基于改进粒子群-径向基神经网络模型的短期电力负荷预测

为了准确、快速、高效地预测电网短期负荷,提出了改进的粒子群–径向基神经网络算法。用改进的粒子群算法训练径向基神经网络,实现了径向基函数神经网络的参数优化。建立了短期电力负荷预测模型,综合考虑气象、天气、日期类型等影响负荷的因素进行短期负荷预测。算例结果表明,该算法优于径向基神经网络法和粒子群–径向基网络算法,克服了径向基网络和粒子群优化方法的缺点,改善了径向基神经网络的泛化能力,输出稳定,预测精度高,收敛速度快,平均百分比误差可控制在1.2%以内。

水轮机智能调速系统数学模型仿真及参数辨识

为建立与电网稳定计算有关的水轮机调速系统数学模型及模型参数测量辨识,提出一种基于自适应人工鱼群-神经网络技术并适用于水轮机调速系统控制的新技术,建立智能调速系统数学模型,使之符合实际调节及微机优化控制。分析了该模型组成部分的传递函数,提出采用自适应人工鱼群算法来弥补人工鱼群和神经网络算法的不足,阐述了自适应人工鱼群算法-神经网络优化器的算法。给出了自适应人工鱼群优化算法参数辨识算法设计和实现步骤。利用Matlab和自适应人工鱼群算法进行模型参数辨识,对一次调频和二次调节试验过程进行仿真并与实测对比。结果表明,仿真值与实测值相当接近,所研制的自适应人工鱼群-神经网络优化器,达到了优化PID调节器控制输出量的目标;所建立的调速系统数学模型真实地反映调速系统在机组并网工况下的调节特性,说明该方法原理正确,可用于优化控制。

改进粒子群-BP神经网络模型的短期电力负荷预测

为了准确、快速、高效地预测电网短期负荷,提出了改进的粒子群算法(MPSO),并与BP算法相结合,形成改进的粒子群—BP(MPSO-BP)神经网络算法,用此算法训练神经网络,实现了神经网络参数优化,得到了基于MPSO-BP算法的神经网络模型。综合考虑气象、天气、日期类型等影响负荷的因素,进行电网短期负荷预测。算例分析表明,与传统BP神经网络法和PSO-BP神经网络方法相比,该方法改善了BP神经网络的泛化能力,预测精度高,收敛速度快,对电力系统短期负荷具有良好的预测能力。

基于弹性自适应人工鱼群-BP神经网络的风轮节距控制环

为了研制一种调节桨叶节距角的智能控制器,使风力发电机组在变化的风力中获得最大的能量并使转速、功率和机械负载变化最小,提出了一种基于弹性自适应人工鱼群-BP神经网络的风轮节距控制环并用于风轮节距角控制,分析了弹性自适应人工鱼群优化算法-BP神经网络,建立智能控制的风力发电机组模型。使用该方法模拟了在不同桨叶节距角下功率系数、叶尖速比、功率和电压变化,模拟值与实测值进行了对比。试验表明,模拟值与实测值比较接近,仿真效果较佳。结果表明该方法原理正确,符合实际调节及微机控制,可用于实时控制。

自适应变系数粒子群—径向基神经网络模型在负荷预测中的应用

为了提高短期电力负荷预测精度,提出了一种自适应变系数粒子群—径向基函数神经网络混合优化算法(AVCTPO-RBF)。实现了径向基神经网络参数优化。建立了基于该优化算法的短期负荷预测模型,利用贵州电网历史数据进行短期负荷预测。仿真表明,该方法的收敛速度和预测精度优于传统径向基神经网络方法和粒子群—RBF神经网络方法及基于混沌理论的神经网络模型,该优化算法克服了径向基神经网络和传统的粒子群优化方法的缺点,改善了径向基神经网络的泛化能力,提高了贵州电网短期负荷预测的精度,各日预测负荷的平均百分比误差可控制在1.7%以内。该算法可有效用于电力系统的短期负荷预测。

