河北省教育厅科学技术研究计划(Z2006439)
- 作品数：14 被引量：88H指数：5
- 相关作者：潘玉民张全柱邓永红马红梅李鹏更多>>
- 相关机构：华北科技学院辽宁工程技术大学更多>>
- 发文基金：河北省教育厅科学技术研究计划国家安全生产监督管理总局安全生产科技发展计划项目中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术电气工程电子电信环境科学与工程更多>>
- 一种结合互补集合经验模态分解和小波核极限学习机的短期电力负荷预测模型被引量：5
- 2016年
- 电力系统的管理和调度对精确的负荷预测模型有着极高的要求。为全面提高负荷预测模型的性能,提出一种新型的结合互补集成经验模态分解(CEEMD)和小波核函数极限学习机(WKELM)的短期电力负荷组合预测模型。首先通过CEEMD将历史电力负荷数据自适应地分解为一系列相对平稳的子序列,对各分量建立小波核极限学习机的预测模型,预测各分量的负荷值并对其进行求和得到最终预测结果。用四种预测模型对真实的负荷数据进行训练预测,算例表明新模型在预测精度和效率上都具有一定优势,同时克服了传统EMD中容易出现的模态混叠问题以及ELM中存在的过拟合等缺陷,具有一定的实际应用潜力。
- 郭瑞樊亚敏潘玉民
- 关键词：短期负荷预测
- 基于QPSO-FNN的混沌时间序列预测被引量：4
- 2013年
- 提出一种太阳黑子月均数混沌时序的模糊神经网络预测方法。该方法根据时间序列的延迟因子和饱和嵌入维数重构相空间,利用Lyapunov指数法判别时序系统的混沌特性,采用混合pi-sigma模糊神经推理方法拟合混沌吸引子特性。其中混合pi-sig-ma模糊神经网络以高斯基函数作为模糊子集的隶属度函数,在线动态调整隶属度函数和结论参数,并采用量子粒子群算法(QPSO)优化网络初始参数,提高预测准确度。该模型具有物理意义清晰、预测精度高以及预测结果确定等优点,仿真实验结果证明了该方法的有效性。
- 潘玉民邓永红张全柱
- 关键词：混沌时间序列太阳黑子模糊神经网络
- 光伏发电并网系统的检测电路设计被引量：2
- 2011年
- 本文主要介绍的是以16位单片机sPMc75F2413A为控制核心的光伏并网系统的各种检测电路。为了实现可靠并网采用软件锁相技术使输出电压同步跟踪电网相电压的频率和相位，系统在实现太阳能电池最大功率点跟踪的同时，在内部形成欠压和过流的保护作用。能实现可靠并网得益于系统能实时准确地检测电网电压的频率和相位、太阳能电池输出电压和电流、电网电压和负载电流。
- 马红梅
- 关键词：光伏发电并网检测电路保护电路
- 基于小波神经网络的电力负荷预测
- 2013年
- 小波神经网络是建立在小波理论基础上的一种新型前馈神经网络,具有许多优良特性。本文分析了小波神经网络的特点,建立了电力负荷的小波神经网络预测模型,设计了小波神经网络结构,给出了小波网络参数调节算法。对实际电力负荷预测算例,以及与BP网络的对比研究实验表明,小波神经网络对非平稳信号能进行有效地预测,比BP神经网络具有更高的预测精度。
- 樊亚敏
- 关键词：电力负荷预测小波理论小波神经网络BP网络
- 基于QPSO-RBF的瓦斯涌出量预测模型被引量：32
- 2012年
- 为了提高径向基(RBF)网络预测瓦斯涌出量的泛化能力,提出QPSO-RBF模型。该模型采用量子粒子群(QPSO)算法优化RBF网络隐层基函数中心、扩展系数以及输出权等初始参数,将网络参数编码为QPSO学习算法中的粒子个体,在全局空间中搜索最优适应值参数。其中,RBF网络选取5-3-1的精简结构,采用5个变量作为影响因子预测瓦斯涌出量。结果表明,经QPSO优化后的RBF网络模型预测结果稳定且唯一,其泛化指标平均相对变动值(ARV)为0.012 2。与PSO-RBF、RBF模型预测结果比较,QPSO-RBF模型的泛化能力和网络训练速度优于前2种;预测精度约为PSO-RBF模型的1.5倍、RBF模型的4倍。
