由于日趋严重的环境问题以及风能利用的成本低廉和技术成熟等原因，风力发电成为电力系统中相对增长最快的新能源发电技术，发展风电成为改善电力系统经济运行极为重要的措施。近几年，风力发电机组单机容量和风电场建设规模都日益扩大，但风力的随机性和间歇性会对电力系统稳定运行产生一定的影响。因此对于含有风电场的电力系统，需要建立正确的风电场数学模型和进行风电场的短期风速预测。 首先，运用时间序列和神经网络相结合的预测方法，对风电场的风速序列进行短期预测。该方法用时间序列模型来选择神经网络的输入变量，而神经网络分别运用了BP和GRNN神经网络进行比较，发现使用时间序列结合GRNN网络预测效果比较令人满意，其对风电场和电力系统的稳定性运行具有重要的意义。 其次，建立了风速、风电机组和风电场的数学模型。风电机组的数学模型主要包括风力机模型、传动机构模型和异步发电机模型，仿真分析了风电机组对于风速的响应。在风电场模型研究中，考虑了尾流效应因素，风电场中各台风机位置处的风速并不相同，因此研究了风能分布的Jensen模型和Lissaman模型，并进行了案例计算分析，结果表明了风能分布模型在大规模风电场模型分析中的重要性。本文还提出了风电场等值模型的建立，降低了仿真研究的复杂性，使得分析大规模风电场并网运行成为可能。 最后，实现了包含风电场的电力系统潮流计算，采用牛顿—拉夫逊法极坐标形式的方法，为研究风电场稳定性运行提供了前提条件。同时提出了基于电力系统暂态稳定性分析的风电场穿透功率极限计算方法，并揭示了频率波动对风电场稳定运行的影响。
上传时间： 2013-07-31
上传用户：zhengxueliang
后向传播，它通过迭代地处理一组训练样本，将每个样本的网络预测与实际知道的类标号比较，进行学习。
标签：
上传时间： 2013-12-31
上传用户：ryb
针对工业控制过程中的实际问题，对神经网络预测控制进行了深入的研究，提出 了两种新的智能预测控制算法。并结合混合仿真平台，以平台中非线性单变量与多变量系 统为控制对象，将部分算法应用于实际控制中。
上传时间： 2013-12-10
上传用户：yd19890720
归一化处理程序，可以应用与神经网络预测
标签： 处理程序
上传时间： 2016-10-20
上传用户：wkchong
人工鱼群算法（AFSA）是2002年李晓磊提出的基于鱼群行为的寻求全局最优 的新型搜索策略，该算法具有较优的全局收敛能力及较快的寻优速度。本文首次将 人工鱼群算法应用于人工神经网络的学习，形成了人工鱼群神经网络模型，通过与 BP算法、模拟退化算法、进化算法训练的人工神经网络进行比较，验证了人工鱼群 神经网络在全局寻优能力上的优势，进而利用人工鱼群神经网络进行电力系统短期 负荷预测，建立了人工鱼群神经网络预测模型。为了进一步提高算法的稳定性，以 及求得全局最优值的能力，文中给出了改进的人工鱼群算法。当人工鱼种群的最优 值在多代未变的情况下，加入了“跳跃”行为，改变人工鱼个体的参数，避免陷入 局部最优并提高了寻求全局最优解的能力。然后建立了新的预测模型，实际编程表 明，改进后的模型具有更好的全局最优化能力及稳定性。
上传时间： 2013-12-18
上传用户：BOBOniu
动态环境下基于势场原理的避障方法 提出了一种新颖的控制方案，即采用神经网络预测控制器来控制机器人的力／位置．这种控 制器能任意逼近机器人这种不确定对象，不用知道系统的精确结构，同时由于预测控制的加入，使系 统在线计算方便，控制质量提高了
上传时间： 2013-12-16
上传用户：LouieWu
提出了一种新颖的控制方案，即采用神经网络预测控制器来控制机器人的力／位置．这种控 制器能任意逼近机器人这种不确定对象，不用知道系统的精确结构，同时由于预测控制的加入，使系 统在线计算方便，控制质量提高了
上传时间： 2017-09-07
上传用户：litianchu
1.针对一类参数未知的非线性离散时间动态系统，提出了一种新的基于神经网络的MMAC方法。首先，将系统分为线性部分和非线性部分。针对系统线性部分采用局部化方法逮立多个固定模型覆盖系统的参数范围，在此基础上，建立自适应模型来提高系统性能；针对系统非线性部分建立非线性神经网络预测模型来邏近系统的非线性。然后，针对每个子模型设计相应的擅制器。最后，设计基于误差范数形式的性能指标函数对控制器进行硬切换。仿真结果表明，所提出的MMAC方法与传统的在参数空间均匀分布的MMAC方法相比能显著提高非线性系统的暂态性能。2针对一类具有参数跳变的非线性离散时间动态系统，提出子一种基才聚类方法和神经网络的MMAC方法，首先，采用模糊c均值聚类算法对系统先验数据进行分类处理，再分别对每类数据采用RLS算法建立多个固定模型。在此基础上，建立两个白适应模型来提高系统响应速度和控制品质，建立神经网络预测模型来补偿系统非线性。然后，分别针对相应的子模型设计线性鲁棒自适应控制器和神经网络控制器。最后，采用基于信号有界和测量误差的性能切换指标对控制器进行切换，并证明闭环系统的稳定性。仿真结果表明，所提出的算法能更好地解决非线性系统发生参数跳变问题，使得系统具有良好的控制品质3.针对MMAC方法中的模型库优化问题，考虑系统实际运行数据，提出了种基于相似度准则和设置最大模型数的动态优化模型库方法。该方法能对新数据进行综合考量并判断是否应该将该数据纳入子模型建模，并通过设置最大模型数来确保系统用最少的子模型就能保证系统的控制性能。仿真结果表明，所提出的算法能极大地减少子模型数量且具有较好的控制效果。关键词：非线性系统；多模型方法；自适应控制；模糊聚类；神经网络
标签： 自适应控制
上传时间： 2022-03-11
上传用户：
为了提高电力系统负荷预测的精度与速度的需求，提出使用交替梯度算法改进径向基函数（RBF） 神经网络， 对天津市电网进行负荷预测。改进的算法与传统梯度下降算法相比，具有更快的收敛速度和更高的预测精度。 仿真结果表明该算法具有可行性。
上传时间： 2013-10-31
上传用户：waixingren
落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节,它直接影响着采掘工作面瓦斯涌出量预测的精度,并与煤的变质程度、落煤粒度、原始瓦斯含量、暴露时间等影响因素呈非线性关系。人工神经网络具有表示任意非线性关系和学习的能力,是解决复杂非线性、不确定性和时变性问题的新思想和新方法。基于此,作者提出自适应神经网络的落煤残存瓦斯量预测模型,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究。结果表明,自适应调整权值的变步长BP神经网络模型预测精度高,收敛速度快 该预测模型的应用可为采掘工作面瓦斯涌出量的动态预测提供可靠的基础数据,为采掘工作面落煤残存瓦斯量的确定提出了一种全新的方法和思路。
上传时间： 2015-03-12
上传用户：熊少锋
