学科分类
/ 1
10 个结果
  • 简介:摘要通过层次分析方法,从计量自动化系统、电力营销系统等负荷数据通过层次分析方法,从能耗、功率因数、三相不平衡、分时用电、负载率、电量等负荷数据建立指标体系和评估模型,通过电力户负荷特性的对比等综合评估专变用户用电的合理性,并为用户提供节能建议。

  • 标签: 专变用户 计量自动化 用电合理性
  • 简介:摘要网络性能预测是指以现有理论等为基础,来构造具有预测性的模型以实现对未来业务数据的推测和估计。本文按照电力营销系统的特殊架构,建立了基于神经网络的电力营销系统网络性能预测模型,构建了电力营销系统的网络特征信息集,并设定了网络性能预测的信息过滤规则。此外,基于构建的电力营销系统网络预测模型,进一步研发了电力营销系统流量过滤模块。通过OPNET网络仿真结果显示,基于神经网络的电力营销系统网络性能预测模型能够有效降低网络阻塞,提高网络使用效率。

  • 标签:
  • 简介:针对小电流接地系统,本文提出了一种利用BP神经网络对行波法和暂态主频法进行融合的选线方法。该方法提取各出线初始电流行波零模分量的幅值、极性以及暂态主频的幅值、相位,利用神经网络进行融合实现故障线路的选取。该方法先利用仿真软件ATP建立仿真模型,分别对各条线路设置不同故障距离、不同过渡电阻以及不同故障初相角进行仿真,得到训练样本和测试数据,然后利用训练样本对BP神经网络模型进行训练,最后利用测试数据进行故障选线验证。仿真证明本文提出的方法能够实现小电流接地系统的选线。

  • 标签: 小电流接地系统 暂态 行波 神经网络 故障选线
  • 简介:电费回收风险是供电企业电费安全风险管理的重要环节.而电力大客户的信用管理是规避电费回收风险的重要组成部分。为了能够更好地为供电企业规避风险,为电力客户提供差异化服务提供有力的依据,从供电企业的角度出发.根据电力客户行业的发展情况、客户的历史信用情况以及客户财务3个方面构建指标体系,并通过层次分析模型将电力大客户分成5个信用等级作为BP神经网络训练的目标值.通过训练得到的BP神经网络,能够对企业的信用等级进行评价,最后通过收集某市电力公司数据验证了该方法的可行性。

  • 标签: 电力大客户 信用等级 层次分析法 BP神经网络 风险预警管理系统
  • 简介:以风电功率预测为背景,将小波理论与神经网络结合,在BP神经网络模型的结构基础上构造了小波神经网络,并提出了基于附加动量法改进的小波神经网络。利用附加动量的小波神经网络建立天气预报数据与发电功率的映射模型,并进行实际预测。利用MATLAB进行仿真,验证了设计预测模型的实际可行性,并且预测精度满足相关要求。

  • 标签: 风力发电 功率预测 BP神经网络 小波分析 小波神经网络
  • 简介:摘要设计了具有参数自整定、最优化功能的改进型神经元PID控制器,并应用到PMSM控制系统的设计中。最后利用MATLAB/SIMULINK建立了系统仿真模型,仿真试验表明相比于神经元PID控制,改进后的控制策略可显著提高系统快速性、精确性和鲁棒性。

  • 标签: 神经元PID控制器,二次型性能指标,永磁同步电机,控制策略
  • 简介:

  • 标签:
  • 简介:直线电机驱动的H型数控平台系统在加工零件时,负载扰动、外部干扰和两电机安装的差异与机械耦合会影响单轴的跟踪精度且会产生同步误差。针对此问题,本文首先用拉格朗日方法给H型平台建模,然后提出一种改进的非奇异终端滑模控制(NTSMC)来进行位置控制器的设计,在不失滑模控制鲁棒性的情况下,有效地削弱了该控制所产生的抖振问题,提高了单轴的跟踪精度。在两轴间采用Sugeno型模糊神经网络(SFNN)补偿控制器来动态补偿H型平台的同步误差。通过模糊神经网络以任意精度逼近非线性系统的能力使同步误差在有限时间内趋近于零,以满足H型平台数控系统的高精度加工要求。仿真结果表明,所设计的控制系统能够有效提高系统的同步控制精度和鲁棒性。

  • 标签: H型平台 非奇异终端滑模控制 Sugeno型模糊神经网络补偿控制器 负载扰动
  • 简介:摘要电力系统的运行设计很多设备,不同设备在整个电力系统中所承担的角色和任务也不同。电力变压器作为连接输电线路和用户的中间环节,对电力系统的安全稳定运行具有重要意义。正是因为其在电力系统中的重要地位,所以我们需要对电力变压器故障进行及时处理,并对各种潜在故障进行研究。基于此,本文结合小波神经网络,分析该网络在电力变压器故障诊断中的应用。

  • 标签: 小波神经 电力变压器 网络 故障
  • 简介:处理非线性和电弧炉电极调节系统的时变特性,内模控制器的设计。该控制器由两个RBF神经网络,用来确定控制对象和它的逆,以消除稳态误差,让输出跟踪输入。中心向量和网络的形状参数进行在线调节,从而加快了收敛速度,提高了抗干扰能力。仿真结果验证了该方法的有效性。

  • 标签: 内模控制 RBF神经网络 在线调整 非线性时变