径流序列的混沌神经网络预测方法

介绍了径流序列的混沌性识别技术,并提出了一种基于混沌序列的神经网络预测方法．     

混沌相空间的卡尔曼滤波模型及其应用

针对混沌时间序列,提出将混沌分析方法和卡尔曼滤波实时技术相耦合,建立混沌相空间的卡尔曼滤波模型.以混沌系统的相点为状态变量构成相点的状态空间描述,运用卡尔曼滤波实时预测并校正相点的未来演化规律,据此对四川省电力系统的日负荷时间序列进行短期预测.实例表明,该模型有利于跟踪相空间中相点的非线性演化轨迹,预测精度高、效果好.     

东北地区月降雨时间序列的混沌特性研究

运用混沌分析的重构相空间技术，以东北地区四大水库控制流域的月降雨时间序列为例，估算出饱和相关维数与最大李雅谱诺夫指数，探讨了月降水量的可预报性问题。研究表明：降水系统中存在着混沌的特征。     

基于混沌算法的电气自动化设备电力控制系统设计

随着计算机网络技术和电气自动化技术的普遍应用,各种电气自动化设备在诸多领域的应用日趋广泛。在电气自动化设备中,电力控制系统的设计尤为重要,对电气自动化设备电力控制系统进行优化设计可以对配电系统运行的安全性和稳定性进行保障,同时可以使电能的消耗降至最低。在电力控制系统设计中常采用PID控制器,PID控制器的控制效果受参数影响较大,传统的参数设置方法较为复杂,设置难度较大。提出了一种基于混沌理论的电气自动化设备电力控制系统优化设计方法。首先对混沌理论进行了介绍,之后着重研究了混沌理论在电气自动化设备电力控制系统设计中的应用。     

气流力、油膜力和质量偏心共同作用下的转子非线性动力学研究

以Jeffcott转子系统模型为研究对象,利用气流力模型和非稳态油膜力模型对转子运动的动力学特性进行研究。研究方法采用数值模拟技术,研究了转子系统的分岔和混沌特性,并且对随转速变化和转子质量偏心率的变化时转子的运动特性进行了详细的分析和研究。研究结果表明,在转速变化时,系统在经历周期运动之后进入混沌状态,在质量偏心率增大时,系统在油膜力、气流力和不平衡偏心质量的影响下,系统由概周期运动进入混沌状态。     

风速时间序列混沌判定方法比较研究

混沌识别是对非线性时间序列进行混沌预测的前提。针对时间序列风速确定性与随机性相结合的复杂非线性特征,研究了不同的混沌识别方法,并对风速时间序列进行混沌特征识别。应用随机噪声、周期运动及经典混沌系统的时间序列对所选方法进行可靠性验证。对美国国家风能研究中心M2测风塔实测时间序列风速数据进行非线性混沌特征识别。结果表明:风速时间序列具有明显的混沌特征;各风速时间序列表现出不同程度的混沌特征;各混沌识别方法对风速时间序列混沌特征的表达形式不同,互为补充,相互验证。     

月降雨序列的混沌判定的合理性分析

针对目前月降雨序列混沌特性研究中存在的问题,以广东省西江流域高要站月降雨序列为例,运用功率谱方法、主成分分析法、饱和关联维数法、C-C方法进行了混沌特性的判定及特征参数的求取,同时分析了数据长度和噪声对混沌研究的影响.研究结果表明,利用功率谱方法进行混沌判定时,单纯的根据连续多峰的噪声背景作为判定混沌存在的依据并不可靠;饱和关联维数法仅从能量角度对混沌序列进行判定,此外,对混沌序列进行滤波会导致此法判定结果的稳健性降低,C-C方法证明了其计算结果的可靠性;为计算出相对稳定的饱和关联维D2,计算数据的长度至少应为450个点;递归图及相应的各种定量判定标准验证了改进的双小波空域降噪方法可有效去除混沌序列中噪声的影响.     

洞庭湖区月降雨序列的混沌特性识别及预测研究

基于相空间重构思想,采用最大Laypunov指数法确定洞庭湖区岳阳水文站30 a的月降雨序列具有明显的混沌特性。应用混沌径向基函数神经网络预测月降雨量,预测精度远远低于时间序列分解模型,并表现出高度的无规律性。定量分析了噪声对混沌预测精度的影响,表明监测误差是影响混沌预测精度的一个重要因素,提高数据精度是提高混沌预测精度的一个有效方法。     

C型混沌结构中传热强化的数值分析

随着对强化传热的广泛重视与研究,利用混沌对流来强化传热的新技术得到了关注.利用CFD软件Fluent对C型混沌结构内的流体流动与传热进行数值模拟,对比了C型混沌结构与普通平直结构在流体流动场、温度场分布和传热特性等细观信息,分析了C型混沌结构的强化传热性能及特点.分析结果表明,C型混沌结构使流体在较小速度下产生混沌对流,这种流态增加了流体的扰动与湍动,增大主流区或近壁处流动的混合,强化了流道内的传热,使流道横截面上的温度分布均匀化;混沌对流内的传热Nu数和Po数(即fRe值)不再象普通层流为一定值,而随Re数的增大而增大.     

