简介:摘要利用传统的单端电压、电流电气量进行故障测距时,容易受到过渡电阻的影响而导致测量距离不精确。本文以小波变换为基础,将传统的单端电气量与反向传播(BP)神经网络算法相结合,提出了一种用于故障测距的新方法,通过大量的仿真验证表明,该方法能够适应各种环境的要求,且精度高,具有一定的实用价值。
简介:摘要电网电力系统的安全稳定并且实现可实现经济运营,与其对负荷的准确预测具有较为重要的关系,基于多分辨分析思想为基础的小波分析结合BP神经网络构建模型,对电网短期符合进行预测。首先,采用正交小波变换的塔式结构快速算法对电网负荷数据序列实现小波分解过程,剔除负荷中的非有价值历史数据,获得真实规律性电力负荷数据;然后,通过小波分解后,根据分解后的各层分量选取阈值,获得符合其特点的分量数据后输入神经网络,经过小波算法的重构过程得到预测日期的负荷数据。仿真结果显示,运用文中构建的改进BP神经网络模型预测较人工网络预测精度具有明显优势,该预测方法能够更好地对电网进行有效的负荷预测。
简介:摘要电网电力系统的安全稳定并且实现可实现经济运营,与其对负荷的准确预测具有较为重要的关系,基于多分辨分析思想为基础的小波分析结合BP神经网络构建模型,对电网短期符合进行预测。首先,采用正交小波变换的塔式结构快速算法对电网负荷数据序列实现小波分解过程,剔除负荷中的非有价值历史数据,获得真实规律性电力负荷数据;然后,通过小波分解后,根据分解后的各层分量选取阈值,获得符合其特点的分量数据后输入神经网络,经过小波算法的重构过程得到预测日期的负荷数据。仿真结果显示,运用文中构建的改进BP神经网络模型预测较人工网络预测精度具有明显优势,该预测方法能够更好地对电网进行有效的负荷预测。
简介:摘要当前,我国能源紧缺问题越来越严重,在这样的情况下,社会各个领域越来越着重关注可再生能源的开发和利用,以此来有效缓解全球范围内的能源危机,在这样的背景下,可再生能源的地位也得到显著的提升,特别是太阳能被社会各界广泛关注,太阳能光伏发电技术也有了不断的发展和优化,应用范围越来越广,人们的接受度和认可度也越来越高。因为光伏发电系统故障诊断对于发电系统的正常运行有着关键性的影响,要想对其进行科学合理的维护和监测需要付出极大的人力、物力和财力,特别是人工资源,所以寻找到更有效的监测和维护网络是至关重要的。结合这样的情况,本文有针对性的分析和探究BP神经网络在光伏发电系统故障诊断中的应用,希望通过本文的分析能够为相关从业者提供某种程度上的参考。
简介:摘要电网电力系统的安全稳定并且实现可实现经济运营,与其对负荷的准确预测具有较为重要的关系,基于多分辨分析思想为基础的小波分析结合BP神经网络构建模型,对电网短期符合进行预测。首先,采用正交小波变换的塔式结构快速算法对电网负荷数据序列实现小波分解过程,剔除负荷中的非有价值历史数据,获得真实规律性电力负荷数据;然后,通过小波分解后,根据分解后的各层分量选取阈值,获得符合其特点的分量数据后输入神经网络,经过小波算法的重构过程得到预测日期的负荷数据。仿真结果显示,运用文中构建的改进BP神经网络模型预测较人工网络预测精度具有明显优势,该预测方法能够更好地对电网进行有效的负荷预测。
简介:摘要电网电力系统的安全稳定并且实现可实现经济运营,与其对负荷的准确预测具有较为重要的关系,基于多分辨分析思想为基础的小波分析结合BP神经网络构建模型,对电网短期符合进行预测。首先,采用正交小波变换的塔式结构快速算法对电网负荷数据序列实现小波分解过程,剔除负荷中的非有价值历史数据,获得真实规律性电力负荷数据;然后,通过小波分解后,根据分解后的各层分量选取阈值,获得符合其特点的分量数据后输入神经网络,经过小波算法的重构过程得到预测日期的负荷数据。仿真结果显示,运用文中构建的改进BP神经网络模型预测较人工网络预测精度具有明显优势,该预测方法能够更好地对电网进行有效的负荷预测。
简介:摘要网络性能预测是指以现有理论等为基础,来构造具有预测性的模型以实现对未来业务数据的推测和估计。本文按照电力营销系统的特殊架构,建立了基于神经网络的电力营销系统网络性能预测模型,构建了电力营销系统的网络特征信息集,并设定了网络性能预测的信息过滤规则。此外,基于构建的电力营销系统网络预测模型,进一步研发了电力营销系统流量过滤模块。通过OPNET网络仿真结果显示,基于神经网络的电力营销系统网络性能预测模型能够有效降低网络阻塞,提高网络使用效率。