共查询到20条相似文献，搜索用时 406 毫秒
1.
丁洁 《忻州师范学院学报》2013,29(2)
为了更准确对空调系统负荷进行预测,文章在介绍Elman神经网络原理的基础上,对应用在处理动态数据模型上具有优越性的Elman回归型神经网络建立负荷预测模型,讨论了负荷预测模型中隐层神经元数目的选取,并对空调负荷值进行预测.同时也对静态前馈型BP神经网络进行建模和预测,比较两种预测结果,分析其误差,证明了Elman网络在动态预测实验中与BP网络相比较的优势. 相似文献
2.
针对循环神经网络算法在电力负荷预测中存在易陷入局部最小值和全局搜索能力较弱的缺陷,提出了基于粒子群算法和循环神经网络的预测方法|针对标准粒子群算法易因粒子早熟收敛现象而陷于局部最优的缺陷,提出了合理粒距的概念,生成一种改良后的学习方法。采用改良后的粒子群算法对结点权值参数进行寻优,以测量值与预测值的误差作为评价依据,从而实现模型参数的优化选择。最后采用改良后的粒子群算法和循环神经网络预测模型对短期电力负荷进行预测,并与标准粒子群算法循环神经网络预测模型和循环神经网络预测模型对比。实际算例比较表明,这种预测方法具有良好的收敛特性和较高的预测准确度。 相似文献
3.
刘朋辉 《江西电力职业技术学院学报》2023,(2):10-12
当前现有预测方法对智能电网短期时间内的电力负荷预测存在预测精度低、预测精度受气象条件变化影响等问题,现引入BP神经网络研究智能电网短期电力负荷预测方法：获取智能电网历史运行数据,对数据进行预处理,对样本进行归一化处理;利用BP神经网络构建电力负荷预测模型;建立模型训练网络拓扑结构,训练模型预测性能;完成电网短期电力负荷预测,并在考虑气象因素的情况下对预测进行补偿,得到预测结果。实验证明：新的预测方法在实际应用中预测精度更高,且预测精度不会受到气象条件的影响。 相似文献
4.
5.
人工神经网络在中长期电力负荷预测中的应用 总被引：3，自引：0，他引：3
设计了一个由输入层、隐含层和输出层组成的三层BP网络模型,利用神经网络高度非线性建模能力,进行电力系统的中长期负荷预测.选取影响电力负荷的一些经济因素作为神经网络的输入变量,并对分别采用单个因素和多个因素的组合作为输入量对预测精度的影响进行了探讨.在多因素组合时对输入量进行了归一化处理.仿真结果证明,使用人工神经网络方法进行中长期电力负荷预测是可行和有效的. 相似文献
6.
《实验室研究与探索》2020,(5):41-45
设计了一种基于长短期记忆(LSTM)神经网络的电力负荷预测模型,在TensorFlow框架下使用Python语言编程实现;使用西班牙2018年一整年的电力负荷数据对模型进行训练,得到的模型可准确预测电力负荷数据的日变化、周变化规律,模型损失值可达0. 2,验证了模型的有效性;与RNN模型对比证明了LSTM模型的长期依赖学习能力更为优越。提出的模型是一种有效的电力负荷数据预测方法,可为电力系统的负荷预测提供依据。 相似文献
7.
符保龙 《柳州职业技术学院学报》2009,9(1):81-85
针对BP神经网络的不足,采用PSO算法对BP神经网络进行优化,建立一个混合的神经网络洪水预测模型。实验仿真结果表明,该模型的预测效果优于传统的洪水预测模型。 相似文献
8.
危锋 《荆门职业技术学院学报》2014,(2):49-54
网络控制系统中时延普遍存在,时延的有效预测对控制系统非常重要。为准确对时延进行预测,文章建立一个基于RBF神经网络的时延预测模型,运用Matlab软件对该模型进行仿真,采用归一化的方法对用于测试的数据集进行预处理,利用这些处理过的数据集对该仿真模型进行训练和测试,结果证明RBF神经网络能很好的预测网络时延。 相似文献
9.
褚晨辉 《中阿科技论坛(中英文)》2024,(2):108-111
装配式高层住宅成本受诸多因素影响,成本与各个因素之间存在复杂的非线性关系,BP神经网络难以对其进行准确的成本预测。文章提出了一种遗传算法（GA）优化BP神经网络的预测方法,利用GA-BP神经网络模型提高装配式高层住宅成本预测的准确率。通过对GA-BP神经网络模型的权值和阈值进行优化,构建了GA-BP神经网络装配式高层住宅成本预测模型,并以50组装配式高层住宅样本数据为例,分别运用GA-BP神经网络与BP神经网络预测模型进行了对比试验。试验结果表明,GA-BP神经网络预测模型具有较强的稳定性和更高的预测准确率。 相似文献
10.
深度学习算法是目前台区负荷预测的主要方法.为解决深度学习方法在逻辑拟合、特征冗余方面的问题,提出一种基于经验模态分解和长短记忆神经网络算法的短期台区负荷预测模型.利用经验模态分解将台区负荷分解为多个本征模函数,使用相关性分析法从特征集合中选择各本征模函数的特征子集,用长短记忆神经网络对这些本征模函数分别进行预测.最后采... 相似文献
11.
