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:为了掌握洪湖水质未来的变化情况以及预防污染事件的发生,建立了一个BP神经网络水质指标预测模型。利用洪湖1990~2014年的水质指标实测数据作为学习样本,选取了pH、溶解氧(DO)、铵态氮(NH4+—N)、硝态氮(NO3-—N)、总氮(TN)、总磷(TP)6项指标作为预测参数,建立了BP神经网络模型,并运用该模型对洪湖水质指标进行了预测,同时引入一元线性回归模型与GM(1,1)灰色预测模型与该模型进行对比。结果表明,BP神经网络模型预测的水质指标的相关性系数都在0.998以上,平均相对误差都控制在2.5%以内,对单个指标的预测相对误差也都小于9%,明显优于一元线性回归模型和灰色预测模型;BP神经网络模型预测精度较高,预测速度快,能够相对准确地预测大部分水质指标,可以有效地应用于洪湖以及其它水域水质指标的预测和水质趋势的预警预报系统中。
简介:燃煤锅炉是复杂的多变量系统,其飞灰的含碳量形成机理复杂,不能用简单的数学公式估算。现场实炉测试这些数据具有工作量大,测试工况有限等缺点;燃煤锅炉运行参数及燃料特性等因素影响着飞灰的含碳量,其相互耦合,导致分析数据过程困难。神经网络建模将燃煤锅炉视为黑箱,应用该方法可以良好的描述其输入输出之间的黑箱特性,因此,人工神经网络应用广泛。利用燃煤锅炉试验数据,采用3层BP(backpropagation)神经网络构建了锅炉飞灰的含碳量排放特性模型。通过锅炉的实测数据验证,该BP神经网络对飞灰含碳量相对预测误差在0.19%~0.50%,预测效果良好。测试结果表明,建立的神经网络预测模型可以准确逼近验证样本数据,也能够较好的逼近非验证样本数据,具有良好的泛化能力。
简介:针对传统被动式孤岛检测法存在检测时间长、盲区(NDZ)大,而主动式孤岛检测法影响电能质量的缺点,提出一种新的基于小波包对数能量熵(WPLEE)与BP神经网络的孤岛检测方法。该方法首先采集公共耦合点(PCC)处的电压信号,再将该电压信号分别进行小波包变换,然后通过对数能量熵进行算法处理来获取适合于孤岛检测的特征向量,该特征向量通过BP神经网络进行模式识别来判断系统是否发生孤岛现象,特别在逆变器输出功率和本地负载功率匹配时。实验和仿真结果表明,该方法均能准确、有效地判断出是否存在孤岛状态,同时与传统的被动式孤岛检测方法相比检测速度快,检测盲区小,不会对电能质量产生不良影响。
简介:本研究以内蒙古锡林郭勒盟苏尼特右旗短花针茅荒漠草原为研究对象,采用分层取样技术,分别对碱韭和短花针茅为主的草地植物群落进行调查(测定指标为高度、盖度、密度和地上现存量),获得禾本科为主、碱韭为主以及由二者构成的复合样本数据。通过MATLAB软件平台,把植物群落的数量特征(高度、盖度和密度)作为输入因子,以群落现存量作为输出因子来建立BP神经网络模型,并对预测结果进行检验。结果显示,禾本科为主、碱韭为主以及由二者构成的复合样本,采用BP神经网络平均预测准确率分别为94.1%,92.98%,91.01%。因此,BP神经网络可作为草地植物群落地上现存量模拟与预测的有效工具之一。采用BP神经网络对不同草地植物类群进行模拟和预测可能会存在差异,但这种差异会随着样本容量的增大或训练精度的增加而弱化。