基于RBF—BP組合神經(jīng)網(wǎng)絡(luò)短期風電功率預(yù)測

風能作為一種清潔環(huán)保的新能源,有著無污染、低成本、可再生等眾多優(yōu)點。目前我國擁有豐富的風能,有著巨大的發(fā)展前景,目前風力發(fā)電已有一定規(guī)模。但是,由于風電的隨機性和間歇性的特點,輸出功率很不穩(wěn)定,易對電網(wǎng)造成沖擊,影響電力系統(tǒng)的正常運行。通過準確地預(yù)測風電功率,提前采取相應(yīng)措施,是減少對電網(wǎng)沖擊的有效措施。本文研究風電的短期功率預(yù)測,在確定影響變量的基礎(chǔ)上,利用神經(jīng)網(wǎng)絡(luò)中的rbf神經(jīng)網(wǎng)絡(luò)進行風電功率預(yù)測。通過預(yù)測結(jié)果與實際功率的比較,得到誤差小較理想的預(yù)測結(jié)果,預(yù)測結(jié)果較好。

風能作為一種清潔環(huán)保的新能源,有著無污染、低成本、可再生等眾多優(yōu)點。目前我國擁有豐富的風能,有著巨大的發(fā)展前景,目前風力發(fā)電已有一定規(guī)模。但是,由于風電的隨機性和間歇性的特點,輸出功率很不穩(wěn)定,易對電網(wǎng)造成沖擊,影響電力系統(tǒng)的正常運行。通過準確地預(yù)測風電功率,提前采取相應(yīng)措施,是減少對電網(wǎng)沖擊的有效措施。本文研究風電的短期功率預(yù)測,在確定影響變量的基礎(chǔ)上,利用神經(jīng)網(wǎng)絡(luò)中的rbf神經(jīng)網(wǎng)絡(luò)進行風電功率預(yù)測。通過預(yù)測結(jié)果與實際功率的比較,得到誤差小較理想的預(yù)測結(jié)果,預(yù)測結(jié)果較好。

由于風能具有隨機性和間歇性的特點,造成了其功率輸出的不穩(wěn)定,而大規(guī)模的風電接入給電力系統(tǒng)的正常穩(wěn)定運行和調(diào)度帶來影響。詳細分析影響風電場輸出的因素,確定風速、風向正弦和余弦為影響風電輸出最主要的關(guān)聯(lián)因素,采用統(tǒng)計預(yù)測方法將歷史實際輸出功率、風速、風向正弦和余弦作為bp神經(jīng)網(wǎng)絡(luò)的輸入矢量,并采用人工蜂群算法優(yōu)化得到神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值,構(gòu)建abc-bp神經(jīng)網(wǎng)絡(luò)風電功率預(yù)測模型。通過對某實測風電功率進行預(yù)測驗證,結(jié)果表明:基于蜂群算法改進的bp神經(jīng)網(wǎng)絡(luò)風電功率預(yù)測,可以克服bp神經(jīng)網(wǎng)絡(luò)易于陷入局部極小的缺陷和不足,極大地提高了全局搜索能力以及預(yù)測的穩(wěn)定性和精度；同時,將自適應(yīng)的選擇策略引入到蜂群算法優(yōu)化適應(yīng)度的選擇中,減少了網(wǎng)絡(luò)層參數(shù)的訓(xùn)練時間,提高了收斂速度。

為了預(yù)測混凝土的抗壓強度,在分析bp、rbf神經(jīng)網(wǎng)絡(luò)原理的基礎(chǔ)上,提出用bp、rbf神經(jīng)網(wǎng)絡(luò)模擬混凝土抗壓強度與攪拌機各主要影響參數(shù)間關(guān)系的方法。根據(jù)攪拌機的實際工作狀況,分別建立了4維輸入向量、1維輸出向量的bp、rbf神經(jīng)網(wǎng)絡(luò)模型,通過19組試驗,驗證了2種模型的可靠性。結(jié)果表明,實測結(jié)果與預(yù)測結(jié)果相接近,該2種神經(jīng)網(wǎng)絡(luò)模型能較準確地快速預(yù)測混凝土抗壓強度。

