—2008年每年7月的流量进行了"滚动式"预报,并与实测结果进行了对比。结果表明:随机森林模型能有效地筛选影响因子,利用这些因子采用RBF神经网络进行径流预报的相对误差均在10%以内,拟合效果很好;"滚动式"长期径流预报结果相对误差的绝对值均在20%以内。     

水力发电机组的模糊神经网络参数自整定PID控制及仿真

为适应水电机组的复杂工况和高指标的控制要求,提出了一种水力发电机组的模糊神经网络参数自整定PID控制系统．即利用多层神经网络构建模糊自适应PID控制算法,通过神经网络自学习能力在线提取模糊控制规则。优化控制器隶属度函数,根据不同时刻的误差e和误差变化ec,利用模糊逻辑控制,在线自整定PID参数,进一步完善了PID控制器的性能,提高了系统的控制精度。仿真实验表明：该控制器明显地改善了控制系统的动态性能,能使系统达到满意的控制效果,对进一步应用研究具有参考价值。     

基于不同核函数的SVM用于径流预报的比较

为提高径流预报的预测精度,分别采用基于RBF、ERBF的核函数对碧流河水库的年径流量建立了SVM回归模型。径流预报结果表明:基于ERBF核函数的SVM回归方法的预报误差、均方误差均比基于RBF核函数的SVM回归方法的结果小,径流预测精度也高于基于RBF核函数的SVM方法的结果。     

Application of coRNA-GA based RBF-NN to model proton exchange membrane fuel cells

This paper proposes a co-evolution RNA genetic algorithm (coRNA-GA) based RBF-NN modeling approach of proton exchange membrane fuel cells (PEMFCs). Inspired by the biological RNA, coRNA-GA encodes the chromosomes with RNA nucleotide bases and adopts some RNA operations. Some genetic operators are adopted to maintain the population diversity. Two sub-populations are selected by the different evaluation functions, in which different evolutionary strategies are utilized to balance the exploration and the exploitation. The effectiveness of coRNA-GA is validated by the numerical experiments with some benchmark functions. Furthermore, the coRNA-GA based RBF-NN is applied to solve the nonlinear modeling problem of PEMFCs. The simulation results demonstrate that coRNA-GA based RBF-NN is capable of predicting the stack voltage under different operation conditions with better accuracy.     

基于RBF神经网络的光伏动态重组系统

光伏系统的模块重组对于改善系统的P-V特性有非常重要的作用。提出了一种在部分阴影遮蔽情况下基于人工神经网络算法的光伏模块重组方案。这个方案中,光伏模块分为固定部分和自由部分,并通过开关矩阵来连接。然后测量的每个自由模块以及每行固定模块的短路电流值,测量值通过人工神经网络算法得到的结果决定开关矩阵的连接方式。仿真实验显示所提出的方案的参数测量实时简易、重组策略高效,能有效地改善部分阴影状态下的光伏阵列的功率输出。最重要是所提出的控制策略能应用于较大规模光伏系统结构重组。     

基于MATLAB的RBF神经网络在照明计算中的应用

针对传统建筑照度计算过程冗杂、繁琐、准确率不高的特点,提出了通过建立RBF神经网络应用模型,在MATLAB环境下进行计算、仿真的新方法。与常规的照度计算方法相比,该应用方法不但能够充分降低人工劳动强度,而且极大的提高了照明设计中的计算精度和效率,为建筑照明设计中优化照明方案提供理论的依据。     

永磁同步直线伺服系统的一种双模控制

针对永磁同步直线电动机(PMLSM)伺服系统的端部效应问题,采用了一种双模控制,将基于RBF神经网络辨识的单神经元PID控制和基于神经网络给定补偿的复合控制相结合。有效地解决了并联型辨识结构对初值敏感及参数收敛的问题。实现了控制系统的快速跟踪,同时对外部扰动和参数变化有较强抑制作用。给出了该控制方案与基于RBF神经网络辨识的单神经元PID控制的仿真比较,验证了该方案的有效性。     

电力通信网风险评估模型

针对电力通信网风险评估的影响因素繁多,复杂性和重要程度不同,建立了基于因子分析法与神经网络的风险评估模型;运用因子分析法对指标体系进行了分析和约简;考虑到历史的预测误差与未来预测误差的映射关系,利用RBF神经网络对未来的预测误差进行预测。实例验证结果表明,采用因子分析和神经网络结合的方法对电力通信网进行风险评估,减少了评估指标的数量,提高了评估的精度。     

一种基于径向基神经网络的PLL控制研究

电网并网时需要控制电流与电网电压同相位.介绍了一种基于人工神经网络的用于相位跟踪的PLL控制方法,即把RBF网络的算法加入锁相环中.具体是将电网电压作为期望输出值,将输入电流作为训练样本,通过神经网络的自我学习,逐步减小样本输出与期望输出之间的误差,实现对期望输出的同步和跟踪.用MALAB电力系统仿真工具箱进行了数字动态仿真,并从仿真结果可以看出,系统跟踪性能很好,并且有较强的自适应能力.     

基于相关向量机的发电机进相能力建模

发电机是一个多变量、强耦合的非线性系统,传统的分析方法难以建立精确的发电机进相能力分析模型。提出一种基于相关向量机(RVM)的发电机进相能力模型,以发电机有功功率和无功功率为输入、发电机的功角和电网电压为输出。以典型工况下发电机进相运行试验结果作为训练样本和测试样本,建立某600 MW发电机进相能力RVM模型,并讨论了核函数的选择对RVM模型收敛精度的影响。结果表明所建立的发电机进相RVM模型较之BP神经网络、径向基函数(RBF)神经网络和支持向量机(SVM)模型,精度更高、泛化能力更强,能有效地克服传统方法的局限性,适用于发电机进相运行实时控制。