遗传优化的灰色神经网络模型比较研究

针对灰色系统结合RBF神经网络时算法存在局部最优和收敛性等问题,引入遗传算法来辅助优化灰色神经网络预测模型。利用具有的较强全局搜索能力,且收敛速度快的遗传算法对GM(1,1)模型参数λ进行高效求解,然后融合RBF神经网络和改进的灰色GM(1,1)模型,构成两种不同结构的基于遗传算法的灰色RBF预测模型,一种是灰色RBF补偿预测模型GA-GRBF,另一种是灰色嵌入型GRBF模型。以某智能监控系统采集的风响应时程数据进行仿真分析,结果表明经过遗传算法优化的GRBF模型都要优于单一的GRBF模型,并且GA-GRBF模型建模简单,预测精度高,实用性强。

储能系统应用于火电厂调频经济性评价的研究

电池储能系统具有快速、精确的功率响应能力,有利于电厂更好地跟踪自动发电控制指令,更高效地完成电网自动发电控制目标。由于储能系统的建设成本比较昂贵,因此建立有效的储能电池经济性评估方法具有重要意义。首先提出了辅助火电机组参与调频的控制策略和分段调频的控制策略;然后利用灰色模型算法建立了电池容量的衰减模型,得出了对储能系统健康度的预测方法;最后基于两种控制策略,完成了对储能系统参与调频的经济性评价和比较。

Multi-variable grey model (MGM(1,n,q)) based on genetic algorithm and its application in urban water consumption

Urban water consumption has some characteristics of grey because it is influenced by economy, population, standard of living and so on. The multi-variable grey model (MGM(1,n)), as the expansion and complement of GM(1,1) model, reveals the relationship between restriction and stimulation among variables, and the genetic algorithm has the whole optimal and parallel characteristics. In this paper, the parameter q of MGM(1,n) model was optimized, and a multi-variable grey model (MGM(1,n,q)) was built by using the genetic algorithm. The model was validated by examining the urban water consumption from 1990 to 2003 in Dalian City. The result indicated that the multi-variable grey model (MGM(1,n,q)) based on genetic algorithm was better than MGM(1,n) model, and the MGM(1,n) model was better than MGM(1,1) model.

配电网项目全价值链评价体系的用电特性分析

为了解决配电网项目中电力负荷繁多,用户用电特性分析困难的问题,该研究提出了新的用户用电特性分析方法。该方法通过构建包括配电设备层、数据交互层、数据评价层和数据应用层的配电网项目全价值链评价体系,能够在多种用电终端运行情况下,具体分析出用户用电特性。该系统还应用了熵权灰色关联度算法模型,能够从配电网设备层获取配电网中运行的项目,通过将运行中的各种设备数据进行标准化、归一化处理,最终实现用电特征信息的分析及配电网项目全价值链评价。试验表明,与其他技术相比,该研究的方法误差较小,精度较高。