基于混沌时间序列的电力负荷短期预测方法

针对加权一阶局域法单步预报计算量大且存在累积误差的不足,在相空间重构技术基础上提出了一种加权一阶局域法多步预报模型。通过对统一混沌系统的预测仿真,证明该模型对混沌时间序列多步预报的有效性。采用加权一阶局域法对四川省电力系统日负荷进行了短期预测,实际结果说明加权一阶局域法的预测精度能满足要求。     

基于混沌理论预测模型的模糊控制决策及应用

由于混沌时间序列内部确定的规律性，其重构的混沌吸引子的相空间具有高精度短期预测性。为此，根据具有混沌特性的非线性、大时滞系统的时间序列及Lyapunov指数规律，计算出系统的饱和嵌入维数和可预报尺度，并以此为指导对系统作高精度预测；在此基础上，又将神经网络预测模型与模糊控制相结合，提出了一种新型的模糊预测控制决策，实现了对非线性、大时滞系统高精度的自适应控制。将该控制应用在单元机组负荷控制中，仿真表明：该控制具有实时性和鲁棒性．图4泰7     

基于混沌理论及PSO-LS-SVM的新能源出力短期预测方法

为减少新能源出力的不确定性对并网系统安全稳定的影响,提高新能源出力预测的精准度成为新能源系统所需解决的首要问题。以光伏系统为例,基于光伏出力时间序列的混沌特性,提出了一种基于混沌理论及最小二乘支持向量机的光伏出力短期预测模型。通过与实际数据和改进前模型进行对比,证明了该模型在光伏出力短期预测中的有效性。     

电力日负荷的混沌特性分析及短期预测

基于饱和关联维数法，对四川省全省电力系统日负荷序列的混沌特征进行定量分析，得出日负荷时间序列具有混沌性的结论。在相空间重构的基础上用局域法对日负荷进行短期预测，预测结果表明：方法虽然粗略但简单可行，预测精度较高。     

基于加权最小二乘支持向量机的月度负荷预测

考虑到实际电力负荷预测中各数据的重要程度并不相同,在标准最小二乘支持向量机回归算法的训练样本中设置权值系数,建立了加权最小二乘支持向量机模型,以实现样本的优化选择,达到历史数据"重近轻远"的学习效果;同时考虑到粒子群优化算法收敛速度快和混沌运动遍历性、随机性等特点,提出了一种基于混沌思想的粒子群优化算法对模型参数进行优化,引入优势粒子和劣势粒子的权重自适应调节机制,使算法具有动态适应性。将改进的模型应用于江西省萍乡市月度负荷预测中,结果表明本文方法与常规方法相比降低了预测误差,且速度较快。     

基于混沌神经网络预测模型的最优控制决策及应用

为了实现非线性、大时滞系统的自适应控制，首先根据具有混沌特性的非线性、大时滞系统的时序列重构相空间，计算出相空间的饱和嵌入维数和最大Lyapunov指数，并以此为指导，建立混沌神经网络预测模型，该模型即便在网络输入不完整或发生变异的情况下，仍能对系统作高精度的短期预测；在此基础上，将预测模型的输出通过反馈校正．再将校正误差和控制增量引入性能函数最优，最后得到最优控制决策，实现了对非线性、大时滞系统高精度的自适应控制。最后将预测控制决策应用到非线性、大时滞的锅炉过热汽温控制中，仿真结果表明了该控制的有效性、快速性和鲁棒性。图6参6     

Day-ahead electricity price forecasting using wavelet transform combined with ARIMA and GARCH models

This paper proposes a novel price forecasting method based on wavelet transform combined with ARIMA and GARCH models. By wavelet transform, the historical price series is decomposed and reconstructed into one approximation series and some detail series. Then each subseries can be separately predicted by a suitable time series model. The final forecast is obtained by composing the forecasted results of each subseries. This proposed method is examined on Spanish and PJM electricity markets and compared with some other forecasting methods.     

基于经验模态分解的年径流自忆性预测模型

针对径流量时间序列非线性、非平稳性的特点,利用经验模态分解法将其分解为多个不同频率下的时间序列组合揭示演变规律,采用双向差分法对分解后的各序列逐个反导其微分方程,并结合自忆性原理构建预测模型,由叠加分解后的各序列预测值获得径流量的预测值.实例结果表明,该方法充分挖掘了数据自身信息,拟合效果较好,预测年径流量准确,具有推广应用价值.     

Capacity estimation of a minihydro plant based on time series forecasting

A procedure to estimate the capacity of minihydro plants based on water flow time series forecasting is presented. First, the classic method used for this purpose is introduced and then a set of methodologies to assess the feasibility of minihydro generation and to determine system capacity based on time series forecast is described. The water flow time series is processed to determine the theoretical power generation and to assess if a minihydro plant can be installed. Finally the characteristics of each of the electro-mechanical components for the proposed minihydro plant are selected.     

基于小波分析的BP神经网络潮水位预测方法

分析了潮水的特性,提出了基于小波多分辨分析的BP神经网络潮水位预测方法。通过小波分解与重构技术,将潮水位序列分解成不同层次,得到趋势项、周期项和随机项,利用BP神经网络对每一项进行预测,最后再重构得到原潮水位序列的预测值。实例验证,基于小波分析的BP神经网络潮水位预测方法比单独用神经网络对潮水位进行预测更有效。