基于BP神经网络的水利工程投标决策模型及应用

针对采用常用的投标决策方法未能有效地解决影响因素、影响因素与决策结果之间的复杂非线性关系问题,基于《水利水电工程标准施工招标文件》（2009年版）合同通用条款,结合我国当前水利工程建筑市场的竞争情况,构建了基于BP神经网络的水利工程投标决策模型,并将其应用于工程实例中。结果表明,该模型实用、可行,能有效应用于承包商的投标决策中。     

基于大数据架构的BP神经网络的用户用电评价与反窃电技术

对用户用电行为进行科学评价并预防窃电行为,是保障电网安全运行的重要措施。为提升针对用户的用电状态评价效果,本文以用户用电行为状态为主要研究对象,着重从BP神经网络的角度,探讨在大数据架构下发挥BP神经网络作用,在科学评价用户用电行为的同时,也能够提升反窃电技术水平的有效措施,旨在为电网安全运行和提升用户用电评价效果提供借鉴的思路和经验。     

BP神经网络在风力发电机风向预测中的应用

根据新疆达坂城风电场某风力发电机2012年6月的某段风向数据,构建风向预测的BP神经网络模型。仿真结果表明,BP网络用于风向预测具有较高的精度和泛化能力,它为风力发电机偏航控制的设计提供了新的思路和方法。     

改进BP神经网络在流型判别中的应用

提出了一种应用于人工神经网络进行流型判据的新方法。采用了自适应梯度下降法和改进模拟退火法等措施,加快了ＢＰ网络的收敛速度,增强了其跳出局部检小值的能力,提高了神经网络模拟非线性系统的能力,并分析了可作为流型判别用的神经网络的输入参数、输出参数。为了证实该方法的可行性,应用前人的实验数据进行验证。证实该方法是一种十分有效的两相及相流流型判别方法。     

应用BP神经网络对燃煤特性的研究

在MATLAB5.3环境下应用BP人工神经网络对动力煤的低位发热量、着火稳燃指数、燃尽指数、综合结渣指数进行预测,取得了较好的效果,证明这是一种很好的研究方法。     

BP神经网络在水轮机调节过程中的应用

由于水轮机调节系统的大惯性、"水锤"效应等特点及其结构复杂等问题,采用传统的常规PID控制已很难满足控制要求,控制品质也难以改善,控制过程中易发生超调量大、震荡频次多、收敛时间过长等问题。对此,在常规PID控制基础上设计了基于BP神经网络自适应PID控制,并在Matlab软件中完成相关程序的编写及仿真试验。仿真结果表明,基于BP神经网络自适应PID控制是一种有效的水轮机调速器参数整定方法,相较于常规PID控制能获得更好的动态性能。     

遗传神经网络在凝汽器系统故障诊断中的应用

针对BP神经网络学习收敛速度慢和易陷入局部极小值的不足，将遗传算法与神经网络相结合，提出了一种故障诊断的新方法——遗传神经网络优化故障诊断算法，并将其应用于凝汽器系统故障诊断中。经实例验证，该方法有效地提高了故障诊断的精度和速度。     

基于BP神经网络的碾压混凝土坝温度场反分析

针对试验所得碾压混凝土热学参数的随机性以及温度场的复杂性,提出基于BP人工神经网络的反分析方法。建立神经网络模型,利用有限元正分析得到的样本去训练网络,然后利用实际所测温度对热学参数进行反分析,根据反分析后的热学参数利用有限元进行温度场正分析,分析比较预测参数与试验参数所得非稳定温度场。通过工程实例,结果表明,该方法用于获取碾压混凝土坝热学参数是可行的。     

基于BP神经网络和分解技术的汽轮机叶片可靠性反求设计

汽轮机叶片可靠性反求设计旨在确定叶片未知概率设计参数以满足给定的可靠度要求.针对叶片功能函数为随机变量隐性函数的情况,提出了基于有限元、BP神经网络和分解技术的可靠性反求设计方法,该方法将有限元和BP神经网络相结合以构造功能函数与随机输入变量之间的近似解析表达式,运用分解技术,将求解随机设计参数的全局优化问题分解为主问题和子问题,通过子问题直接调用标准优化工具箱得到可靠性指标,并运用分解迭代技术对主问题求解,从而得到随机设计参数及目标可靠性指标对各随机变量的敏感性.以某实验台汽轮机等直叶片为例,阐述了该方法的具体实施过程.该方法数学描述简单,并可直接应用标准优化程序,成功地解决了隐性功能函数下叶片可靠性反求设计,具有较好的工程应用价值.     

