学科分类
/ 25
500 个结果
  • 简介:摘要利用传统的单端电压、电流电气量进行故障测距时,容易受到过渡电阻的影响而导致测量距离不精确。本文以小波变换为基础,将传统的单端电气量与反向传播(BP)神经网络算法相结合,提出了一种用于故障测距的新方法,通过大量的仿真验证表明,该方法能够适应各种环境的要求,且精度高,具有一定的实用价值。

  • 标签: 小波变换 反向传播神经网络算法 过渡电阻 故障测距
  • 简介:摘要随着我国经济的快速发展,社会在不断的进步,针对风力发电并网时所产生的电流冲击与波动过大的问题,文中基于其运行特性与控制原理,提出了一种基于神经网络的风力发电并网控制技术。该技术结合了BP神经网络与PID控制,使得控制器能够对转子电流进行控制,具有独立于被控对象的优点。加之双馈发电机,因而可以实现空载数学模型的并网控制。通过与传统控制技术比较可知,文中所提出的技术算法简单、响应速度快且精度高,能较好地控制电网电压波动,具有一定的有效性。

  • 标签: 风力发电 神经网络 PID控制 双馈发电机
  • 简介:BP神经网络是故障诊断领域运用最为广泛的一种方法。针对BP神经网络隐含层单元数难以确定的问题,对现有以经验公式确定隐层单元数的方法进行对比分析,提出一种在经验公式基础上改进的方法,并通过风力发电机齿轮箱故障诊断实例验证。结果表明,该方法能有效地加快寻找最优隐层单元数的速度。

  • 标签: BP神经网络 隐层单元数 风力发电机齿轮箱 故障诊断 MATLAB
  • 简介:摘要近年来风能已成为全球最重要的清洁型能源,风电场输出功率的预测也越发的成为了世界关注的焦点。但对于预测方法的研发目前还不够完善,仅仅依靠天气数值预报的预测是不够的。因此本文提出了神经网络模式下的风力发电机输出功率预测,并对风力发电机输出功率预测模型的建模过程进行了全面的阐述。经实验结果得出以下结论即在神经网络模式下,以风能作为动能的风力发电机,其输出功率的预测准确度非常高,具有可行性和有效性。

  • 标签: 功率预测 风电场 神经网络
  • 简介:提出了基于神经网络的被测量重构方法;针对神经网络中误差反向传播算法收敛速度慢的问题对目标函数等三方面进行了改进,将改进的多层前向网络、误差反向传播算法用于被测量重构。在实际的测量系统中,进行了仿真研究,结果表明,神经网络用于被测量重构,方法是可行的;解决了重构之前建立数学模型问题和多影响量情况下的被测量重构问题。

  • 标签: 被测量重构 神经网络 方法
  • 简介:摘要:

  • 标签:
  • 简介:本文研究BP神经网络PID控制算法在PLC中的具体实现方法。着重介绍了BP神经网络自整定PID控制系统结构和算法;以S7-1200PLC为控制器,采用SCL语言进行了BP神经网络自整定PID控制算法功能块的设计,给出了功能块参数的说明;试验表明,相比常规PID控制,BP神经网络自整定PID控制能获得更好的控制效果,设计的算法功能块具有一定的通用性和可移植性,为先进控制算法拓展到工程实际领域提供了应用参考。

  • 标签: BP神经网络 PID算法 PLC SCL
  • 简介:异步电动机控制系统是一个较难的工程问题。由于交流电动机机械系统具有非线性动态特性,以及交流电动机的某些状态变量无法测量,这些问题都使系统控制问题变得复杂。另外温度发生变化时,转子电阻发生很大变化,这又是一个控制系统难以克服的问题。使用神经网络的自适应控制技术来实现感应电动机的控制问题,第一种是单输入-单输出(SISO)系统,控制器使用静态多层感知器神经网络(MLP神经网络);第二种是多输入-多输出(MIMO)系统,控制器使用递归神经网络为动态控制系统方案。本文重点讨论MIMO系统。

  • 标签: 动态神经网络 非线性自适应控制 感知器
  • 简介:摘要传统SCR脱硝控制设计及优化方法大多依赖PID控制模型,依赖大量人工经验、人工调参及模型优化,并且无法很好适应不同锅炉环境。近年来,以深度神经网络为代表的人工智能方法被广泛使用于不同领域,并且具有应用在SCR脱销控制预测的潜力。本文研究基于深度神经网络的SRC脱销控制模型,使用负荷、烟气流量、入口NOx和出口NOx作为输入,使用优化PID调节下的调门开度作为预测目标,所构建的深度神经网络可精确预测调门开度,可替代传统PID控制模块,实现SCR脱硝控制调节及优化。

  • 标签: SCR脱硝控制模型 深度神经网络 PID控制 调节及优化
  • 简介:摘要智能输电网是人工智能神经网络的典型应用。其采用数据层、通信层、应用层网络结构,采用开放式的数据网络平台。交叉学科的服务商在数据网络平台进行应用层数据发掘与实现,为用户提供相互独立的产品,实现可持续的数据挖掘与应用。