动态调整粒子群-霍尔特模型在径流预测中的应用

为了提高水库和河流中长期径流预测精度,针对粒子群算法存在的缺陷,提出了动态调整粒子群算法(DAPSO)。借助霍尔特-温特斯线性季节性模型的预测功能,应用DAPSO算法求解和优化霍尔特-温特斯线性季节性模型组合参数,形成动态调整粒子群-霍尔特-温特斯线性季节性模型组合算法,对石泉水库进行中长期径流预测。仿真计算表明,动态调整粒子群-霍尔特-温特斯线性季节性模型算法收敛速度快于霍尔特-温特斯线性季节性模型算法、粒子群-霍尔特-温特斯线性季节性模型算法。该组合算法克服了按梯度试算法搜索质量差和精度不高的缺点,输出稳定性好,预报精度显著提高,置信度为95%时的预测相对误差小于6%。该算法可应用于水库和河川中长期径流预测。

自适应变系数粒子群和径向基神经网络在短期电价预测中的应用(英文)

分析了传统的粒子群优化(particle swarm optimization,PSO)算法和径向基(radial basis function,RBF)神经网络的优缺点,提出一种自适应变系数粒子群优化算法(adaptive variable coefficients particle swarm optimizer,AVCPSO)。该算法与RBF神经网络结合形成自适应变系数粒子群-径向基(AVCPSO-RBF)神经网络混合优化算法。基于此优化算法,建立了短期电价预测模型,并利用贵州电网历史数据进行短期电价预测。仿真计算结果表明,AVCPSO-RBF混合优化算法在短期电价预测中优于传统RBF神经网络法和PSO-RBF神经网络方法,克服了上述2种方法的缺点,改善了RBF神经网络的泛化能力,具有输出稳定性好、预测精度高、收敛速度快等特点,使用该方法得到的各日预测电价的平均百分比误差可控制在2%以内,平均绝对误差最大值为1.652RMB/MW·h。

基于改进粒子群与神经网络的机械结合面法向刚度建模

为了提高机械结合面法向接触刚度预测精度,提出一种改进粒子群优化算法,并用改进粒子群算法优化BP神经网络的参数组合,实现了粒子群和BP神经网络相结合的算法模型。将影响结合面法向接触刚度的因素进行了特征分析和定量化描述,并用该算法进行法向接触刚度预测和相对误差分析。计算结果表明,计算准确度可达92%,实现了多种影响因素组合下的机械结合面法向接触刚度的建模。

结合面法向和切向接触刚度的MPSO-BP神经网络算法的建模

提出一种基于改进的粒子群和BP神经网络相结合的算法模型,用改进粒子群优化算法优化BP神经网络参数。以机械结合面法向接触刚度和切向接触刚度作为算例。考虑结合面配对副材料、接触载荷、表面加工方法、表面粗糙度和结合面间的介质作为主要因素,对8组结合面法向和切向接触刚度进行预测建模,并对仿真与实验结果进行比较与误差分析。结果表明,该方法实现了多种影响因素组合下的机械结合面法向和切向接触刚度较高精度的建模和预测。

自适应人工蚁群算法在水资源优化配置中的应用

为实现水资源合理调度,建立了水资源优化配置模型,针对该非线性模型求解较困难及其他方法求解精度不高的问题,提出了自适应人工蚁群算法(AACS)。以闻喜涑水灌区和陈村灌区水资源优化配置为实例,对涑水河陈村峪水库、紫家峪水库和杨家园水库给灌区供水调度进行优化,采用AACS法求解灌区水资源优化配置模型。结果表明:该模型可真实地反映灌区供需水平衡变化的总体趋势,所建模型是合理的,为判断时间序列数据的非线性提供了一种新方法。

大气程辐射遥感图像技术

大气程辐射遥感图像是遥感图像中各点大气程辐射遥感值按顺序排列所形成的、与地面状况无关的、仅与大气状况有关的、无法在自然条件下直接获取的遥感图像.就对地探测而言,大气程辐射是需消除的干扰因素,对于大气传输特性的研究、遥感图像的大气修正、区域大气遥感探测和大气环境质量遥感监测等则是宝贵的信息源.研究利用遥感数字图像和对应地面反射率、逐点分离、提取像元大气程辐射遥感值从而生成大气程辐射遥感数字图像有重要理论和应用价值.