負荷預(yù)測是實現(xiàn)電力系統(tǒng)優(yōu)化運行的基礎(chǔ),對于電力系統(tǒng)的安全性、可靠性和經(jīng)濟性都有著顯著的影響。rbf是一種三層前饋神經(jīng)網(wǎng)絡(luò),具有良好的函數(shù)逼近性能,已被廣泛應(yīng)用到電力負荷預(yù)測中,并取得良好的效果。本文主要整理并介紹當前基于rfb神經(jīng)網(wǎng)的負荷預(yù)測方法,對存在的問題進行了分析,并對未來的發(fā)展進行了展望。

負荷預(yù)測是實現(xiàn)電力系統(tǒng)優(yōu)化運行的基礎(chǔ)，對于電力系統(tǒng)的安全性、可靠性和經(jīng)濟性都有著顯著的影響。rbf是一種三層前饋神經(jīng)網(wǎng)絡(luò)，具有良好的函數(shù)逼近性能，已被廣泛應(yīng)用到電力負荷預(yù)測中，并取得良好的效果。本文主要整理并介紹當前基于rfb神經(jīng)網(wǎng)的負荷預(yù)測方法，對存在的問題進行了分析，并對未來的發(fā)展進行了展望。

基于rbf神經(jīng)網(wǎng)絡(luò)的軟基沉降預(yù)測研究——將神經(jīng)網(wǎng)絡(luò)理論引入軟基沉降預(yù)測領(lǐng)域．借助自控領(lǐng)域信號處理的思想，應(yīng)用改進后的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的映射模式進行軟基沉降的短期預(yù)測；軟基沉降的長期預(yù)測實質(zhì)上為基于神經(jīng)網(wǎng)絡(luò)的多維歐氏空間的曲面擬合問題，將地基壓...

針對建筑工程特點,提出了基于rbf神經(jīng)網(wǎng)絡(luò)的建筑工程投標報價方法,建立建筑工程投標報價標高率數(shù)學模型。應(yīng)用matlab計算軟件,以實例驗證了該模型的正確性及實用性。

電力系統(tǒng)短期負荷預(yù)測是能量管理系統(tǒng)的重要組成部分，不但為電力系統(tǒng)的安全、經(jīng)濟運行提供保障，也是電力市場環(huán)境下編排調(diào)度計劃、供電計劃、交易計劃的基礎(chǔ)。因此，短期負荷預(yù)測方法的研究一直為人們所重視。

電力系統(tǒng)短期負荷預(yù)測是能量管理系統(tǒng)的重要組成部分，不但為電力系統(tǒng)的安全、經(jīng)濟運行提供保障，也是電力市場環(huán)境下編排調(diào)度計劃、供電計劃、交易計劃的基礎(chǔ)。因此，短期負荷預(yù)測方法的研究一直為人們所重視。

電力系統(tǒng)負荷預(yù)測的重要性、分類和主要預(yù)測方法,bp神經(jīng)網(wǎng)絡(luò)算法的基本理論和預(yù)測過程,建立基于bp神經(jīng)網(wǎng)絡(luò)的短期負荷預(yù)測模型,以加州24h的電力負荷預(yù)測為例進行matlab仿真,結(jié)果顯示預(yù)測精度符合電力系統(tǒng)要求。

電力系統(tǒng)短期負荷對電力企業(yè)的經(jīng)濟效益和社會效益都有一定影響。因此文中建立了基于rbf神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)短期負荷模型。用歷史負荷數(shù)據(jù)作為訓(xùn)練樣本,用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進行電力系統(tǒng)短期負荷預(yù)測,并與bp神經(jīng)網(wǎng)絡(luò)進行對比。rbf神經(jīng)網(wǎng)絡(luò)的平均誤差為2.09%,最大誤差為4.77%,相比于bp神經(jīng)網(wǎng)絡(luò)精確度較高,有利于電力系統(tǒng)合理地進行調(diào)度規(guī)劃工作。

針對風場輸出功率短期預(yù)測所遇到的信息貧乏、精度低和不確定性高的問題,提出一種粒子群動態(tài)灰色模型。該模型利用粒子群算法改變背景值參數(shù),通過迭代搜尋和線性化處理對齊次或非齊次的指數(shù)參數(shù)進行連續(xù)優(yōu)化,提升了預(yù)測精度;該模型還引入殘差模型對外界環(huán)境的變化進行預(yù)測,降低了由環(huán)境的不確定性對預(yù)測帶來的影響。將此模型運用到比利時風場輸出功率的短期預(yù)測當中,實驗結(jié)果證明了該模型對求解所提問題是有效的。

為了減小電力負荷預(yù)測中的誤差,提出了基于rbf神經(jīng)網(wǎng)絡(luò)的電力負荷預(yù)測模型.介紹了負荷序列的相似度預(yù)測模型,并在此基礎(chǔ)上采用了rbf網(wǎng)絡(luò)對負荷波動值的誤差糾正.通過運用實際電力負荷數(shù)據(jù)進行驗證,該模型能較好地避免不良數(shù)據(jù)的干擾,有效地提高了負荷序列的預(yù)測精度.

