基于PSO改进的T-S模糊神经网络短期电力负荷预测研究

精确的电力负荷预测有利于保障电网运行的安全性、稳定性、高效性及经济性.为提高预测精度,采用了一种PSO改进T-S(Takagi-Sugeno)模糊神经网络方法.分析了数据预处理对改善输入量的重要性,讨论了可以让学习率和平滑因子动态调节的改进T-S模糊神经网络算法,从而使PSO找到最优参数,然后结合历史负荷数据、相关影响因素进行预测,以表明改进的T-S模糊神经网络在短期电力负荷中具有更高的控制精度.     

基于模糊逻辑聚类神经网络算法的中长期负荷预测

电力系统中长期负荷预测受大量不确定因素的影响,聚类方法能够将各种影响因素综合引入预测模型,提高了预测精度。采用一种由模糊逻辑单元组成的聚类神经网络用于中长期负荷预测。利用模糊集理论中的模糊逻辑算子y1完成网络运算,提高了聚类神经网络的运算速度。虽然网络采用了竞争学习作为网络的学习算法,但是它克服了一般竞争学习算法固有的死点问题,使得历史数据的聚类分析中聚类中心初始点的选取有更大的随意性。运用文中所述模型及算法综合考虑了历史负荷情况和未来不确定因素等对未来负荷变化的影响。通过与传统的方法进行中长期负荷预测比较,结果表明该方法可以提高负荷预测的精度。     

模糊聚类与径向基网络相结合的短期负荷预测

为了提高电力系统短期负荷预测的准确度,采用模糊聚类分析的方法对已知负荷数据、日类型、温度和天气类型等影响短期负荷预测的相关因素进行聚类分析,选用同类特征数据作为神经网络的输入,对径向基函数神经网络进行训练,得到一组预测值,从而实现电力系统短期负荷预测.实际算例表明模糊聚类分析与径向基函数神经网络相结合的短期负荷预测可以更好的满足实际预测要求,提高预测精度.     

采用神经网络与模糊曲线相结合的短期电力负荷预测方法

文章提出了一种神经网络(ANN)与模糊曲线(Fuzzy Curve)有机结合的短期负荷预测方法,该方法采用ANN作为基本负荷预测,再用模糊曲线考虑影响负荷变化的因素(如天气的迅速变化、重大节假日等),对基本负荷预测做出修正,从而得到最终的负荷预测值。同时,针对传统BP学习算法的缺点,将BP算法和模拟退火算法的优点相结合以提高网络的学习性能。实例表明,该ANN—FC模型实用有效、精度高。     

短期电力负荷组合预测方法研究

为了解决短期电力负荷不同预测方法的预测角度片面性、预测精度差等问题,提出了基于小波神经网络(WNN)的组合预测模型.首先用小波神经网络预测模型和历史平均模型分别进行预测,然后再通过小波神经网络对两单一模型的预测值进行组合.相比BP神经网络组合模型,该组合预测模型的预测精度大大提高.该模型同时引入模糊聚类分析的方法选取组合模型的训练样本,减少了训练样本的冗余性,提高了预测模型的精度.     

基于模糊神经网络的水泥强度预测

利用软计算技术预测水泥强度不但是一项新的尝试，而且具有较高的理论和应用价值。本文利用模糊神经网络良好的非线性逼近能力建立了水泥强度的模糊神经网络预测模型。模糊神经网络的学习算法采用的是快速的粒子群优化算法。仿真结果表明，该模型在预测水泥28d强度方面达到了很高的精度，有较好的实用价值。     

基于模糊聚类理论的水量短期预测方法

为提高城市供水系统水量负荷的预测精度,提出一种基于模糊聚类理论的城市管网水量短期负荷预测的新方法.该方法通过对负荷历史数据进行聚类、隶属度分析,利用模糊聚类参数来描述负荷与影响因素之间的关系,并应用这种确定的相关关系进行负荷预测.应用MATLAB语言进行预测仿真得到基于模糊聚类的模糊训练结果、最终预测结果和预测误差.实践表明该方法较多地考虑各种影响因素,结构简单,预测精度高.     

模糊技术在神经网络预测中的应用

对时间序列随机性与神经网络预测精度的关系进行了研究．并将序列模糊滑动平均法用于神经网络预测中的训练样本预处理．以减小序列随机性成分。实例结果表明时间序列经模糊滑动平均处理后，随机波动对神经网络预测精度的影响可大大减小。     

基于EUNITE竞赛数据的中期电力负荷预测

应用自组织模糊神经网络(SOFNN)算法,基于欧洲智能技术网络(EUNITE)竞赛数据进行了中期电力负荷预测的应用研究。算法能够自动决定神经模型的结构并得出模型的参数,具有很好的实用价值。研究了训练数据选取和输入特征向量编码等实际应用问题,结果表明负荷预测精度高,优于竞赛的优胜者,之后提出了结合周平均负荷预测修正日负荷预测的方法,精度得到进一步地提高。     

基于减法聚类的自适应模糊神经网络的短期负荷预测

论述了基于减法聚类的自适应模糊神经网络（ANFIS：adaptive neuro—fuzzy inference system）的短期负荷预测方法．利用减法聚类的方法确定了自适应模糊神经网络的结构,再结合最小二乘估计法和反向传播算法对参数进行训练．向训练好的自适应模糊神经网络输人相关的影响因素数据进行预测．预测结果显示,自适应模糊神经网络能比人工神经网络获得更高的预测精度和耗费更少的训练时间,所以有更好的使用价值．     

基于GA-ANFIS的生物质气化过程研究

本文提出了一种基于遗传算法和模糊神经网络的生物质气化过程研究的新方法。该方法采用竹子气化数据建立GA-ANFIS模型,并验证该模型方法在生物质气化过程建模中的适用性。结果表明:提出的GA-ANFIS模型预测方法精度较高,效果也比较理想,是一种可行有效的建模方法。     

基于模糊神经网络的刘翔110m栏成绩预测

提出了一种基于模糊神经网络的刘翔专项成绩预测的新方法.收集2000～2010年70次刘翔110m栏成绩组成数据集,由前60次成绩建立模糊神经网络预测模型,并对最后10次的成绩进行预测.结果表明,该模糊神经网络预测方法是有效的.刘翔110m栏成绩预测可为其训练乃至其他优秀跨栏运动员的训练提供理论参考.     

非线性智能组合预测模型及其应用

在现有智能预测理论的基础上，将模糊集理论、神经网络理论和遗传算法相结合，建立了非线性智能组合预测模型，并应用于黄河凌汛预测中．结果表明：非线性智能组合预测模型的预测精度高于单一预测模型和线性组合预测模型．     

山东省旱情评价预测方法研究

在总结目前单目标旱情评价方法的基础上，提出了区域旱情综合评价预测方法，建立了模糊评价预测模型。选择了地表水、地下水、土壤水和降水作为干旱影响的主要因素．应用山东省的实际资料，对1972—2003年旱情状况进行了综合评价，评价结果与实际相符，评价预测结果将为制定抗旱预案、减少旱灾损失提供科学依据。     

基于GA的模糊神经网络控制

在详细论述模糊神经网络技术基础上,提出了基于GA的模糊神经网络控制器构造方法.选择MATLAB作为开发工具,使用所提供的神经网络和模糊逻辑工具箱,完成了基于GA的模糊神经网络控制器设计,并应用ActiveX技术在虚拟测控系统中实现了对其的调用.     

山东省旱情评价预测方法研究

在总结目前单目标旱情评价方法的基础上，提出了区域旱情综合评价预测方法，建立了模糊评价预测模型，选择了地表水、地下水、土壤水和降水作为干旱影响的主要因素.应用山东省的实际资料，对1972～2003年旱情状况进行了综合评价，评价结果与实际相符. 评价预测结果将为制定抗旱预案、减少旱灾损失提供科学依据.     

Research on Forecast Technology of Mine Gas Emission Based on Fuzzy Data Mining(FDM)

The safe production of coalmine can be further improved by forecasting the quantity of gas emission based on the real-time data and historical data which the gas monitoring system has saved. By making use of the advantages of data warehouse and data mining technology for processing large quantity of redundancy data, the method and its application of forecasting mine gas emission quantity based on FDM were studied. The constructing fuzzy resembling relation and clustering analysis were proposed, which the potential relationship inside the gas emission data may be found. The mode finds model and forecast model were presented, and the detailed approach to realize this forecast was also proposed, which have been applied to forecast the gas emission quantity efficiently.     

基于小生境遗传算法的网格节点资源研究

针对解决网格节点资源聚类问题，提出了基于小生镜遗传算法的模糊聚类分析方法。该算法把小生镜遗传算法搜索的随机性和并行性引入模糊聚类中，对模糊聚类中的聚类中心的个数和聚类中心的选取进行指导，解决了模糊C均值聚类对初始聚类中心的敏感性问题、实验证明该方法能具有全局收敛性，克服了FCM算法可能陷入局部极小值，并有效地对网格节点资源整合归类，从而改善网格节点资源发现的性能。     

发电机组预知性维修管理算法

提出了以可靠性理论及机组、设备历史情况为基础，通过计算设备最大可能故障时间和故障时间百分比置信区间，预测未来设备故障情况，指导维修人员进行预知性维修管理的算法。为了能考虑各种计划或非计划检修对设备状态的影响，引入了可以用来描述检修效果的年龄减轻因子，对参数计算结果进行修正。通过预测结果和实际运行记录的对比，证明该算法是可行的。     

大滞后对象的仿人控制规律研究

针对过热汽温控制系统的大滞后特性 ,提出仿人控制方法 .首先由辨识单元对未来状态进行预测 ,然后根据辨识结论来选择控制规律 .仿真结果表明 ,该方法的控制品质优于常规Fuzzy控制 .