- 潘玉民邓永红张全柱薛鹏骞
- 关键词：瓦斯涌出量
- 基于粒子群优化算法的模拟滤波器设计被引量：3
- 2011年
- 采用传统的网络综合法设计滤波器存在带宽不精确及阻带衰减过小的问题,为此,提出一种基于粒子群优化算法的无源模拟滤波器优化设计方法。在网络综合法设计的滤波器电路基础上,利用粒子群优化算法对滤波器的整个参数空间进行高效并行搜索直到获得最优的参数值。实例表明,采用该方法设计的滤波器带宽更加准确,且具有更加陡峭的阻带衰减。
- 李鹏马红梅张旭珍
- 关键词：滤波器粒子群优化网络综合优化算法
- 瓦斯涌出量的混合pi-sigma模糊神经网络预测模型被引量：5
- 2012年
- 提出了一种利用混合pi-sigma模糊神经推理方法建立瓦斯涌出量的预测模型。该模型采用高斯基函数作为模糊子集的隶属度函数,可在线动态调整隶属度函数和结论参数。与神经网络预测模型比较,该模型具有物理意义明确、原理清晰、收敛速度快、预测精度高等特点,在对某矿瓦斯涌出量数据的仿真结果表明,该方法预测准确度高、速度快,并且结果具有可重复性,证明该方法是有效的。为便于工程实际应用,在Matlab环境中开发了基于图形用户界面(GUI)的仿真应用界面,给出了使用方法和预测结果。实验同时表明,对所采用的数据,模型的训练精度设置为0.001时网络的泛化能力最好,网络训练精度和预测精度之间不具有正比关系。
- 潘玉民赵立永张全柱
- 关键词：瓦斯涌出量图形用户界面
- 短期电力负荷的小波—混沌时序预测被引量：9
- 2013年
- 提出了一种基于2层小波分解的混沌时序相空间重构预测模型。该模型利用小波分解原始负荷时间序列为周期项、趋势项和随机项,采用不同的混沌相空间重构高低频信号,再分别用相应的小波神经网络工具箱拟合混沌吸引子,将其输出进行信号重构得到最终预测结果。该方法兼有频率特征提取和相空间重构的优点,使短期电力负荷时序列的动力学系统得到更加细致的恢复。通过对欧洲电力负荷竞赛数据的实验证明了所提方法的有效性,仿真结果表明方法预测精度优于常规混沌时序预测方法。针对神经网络预测不稳定的问题给出了一种解决措施,并提出了一种小波神经网络工具箱,该方法比编程实现的小波网络可以大幅度提高训练速度,尤其适合于大批量数据的训练,对小波神经网络的推广应用和混沌时序预测具有重要意义。
- 潘玉民邓永红张全柱
- 关键词：电力负荷小波分解相空间重构
- 小波神经网络模型的确定性预测及应用被引量：22
- 2013年
- 针对神经网络模型预测结果的随机性,构建了一种紧致性小波神经网络工具箱。该方法将小波函数移植到BP网络隐层,并采用一种随机确定状态命令获得确定的预测结果。与编程实现的小波神经网络和BP网络比较,该方法适合于大批量数据训练,对数据样本的适应能力和鲁棒性强,尤其对高频随机时间序列有更好的适应能力,具有预测结果确定及实用性强等特点,可显著提高模型的训练速度、预测精度和预测效率。基于小波包变换和小波神经网络的瓦斯涌出量预测实验证明了所提方法的有效性。
- 潘玉民邓永红张全柱
- 关键词：小波神经网络工具箱小波包瓦斯涌出量
- 基于Elman网络的电力负荷预测研究被引量：2
- 2013年
- 电力系统负荷与诸多影响因素之间是一种强耦合、多变量、严重非线性的关系,且这种关系具有动态性。传统预测方法精度不高,而采用动态回归神经网络（Elman）能更直接、更有效地反映系统的动态特性。该文建立了基于Elman神经网络的电力负荷预测模型,通过MATLAB仿真预测,对比Elman神经网络和BP神经网络的预测效果。仿真实验证明了Elman神经网络具有良好的动态特性、较快的训练速度、高精度等特点,表明Elman预测模型是一种新颖、可靠的负荷预测方法。
- 井望隆潘玉民
- 关键词：电力负荷ELMAN网络BP网络
