短期电力负荷预报的自适应模糊神经网络方法

提出了一种新的电力负荷预报法——自适应模糊神经网络方法，该自适应模糊神经网络 推理系统具有类似 于神经网络的结构，并应用了一种混合的自适应学习算法。在此基础上， 研究了该方法在电力负荷预报中 的应用并与神经网络方法作了比较。实例表明，本文提出的 自 适应模糊神经网络电力负荷预报方法具有可 靠、鲁棒和快速等特点，优于神经网络电力负荷 预报方法，更适用于电力系统能量管理系统的实时环境。     

基于模糊神经网络的模糊控制器综合优化设计 Ⅰ设计方法

将人工神经网络和模糊控制相结合，提出了一种实用的模糊神经网络的构造方法，并 利用优化技术，提出了基于模糊神经网络的模糊控制器综合优化设计方法。     

长春市水资源系统优化调度的模糊决策研究

首先应用模糊动态AHP求解随时间变化的效益系数，并利用区间数线性规划的方法求解水资源的合理调控方案，为水资源的管理提供了新的思路与方法。     

基于模糊神经网络的岩溶发育预测研究

结合武汉市某工程地质条件,选取5种输入参数,应用模糊神经网络模型,得到各评价区域的岩溶发育预测结果,并与BP神经网络模型的预测结果进行对比。结果显示,模糊神经网络模型在高风险区和安全区的相对误差分别为-9.6%、1.3%,均小于BP神经网络模型的-13.5%、3.6%;中风险区的相对误差相近,在一定程度上说明模糊神经网络模型预测结果比BP神经网络模型效果更好,精度更高。此外,对误差产生的原因也进行了分析。     

三峡梯级电站的模糊优化调度方法

三峡梯级调度中存在着大量的模糊信息，如入库流量、负荷需求等，为 了更好地处理这些模糊信息，同时考虑到梯级电站之间水和电的联系，文中在传统优化调度 的基础上, 结合模糊数学理论，对三峡梯级优化调度的模糊求解方法进行了研究。     

基于模糊神经网络和遗传算法的大坝安全监控模型

应用监控模型来监控大坝的工作性态是一条有效途径，但由于大坝工作条件复杂，影响因素繁多，为以精确的数学进行描述带来了很大的困难，而应采用从定性到定量的综合集成的方法，将专家知识，监测数据和各种信息与计算机软硬件技术结合起来，把坝工理论和坝工家的经验结合起来对其进行研究，文中应用模糊神经网络和遗传算法等人工智能技术，依据专家的经验确定隶性函数，从而建立模糊神经网络预报模型，根据专家对实际情况的正确分析，对预报结果进行修正，达到进一步提高预报精度的目的。     

T-S模糊神经网络模型训练样本构建及其在鸣翠湖水质评价中的应用

该文利用T-S模糊神经网络模型评价鸣翠湖水质。根据不同的训练样本数量和训练次数设置多种工况,基于T-S模糊神经网络探讨了训练样本的三种构成方法,利用MATLAB软件进行编程计算。结果表明:训练样本的构成方式和数量明显影响神经网络的训练效果;由标准样本或监测样本训练的T-S模糊神经网络模型认知能力和泛化能力不足,对检验样本评价的准确率在80%以内。当混合样本中有足够多的监测样本时,可训练神经网络模型完全准确评价检验样本。将混合样本训练的模型应用于银川鸣翠湖的水质评价,结果显示从2014年到2019年水质类别从Ⅳ类逐渐提高到Ⅲ类,评价结果与当地实际情况相符。说明采用混合样本进行水质预测评价是合理的,以混合样本作为训练样本是一种简单有效的数据处理方法。     

基于模糊神经网络的区域需水预测计算模型

将神经网络和模糊理论相结合建立模糊神经网络模型,从模糊神经网络角度并运用灰色系统理论对区域需水量进行预测,通过应用于盐城市在未来2010年需水预测的实例,计算分析结果表明该模型具有良好的可行性和合理性,可以借此深入分析外生变量与区域需水量之间的关系。     

三峡梯级电站短期优化调度的模糊多目标动态规划

针对三峡梯级电站的短期优化调度是一个具有复杂约束条件的大型、动态、有时滞、模糊非线性的优化问题，本文建立了模糊优化调度模型，并对其进行了求解。由于常规模糊动态规划的方法在库容变化大的时候会出现维数灾，因此本文利用模糊多目标动态规划法，并结合逐次逼近方法，来求解梯级短期优化调度问题。实例仿真结果表明，它不仅可以根据不同的参数选择生成非劣解集，还可以推荐满意解，为决策支持提供依据。     

基于模糊神经网络的区域需水预测计算模型

将神经网络和模糊理论相结合建立模糊神经网络模型，从模糊神经网络角度并运用灰色系统理论对区域需水量进行预测，通过应用于盐城市在未来2010年需水预测的实例，计算分析结果表明该模型具有良好的可行性和合理性，可以借此深人分析外生变量与区域需水量之间的关系。     