  • 标签: 人工 神经网络 电网故障 诊断
  • 简介:摘要本文主要研究基于BP神经网络的电力负荷预测,首先对BP神经网络理论进行了分析,阐述了BP神经网络结构和学习算法,然后重点研究基于BP神经网络的电力负荷预测,包括历史数据的选取及预处理、负荷数据的归一化处理、BP神经网络的拓扑结构、BP神经网络学习参数的选取以及预测误差的分析,在实际验证中取得了良好的效果。

  • 标签: BP 神经网络 电力 负荷预测
  • 简介:针对进出口总额数据的非线性,并为了更充分挖掘时间序列所隐含的数据规律,建立了基于灰色预测模型、神经网络算法以及最小方差准则的最优组合预测模型。仿真分析结果显示,最优组合方法能更有效提高非线性时间序列的预测精度。

  • 标签: 灰色模型 神经网络 灰色神经网络 最优组合 预测
  • 简介:BP神经网络分类器在信号识别领域得到了比较广泛的应用,针对其低信噪比环境下识别率相对较低的问题,引入人工蜂群算法(ABC),将求解BP神经网络各层权值、阂值的过程向蜜蜂寻找最优蜜源的过程转变,最后阐述了一种以人工蜂群算法为基础的神经网络分类器设计方法(ABCBP算法),并以2ASK,2FSK,2DPSK信号为例,对信号进行小波包分解后,将信号各频段的能量值数据作为实验样本,对其进行了信号分类。仿真结果表明:基于人工蜂群算法的优化BP神经网络分类器,即使在5dB的信噪比环境下,仍可达到94%以上的识别率,并具有较好的稳定性,这为信号识别领域中分类器的设计提供了一个很好的理论依据。

  • 标签: 神经网络 人工蜂群算法 分类器设计 信号识别
  • 简介:摘要锅炉主蒸汽温度是火电厂锅炉运行的重要参数,对火电厂的经济效益、安全生产产生重大影响。由于当前火电厂机组容量大、参数高、效率高,控制汽温对象又具有大迟延、非线性、时变等诸多特点,常规PID串级控制系统往往很难保证系统最优状态运行,满足不了生产的需求。提出了基于模糊神经网络的主汽温系统PID控制,实现对过热蒸汽的有效控制,通过系统仿真表明,基于模糊神经网络的主汽温系统PID控制效果良好,因此该系统是切实可行的。

  • 标签: 主汽温系统,神经网络,PID
  • 简介:论文主要介绍采用BP神经网络对变压器油中溶解气体进行分析来进行变压器故障诊断。论文所用BP算法是在传统的最速下降BP算法中加入可变学爿率以及采用动量因子的改进BP网络算法,即将自适应学习率法和动量BP法相结合的学习率可变的动量BP算法,建立了一种具有较强学习能力、泛化能力和适应能力的神经网络模刚,并通过实验证明了其对变压器故障诊断的准确性。

  • 标签: 可靠性 县级电网 提高 措施
  • 简介:摘要使用以信息技术为依托的神经网络算法和信息交汇知识,搭建了面对配电网结构和使用特点的线损模拟数学算法。以这种算法为基础,在对配电网进行分析时,实现了线损的识别等。这个算法是以造成配电网络损失的几个原因为基础。每个算法按照本身的特性挑选合适的物理量,并在整个系统操作阶段中实时对设置的参数进行修改,形成一种相对比较简单的算法,在对配网进行线损分析时,变得更加方便、多样、直接、范围更加宽广。

  • 标签: 配网线损分析 集成神经网络 应用
  • 简介:采用MATLAB的人工神经网络工具箱,以高锰铝青铜的化学成分作为输入参数,其抗拉强度bσ、屈服强度0σ.2和延伸率δ作为输出,建立了材料的力学性能预测模型。计算结果表明,三项输出的预测值与实测数据接近,其相对误差小于±6%的范围,该模型对其他材料的设计生产具有一定的指导意义。

  • 标签: 人工神经网络 力学性能 预测
  • 简介:摘要神经网络算法是新兴起的电力负荷预测成果之一,它可以有效的对短期的负荷进行预测,模拟人脑的活动进行智能化的处理,自动地获取不准确的信息以及不明朗的规律进行适应化处理。神经网络以其独特的记忆信息和自主学习的能力,实现对知识进行优化和推理,其中最重要的是自我学习能力和自动适应能力,这是对比其他方法的最大优势。基于神经网络的非数学模型预测法,为解决传统数学模型法的不足提供了新的思路。

  • 标签: 神经网络 电量预测 预测模型
  • 简介:摘要电力系统长期负荷预测在企业的调度运营和服务管理等方面都起着不可或缺的作用,其预测精度的高低直接影响着电力系统运行的安全性、经济性和稳定性,因此长期负荷预测方法的研究一直为人们所重视。基于电网实际运行数据建立一个BP神经网络模型,利用神经网络高度非线性建模能力,探讨含小水电地区电网的负荷情况。实例计算表明,该方法精确有效,收敛性好,运行速度快,对提高多小水电地区网供负荷预测的准确度有较高的实用价值。

  • 标签: 小水电 BP神经网络 长期负荷预测
  • 简介:

  • 标签: