人工神经网络在电力系统暂态安全分析中的应用研究

探讨了两种人工神经网络用作电力系统暂态安全分析工具的适用性。首先将一个适度规模电网的暂态稳定性分析问题转化成适合于人工神经网络处理的识别问题。对样本数据进行适当的预处理后，分别将ＢＰＮ和ＫＮＮ两种神经网络用于该系统的暂稳分析；并就人工神经网络对暂稳分析问题的映射能力、插值可信度估计、网络大小等问题，分析和比较了两种模型的适用性和优劣。结果表明，ＫＮＮ模型作为暂稳分析工具有着更大的潜力。     

人工神经网络在电力系统网损计算中的应用

以人工神经网络为基础，提出一种用于电力系统网损计算的新算法。该算法不需写出输入与输出间复杂的映射关系，经过训练可实现任意复杂映射，从而大大减少了计算量，提高了计算速度，使计算精确度大有改善。实例计算表明了该方法的可行性。     

电力系统短期负荷组合预测

基于三种单一预测模型，给出了电力系统短期负荷组合预测模型。为求解固定权系数，引入智能优化算法求解。通过计算结果比较表明，组合预测法具有较强的实用性和优越性。     

人工神经网络进行电力系统短期负荷预报的几个问题的探讨

研究了利用人工神经网络进行电力系统短期负荷预报中常会遇到的几个问题,提出了考虑年负荷增长率、极端气候、节假日问题及历史负荷资料少带来的预报误差的一些极为新颖的斛办法。实例证明,这些办法明显地改善了预报结果,使人工神经网络进行电力负荷短期预报的应用更适应于实际的要求。     

人工神经网络及其在电力短期负荷预测中的应用研究

电力系统负荷预测的精度将直接影响电力系统的经济效益和用电的安全和稳定.通过讨论短期负荷预测,来阐述Levenberg-Marquardt算法优于传统BP算法.并分别用BP算法和Levenberg-Marquardt算法对绥龙110 kV变电局所属供电网络远动采集来的负荷数据进行预测,来说明Levenberg-Marquardt算法优于传统BP算法.     

人工神经网络在电力系统短期负荷预测中的应用

根据电力系统短期负荷变化的特性,提出BP模型在实际负荷预测应用中的方法和步骤．对BP网络结构、样本空间、收敛性等作了有针对性的研究．结果表明：多层神经网络应用于电力系统短期负荷预测是可行和有效的．其预报结果比传统的负荷预测方法更准确、经济、效果更好．     

数据挖掘技术及其在电力系统负荷预测中的应用

近年来,信息技术快速发展,各企业为了满足现代经济发展要求,也不断进行技术改革与创新,在企业经营与管理中不断引入先进设备,促进技术改革。电力企业要想在市场经济体制下实现快速、稳定、可持续发展,必须积极引进数字化技术,保证电力系统的安全性与稳定性。数据挖掘技术是一种利用人工智能手段,分析数据库中的大量数据,掌握其规律并获取知识的新兴技术,本文主要分析了数据挖掘技术特点以及在电力系统负荷预测中的具体应用。     

BP神经网络在电力系统短期负荷预测中的应用

电力系统短期负荷预测是电力生产部门的重要工作之一，本文利用BP神经网络进行电力系统短期负荷预测时，根据影响因素确定了模型构成，并对输入变量选择进行了讨论，典型算例的计算表明该方法是有效的。     

人工智能在电力系统继电保护中的应用研究

本文探讨了人工智能在继电保护中的应用现状，讨论了人工智能在继电保护中电网拓扑分析领域中的应用问题。     

人工神经网络及其在气候预测中的应用

利用湛江地区近50年的月平均气温时间序列资料，采用人工神经网络模型建立了该地区的短期气候预测系统，试验结果表明，人工神经网络模型对湛江地区的短期气候具有较好的预测能力，在平均绝对误差（MAE）小于1C的条件下，年尺度上气温的实际预报准确率达到75％，充分显示出神经网络模型在气象业务中极高的应用价值。     

基于PLC网络的分布式监控系统及其在电力系统中的应用

针对某些远程监控系统中存在的可靠性、控制质量问题 ,提出了基于PLC网络的分布式监控系统的设计思想和方法 .实验表明 ,该方法是行之有效的 ,具有在电力系统中应用推广的价值     

人工神经网络及其在环境科学中的应用

介绍了人工神经网络的概念、特征、基本结构和类型及在我国环境科学、环境监测优化布点、大气环境质量评价、水环境质量评价中的应用,并阐述了应用的局限性和发展趋势。     

基于多因素影响的负荷预测神经网络方法

电网的负荷是一个受多种因素影响的量。负荷预测的准确性对电网的安全、经济运行有着重要的影响。把各个影响因素与负荷之间建立解析表达式是非常困难的。本文考虑多种影响因素,用神经网络的方法对农网进行负荷预测,具有方法简便、预测精度高,速度快的特点。     

基于BP神经网络的组合预测及在电力负荷的应用

分析了电力负荷预测的意义及预测原理,并以传统方法证明了组合预测的优越性．在经典预测方法线性回归和现代预测方法灰色模型的基础上,通过BP神经网络进行组合预测,分别应用单一模型和以计算机为工具的组合模型对上海市年电荷用量进行预测．通过分析和比较验证了该组合算法的有效性,     

岩爆分类的人工神经网络预测方法

采用人工神经网络原理，选取影响岩爆的一些主要因素，如地应力、岩石抗压强度、抗拉强度等作为输入参数，建立了岩爆分类与预测的神经网络模型．利用国内外一些工程实例作为学习和训练的样本，并用已经训练稳定的样本对某水电站地下厂房岩爆进行预测．研究表明，与其他岩爆预测方法比较，人工神经网络模型更具有客观性和有效性．     

DSP技术在电力系统谐波测量中的应用

介绍了DSP在电力系统谐波测量中的应用及其系统的硬件和软件设计.系统采用DSP芯片TMS320LF2407A和高精度A D芯片MAX125实现谐波分析的功能,与传统的单片机测量系统相比,在实时性、精度等方面有了较大的提高,且硬件软件实现简单.     

上海电网发电可靠性分析

发电系统的可靠性直接关系到电网运行的安全性。应用电力不足概率（Loss of Load Probability,LOLP)对上海电网的发电可靠性作了较详细的分析,并提出了提高上海电网发电可靠性的建议。     

船舶电力推进系统电力负荷混沌特性分析及预测

为实现船舶电力推进系统功耗的最优控制,提高船舶运行的经济性,建立了基于正则化的电力负荷混沌局域预测模型.运用相空间重构理论对船舶电力推进系统电力负荷进行单变量时间序列相空间重构,计算吸引子的Lyapunov指数,验证船舶电力推进系统电力负荷具有混沌特性,进而构建更为精准的由船舶电力负荷及其影响因素构成的多变量时间序列相空间.实验结果表明,该预测模型是有效的,且具有较高的预测精度.