基于遗传算法的BP神经网络在水利定额编制中的应用

针对BP神经网络易陷入局部最优和遗传算法全局搜索速度过慢的缺点及水利定额编制中存在非线性和复杂性的实际状况,提出采用遗传算法(GA)优化BP神经网络在水利定额编制中的问题。实例分析表明,优化后模型(GA-BP神经网络)结合了BP神经网络的非线性逼近、局部寻优能力和遗传算法的全局搜索特性,在稳定性、预测精度、收敛速度上均优于BP神经网络,可运用于水利定额编制。     

基于滚动的BP神经网络的光伏发电功率预报

鉴于准确预测光伏发电功率可减少大规模光伏并网发电对电网造成的冲击,以河南省某并网的光伏发电站7~11月共5个月的数据为例,通过建立非滚动的和滚动的BP神经网络模型,分别进行数值预报辐射订正和发电功率预报,并对预报的72h结果分为第1、2、3d分别进行检验。结果表明,滚动的BP神经网络对辐射订正和功率预报均具有较好的泛化能力,方法简便、实用,能够有效降低光伏发电功率的预报误差。     

基于BP神经网络算法的矿井通风系统可靠性研究

矿井通风系统作为煤矿生产过程中的关键系统,对监测和预警机制有着非常重要的作用。借助BP神经网络算法,针对煤矿井下通风系统的预测模型,分析了BP神经网络算法原理。通过对BP神经网络测试结果分析可知,BP神经网络算法能满足矿井通风系统的预测,且预测精度能满足煤矿井下通风系统的使用条件。     

基于BP神经网络的电网综合评价研究

摘要： 电网综合评价通过对评价对象构建指标体系,利用相应的评价模型得到评价结果。构建了含有7个一级指标、14个二级指标以及28个三级指标的多层次的电网综合评价指标体系。使用AHP模型引入博弈论集成法结合模糊综合评价法和熵值法确定主客观权重进而获得最终权重,代入神经网络进行训练。通过某省10个地市2014年电网满意度测评结果,验证了该方法能够实现快速、一致、准确的电网综合评价。     

基于PSO聚类分析与BP网络的短期电力负荷预测

针对短期负荷预测特点, 提出一种基于PSO聚类分析和BP网络的短期负荷预测方法, 通过PSO聚类分析将负荷历史数据分成若干类对输入数据预处理,建立了相应BP网络模型,采用附加动量和变学习速率法预测每小时负荷.以华东某地区实际负荷预测为例,分析结果表明,该方法适应性强、预测精度高、结果满意.     

基于BP神经网络的解耦方法在直流锅炉控制系统中的应用

分析了直流锅炉运行时各变量之间的耦合关系;针对直流锅炉参数多变、强耦合的特点,提出了一种改进的误差反向传播算法(BP)神经网络分散解耦方法,对直流锅炉汽温-压力控制系统进行解耦,然后采用基于BP神经网络的PID控制方法对解耦后的2个近似独立的单输入单输出系统进行控制.仿真实验结果表明:BP神经网络分散解耦控制算法具有很强的自学习功能和自适应解耦能力,能取得良好的控制效果.     

基于BP神经网络的高压电能计量装置误差校正研究

由于传统方法忽略了对高压电能计量装置比例系数、积分系数及微分系数关系的调整,导致误差校正耗时长、校正效果差,为解决该问题,提出了基于BP神经网络的高压电能计量装置误差校正方法。采集高压电能计量装置运行数据,根据采集数据对高压电能计量装置比例系数、积分系数及微分系数进行调整,使三者可以相互匹配且能相互约束,在相互约束条件下,从非线性组合中寻找高压电能计量装置误差校正的最佳权值。采用递阶遗传优化方式进行BP神经网络结构优化,设计权值学习过程,利用优化后的BP神经网络对权值不断调整,实现高压电能计量装置误差校正。仿真实验表明,研究方法的误差校正效果好、耗时短,具有可靠性。     

基于BP神经网络的汽车散热器性能研究

利用较新的BP神经网络预测方法,构造了汽车散热器预测模型,对管带式、管芯式汽车散热器进行了预测,预测值和试验值吻合,说明利用BP神经网络方法对汽车散热器性能进行预测,方法是可行的。     

基于BP神经网络模型的河道洪水反向演算研究

河道洪水反向演算在河库联合调度和推求设计洪水的区间组成等方面具有重要意义,直接使用传统的马斯京根法反演效果较差。基于河道上下断面洪水的非线性关系,采用BP神经网络模型训练历史洪水,并用训练得到的网络对下游洪水进行反演。实例应用结果表明,该模型反演结果与实际洪水过程更为接近,具有一定的精度和实用性。     

基于BP神经网络光柴孤网运行优化控制研究

摘要： 光柴互补发电独立微电网系统,主要包括：光伏电池组发电、柴油机发电和负载等,光伏发电模型采用MPPT控制。在确保光伏最大功率输出的基础上,对原动机及其速度/功率反馈系统、同步发电机及其励磁控制系统进行分析,建立相应的数学模型。设计基于BP神经网络算法PID控制器,控制原动机的转速调整其输出功率,维持微网系统频率的恒定。仿真结果表明：该控制策略实现光伏最大功率输出,提高太阳能利用率。同时,保证微网系统的频率恒定。