基于多模型融合的分布式光电仪器突变状态智能检测方法模型

为光电设备正常运行提供有效保障,设计基于多模型融合的分布式光电仪器突变状态智能检测方法模型。采用分布式光电仪器实时运行参数数据作为输入,分别构建KPCA、偏最小二乘算法和Elman神经网络的光电仪器突变状态检测模型,它们分别检测分布式光电仪器突变状态,将它们的输出结果作为输入,利用PSO-RBF神经网络模型对多模型分布式光电仪器检测结果进行融合处理,得到最终分布式光电仪器突变状态智能检测结果。实验结果表明：该模型采集分布式光电仪器电压运行数据较为准确,可有效检测分布式光电仪器突变状态,且其检测结果的决定系数数值较高,具备较为显著的应用效果。     

电动汽车充电站负荷预测系统的设计与开发∗

为了充分利用郑州南五里堡电动汽车充电站容量,开发了电动汽车充电站负荷预测可视化系统.首先建立了基于小波神经网络算法的电动汽车充电负荷预测模型;然后利用Excel软件建立了数据系统,用以访问和储存系统数据,实现负荷预测功能以及历史数据查询功能;最后利用MATLABAppDesigner设计用户界面,对郑州南五里堡电动汽车充电站的负荷预测系统进行了功能测试,测试结果表明该算法具有较高的预测精度,验证了充电负荷预测模型的正确性.