针对电力负荷序列不稳定性、随机性等特点引起的电力负荷预测精度下降等问题,提出MEEMD加窗改进方法和GRNN组合的短期电力负荷预测模型。利用GRNN神经网络延拓方法对原始信号两端数据进行延拓,用余弦窗函数对延拓数据加窗处理后再进行MEEMD分解,用神经网络对各分量趋势进行预测,叠加各分量的预测结果得到负荷序列的最终预测结果。实验结果表明,MEEMD加窗改进分解预测的平均绝对误差、平均绝对值百分比误差和均方根误差分别为73.926 8、0.818 0%和82.930 1。基于MEEMD加窗改进方法和GRNN组合的电力负荷预测不仅能抑制端点效应,而且能解决模态混叠和伪分解问题,提高了短期电力负荷的预测精度。 相似文献
12.
提出了一种基于元胞自动机理论的2台或多台变压器经济运行的新决策方法。根据变压器在各种运行模式下功率损耗曲线之间的交点,一个运行日可划分为若干个时段。基于这些时段构造一种一维不规则元胞自动机,建立元胞自动机转换规则,考虑到所构建元胞自动机的收敛特性,经过迭代,使处于不同状态的所有元胞之间达到一种平衡,以确定变压器在各时段内的优化运行模式。根据所提方法,短期负荷预测曲线被充分利用,变压器的综合能耗及投切次数都能被尽量降低。仿真算例及测试案例结果显示,该方法相较于遗传算法或神经网络等方法具有计算量少、效率高等特点,且具有较强的适应性。 相似文献
13.
张宁 《福建工程学院学报》2017,(4):367-370
提出将一种进化的神经网络模型——极限学习机应用于短期电力负荷时间序列预测中,该方法具有模型参数设置少、训练速度快和良好的泛化能力等明显优点。通过实例分析表明该模型的预测精度要优于BP神经网络模型,同时也验证了该模型应用于短期负荷预测的有效性和可行性。 相似文献
14.
基于GRNN神经网络的供应链安全库存预测 总被引：2，自引：0，他引：2
安全库存水平设置是供应链管理的重要内容，但因其影响因素多、关系复杂，预测难度大。神经网络在处理非线性问题有独特的优势。GRNN神经网络是建立在数理统计基础之上的一种新型的神经网络，具有良好的函数逼近效果。本文利用GRNN神经网络的方法进行供应链安全库存水平预测，详细介绍预测模型及其实施办法，并通过实例验证本方法的有效性。 相似文献
15.
蒋惠凤 《温州职业技术学院学报》2014,(1):57-60
为提高负荷预测精度,将主成分回归（PCR）、偏最小二来回归（PLSR）与反向传播神经网络（BPNN）相结合,分别建立基于PCR和PLSR及与神经网络耦合的年用电量预测模型.结果表明,以PCR和PLSR方法提取成分作为神经网络的输入,以实际用电量作为输出,建立的PC-BPNN和LV-BPNN非线性预测模型拟合优度优于PCR和PLSR线性预测模型.从检验四个预测模型的预测效果看,线性预测模型的预测值均高于实际值,非线性预测模型的预测值均低于实际值. 相似文献
16.
王焱 《桂林师范高等专科学校学报》2006,20(2):150-153,156
应用RBF(Radial Basis Function, 径向基函数)人工神经网络进行电力系统短期负荷预测.考虑了天气、经济、节假日等因素对电网负荷的影响,将负荷按照每周各日分类,共七种模式,学习样本选取每周中的相同类型日.在预测前还对原始数据中的伪数据进行剔除,提高了预测的精确度.利用从湖南省双峰电力局收集到的负荷数据进行网络模型的训练,所得结果表明了RBF网络对于负荷预测是有效性的. 相似文献
17.
基于离散单元法建立了圆柱形颗粒阻尼器的仿真模型,研究了阻尼器内颗粒在不同激振条件下的运动形态及其能量耗散大小。为了获取两者之间的定量关系,应用基于网格搜索法(GS)的支持向量机(SVM)建立了颗粒运动形态的分类预测模型及其能量损耗的回归预测模型,对颗粒运动形态的分布及其能量损耗的大小进行了预测,并通过仿真进行了验证。结果表明:基于GS方法优化的SVM能够建立一个预测准确度很高、推广泛化能力很强的分类和回归预测模型,该预测模型不仅能够很好地揭示颗粒系统在不同运动形态下的能量耗散的变化规律,而且还能在较大的激振条件范围内确定系统能量耗散最大值及对应的运动形态。 相似文献
18.
基于Spanning Tree的网络负载均衡实现研究 总被引：1，自引：0，他引：1
唐灯平 《常熟理工学院学报》2011,25(10):112-116
冗余的网络环境能够保证网络的稳定运行,生成树协议能够防止冗余的网络环境下产生的网络环路,生成树的默认配置导致整个网络运行效率低下,与VLAN配合可以提供链路负载均衡,实现网络的安全、稳定、高效运行.本文通过网络拓扑的构建以及具体的配置过程实现了基于生成树的网络负载均衡. 相似文献
19.
在单一预测不能满足精度要求的情况下,组合预测通常是首选方法.传统的组合方法之外,用神经网络进行组合预测,效果更佳.文中以全国天然气消耗量为例,利用BP神经网络将非线性回归、指数平滑和灰色三种方法的预测结果作为输入,原始数据作为期望输出进行组合预测,得出令人满意的精度结果.又将之与传统的EW、MV方法组合的结果进行比较,各项误差均有大幅度降低. 相似文献