水力发电机组的模糊神经网络参数自整定PID控制及仿真

为适应水电机组的复杂工况和高指标的控制要求,提出了一种水力发电机组的模糊神经网络参数自整定PID控制系统．即利用多层神经网络构建模糊自适应PID控制算法,通过神经网络自学习能力在线提取模糊控制规则。优化控制器隶属度函数,根据不同时刻的误差e和误差变化ec,利用模糊逻辑控制,在线自整定PID参数,进一步完善了PID控制器的性能,提高了系统的控制精度。仿真实验表明：该控制器明显地改善了控制系统的动态性能,能使系统达到满意的控制效果,对进一步应用研究具有参考价值。     

模糊神经网络在杭州湾含沙量过程预报中的应用探讨

本文从潮流泥沙模型出发，以同时刻的U，V，H和前一时刻的S，U，V，H为输入，本时刻的S为输出，建立了杭州湾含沙量模拟的模糊神经网络模型。经初步实验表明含沙星的预报较为困难，本模式只能作实时的预报，其预报尺度有限，只能有效预报1－3步，这一方面说明杭州湾含沙量变化的复杂性和不确定性，另一方面也表明试图对杭州湾含沙量过程作长期预报是不现实的。     

基于神经网络自适应滤波的低频振荡Prony分析

针对传统Prony算法在分析低频振荡时对噪声非常敏感的缺点,提出一种基于神经网络自适应滤波和改进Prony算法相结合的电力系统低频振荡分析方法。该方法以广域测量信号作为输入,采用神经网络自适应滤波对低频振荡信号进行滤波预处理,调节性能指标阀值确定滤波效果,并通过改进Prony算法对滤波后的信号进行识别。仿真结果表明,该方法能有效滤除噪声,能较为准确地辨识低频振荡的主导模式。     

神经网络对贮灰坝的稳定预测

应用改进的BP神经网络对贮灰坝的安全状况进行了实时在线分析和预测,预测了水位变化时贮灰坝的安全系数,分析了贮灰坝安全系数的影响因素,具有很好的工程实用价值。     

动态模糊神经网络在大坝变形预报中的应用

针对静态模糊神经网络的局限性,提出了在线动态建模的模糊神经网络方法.当新增样本进入训练集之后,根据新样本对模型的贡献大小,在已有模型的基础上进行动态修正,这样可以减少建模的计算时间.新方法实现了增加样本而矩阵阶数不增加,避免了矩阵求逆运算,理论上可以提高计算效率.实例表明动态模糊神经网络方法是可行的,可实现持久预报,具有较强的适应能力和较高的预报精度,可应用于在线实时变形预报及相关领域.     

基于改进爬山聚类法的模糊神经网络边坡稳定性判别模型

影响边坡稳定性的因素复杂且具有随机性和模糊性。综合考虑重度、黏聚力、内摩擦角、坡角及坡高等影响边坡稳定的主要因素,为判别边坡稳定性建立出新型模糊神经网络模型,该模型利用学习能力强大的神经网络及推理功能突出的模糊逻辑,通过改进的爬山聚类法进行结构学习,并利用 BP 算法和最小二乘估计法相结合的综合学习算法来调整参数,进而大幅度提高模型判别能力。经工程实例测试证明该模型可以快速准确的判别边坡的稳定性,可以为类似工程提供参考和借鉴。     

模糊神经网络控制在机组故障诊断和修复中的应用

提出了应用模糊控制和神经网络技术相结合的技术,解决水轮发电机组故障诊断及修复问题的概念,讨论了模糊神经网络的控制算法、控制结构以及学习过程,在水轮发电机组故障诊断和修复中的应用以及设计的实际步骤。     

基于模糊识别人工神经网络的冰凌预报模型

黄河内蒙古段地处黄河流域最北端,由于它的特殊地理位置、水文气象条件、河道特性,几乎每年产生凌汛。在分析影响凌汛成因因素的基础上,选取合适的预报因子,基于模糊识别人工神经网络BP模型,提出冰凌预报方法,应用于黄河内蒙段封河、开河日期的预报。结果表明,计算简便,精度良好。     

基于混沌优化模糊神经网络的大坝安全监测模型

大坝监测数据分析和大坝监控预测模型的难点在于监测数据的效应量和影响量之间的高度非线性关系,传统监测模型的非线性分析能力欠缺.在充分利用模糊神经网络的模糊推理能力、处理众多影响因素能力和解决复杂非线性问题能力的基础上,结合混沌优化算法的全局搜索能力,建立了基于混沌优化的模糊神经网络模型.对某拱坝变形进行了拟合和预测,计算结果与实测值吻合良好.     

基于BP神经网络的光伏发电功率预测模型研究

光伏发电功率预测对提高光伏发电并网系统调度质量有重要意义.通过建立基于BP神经网络的光伏发电预测模型,并创新性地提出将光伏组件环境清洁度作为模型输入因子,对光伏电站发电功率进行预测.采用新疆电力科学研究院光伏发电系统作为算例验证平台,证明了模型的有效性.