水电机组一次调频优化分析

一次调频是确保电力系统频率稳定的主要途径之一,目前国内许多水电厂都按系统要求投入一次调频。引入一次调频积分电量,采用西北电网实测网频数据,对公伯峡水电厂4号水轮机进行建模仿真,分析了水电机组一次调频的关键参数开度死区、频率死区设置对积分电量的影响,结果表明,通过调整开度死区、频率死区提高水电厂经济效益是可行的,为水电厂通过一次调频获得最大效益提供了参考依据。

电网公司财务风险管理与控制策略

随着电力体制改革的不断深化,电网公司传统的财务管理受到冲击和挑战,公司面临着一定的财务风险。本文对电网公司存在的财务风险进行了细致的分析,提出了防范和化解电网公司财务风险管理的对策和控制策略。

基于动态成本理论的水电厂发电成本分析

应用成本分摊理论将固定成本按水电厂出力分摊,结合变动成本求出动态成本。以汉江流域某新建水电厂为例的研究分析表明,水电厂的边际成本和会计成本不随系统负荷的变化而变化,是迟滞的。动态成本随着系统负荷的增加而增加,其在反映市场供需关系对电价的影响方面优于会计成本和边际成本。本研究对指导电力市场环境下水电厂的优化运行和竞价上网具有重要意义。

水力发电变流调速系统关键设计和实验分析(英文)

直驱型水力发电系统使水轮机与发电机之间直接相连,为提高系统效率和可靠性,减少系统在进行有源逆变时,交流侧电感的大小影响系统静、动态性能,从稳态和瞬态电流跟踪出发,提出了满足水力发电系统要求的交流侧电感设计的新方法.针对传统的直流侧电容的参数设计方法的不足,即没有考虑PWM开关周期的延时而导致的整流器和逆变器同时向直流母线馈电的问题,提出了直流侧电容容量最小化的设计方法,对所设计的变流调速系统的特性进行了仿真和实验验证.结果表明,设计的变流调速系统不仅具有能量双向流动的特性,而且具有网侧功率因数可控,电流谐波含量低,直流母线电压泵升高快且可控的优点.

基于互联网的财务管理创新

互联网的迅速发展,给企业参与市场竞争带来了新的机遇,同时也对企业传统的财务管理提出了严峻挑战。本文剖析了互联网时代传统财务管理的弊端,并就财务管理创新的内容和实现方法提出了新的见解。

DP-ADPSO算法在机组负荷优化组合分配问题中的应用

针对离散粒子群应用于机组负荷优化问题中存在早熟收敛的难题,提出了动态规划-自适应离散粒子群算法求解机组负荷优化组合问题。该方法首先保证所有随机生成的粒子均为满足基本约束条件的可行解,使整个算法只在可行解区域内进行动态优化搜索,缩短了计算时间。计算实例表明:动态规划-自适应离散粒子群算法能较好地收敛到最优解,而且该方法得出的解具有精度高、收敛速度快的优点,应用效果优于动态规划法和离散粒子群算法,说明该方法是有效的、合理的,具有较好的应用前景。

开展ERP研究开发与应用的关键问题分析

目前,正值我国开展制造业信息化和ERP研发应用的高潮期,人们对于ERP的认识与期望各不相同。本文就我国深入开展ERP研究开发与应用的关键问题进行阐述:(1)ERP与中国国情的结合问题;(2)ERP应用实施的关键因素;(3)我国ERP软件产品的主要特点与问题;(4)ERP产业发展环境。这些分析将会为企业成功实施ERP项目提供有益的帮助。

ERP项目实施的经验教训总结

企业成功实施ERP项目,将会为企业带来巨大的综合效益,但在ERP实施的过程中,企业也会同样面临着巨大的失败风险。到目前为止,虽然我国许多企业在积极尝试和实施ERP项目,但成功率却极低。因此,只有充分认识ERP实施过程中企业所面临的各种风险,进而正确地估计和控制风险,从而降低风险,才能提高ERP成功实施的概率。本文较详细地剖析了企业在实施ERP过程中所面临的各种外部风险,同时总结了ERP实施的经验教训,并分析了ERP实施失败的原因,这些分析将会为企业成功实施ERP项目提供有益的帮助。

企业分析系统——智能分析平台研究和新算法模型综述

介绍一种智能分析平台主要包含的工具、内容及其设计模型和它的作用。它是将数据库、中间 件技术、统计分析技术、建模和动态模拟技术相结合的综合应用平台。