介紹了基于matlab的徑向基函數(shù)rbf神經(jīng)網(wǎng)絡(luò)對于建筑物沉降預(yù)測的方法,討論了rbf神經(jīng)網(wǎng)絡(luò)的構(gòu)造思路、參數(shù)和分布密度spread的選擇。為建筑物變形監(jiān)測人員的數(shù)據(jù)分析、變形預(yù)測提供了一個可行的概念。

基于rbf神經(jīng)網(wǎng)絡(luò)的砂土液化預(yù)測——通過分析砂土液化成因及其影響因素，建立了砂土液化預(yù)測rbf網(wǎng)絡(luò)模型，并與bp網(wǎng)絡(luò)預(yù)測模型進行比較．測試結(jié)果表明，應(yīng)用rbf網(wǎng)絡(luò)模型對砂土液化進行預(yù)測，預(yù)測效果好，識別精度高．

針對目前混凝土強度預(yù)測中存在的不確定性,難以自適應(yīng)性的確定神經(jīng)網(wǎng)絡(luò)隱含層,建立了基于高維云的rbf神經(jīng)網(wǎng)絡(luò)的混凝土預(yù)測模型。運用matlab8.10進行仿真實驗。實驗結(jié)果表明該模型綜合考慮了影響混凝土強度的各種因素,能夠?qū)崿F(xiàn)預(yù)測結(jié)果的隨機性和模糊性,具有更高的預(yù)測精度,更快的訓(xùn)練速度,可以廣泛應(yīng)用于生產(chǎn)現(xiàn)場實地的混凝土強度預(yù)測和質(zhì)量檢驗。

介紹了rbf神經(jīng)網(wǎng)絡(luò)的模型和結(jié)構(gòu),提出將該網(wǎng)絡(luò)應(yīng)用于建筑物沉降預(yù)測。運用matlab工具箱函數(shù)建立了沉降預(yù)測網(wǎng)絡(luò)模型,編制了計算程序,通過工程實例驗證了該模型的正確性和可行性,并和bp神經(jīng)網(wǎng)絡(luò)在收斂速度上進行了比較,結(jié)果表明rbf神經(jīng)網(wǎng)絡(luò)的收斂速度遠遠快于bp網(wǎng)絡(luò)。

本文提出了一種基于rbf神經(jīng)網(wǎng)絡(luò)的直接預(yù)測法,對公路貨運量進行了預(yù)測,并利用matlab工具箱予以了實現(xiàn).對2004和2005年公路貨運量預(yù)測的結(jié)果表明,預(yù)測值與國家統(tǒng)計局公布的實際數(shù)值有很好的一致性,預(yù)測精度也高于其它rbf預(yù)測法,有很好的應(yīng)用性.

分析了對工程造價有重要影響的眾多因素,參考國內(nèi)外專家、學者的研究成果,確定了影響工程造價的18個主要因素,并基于rbf神經(jīng)網(wǎng)絡(luò)建立了工程造價決策模型。本文利用rbf神經(jīng)網(wǎng)絡(luò)快速、準確的函數(shù)逼近能力,為工程造價決策提供了一種新的方法。

針對風電功率序列的不確定性和隨機性特征,提出基于聚類經(jīng)驗?zāi)B(tài)分解(eemd)和支持向量回歸機(svr)的風電功率預(yù)測模型。同時,為克服支持向量回歸機依賴人為經(jīng)驗選擇學習參數(shù)的弊端,采用縱橫交叉算法(cso)優(yōu)化支持向量回歸機學習參數(shù)。首先,利用聚類經(jīng)驗?zāi)B(tài)分解將原始風電功率序列分解為一系列復(fù)雜度差異明顯的子序列。然后,分別對每子序列單獨建立cso-svr預(yù)測模型。最后,疊加各子序列的預(yù)測值得到實際預(yù)測結(jié)果。實例研究表明,所提模型能獲得優(yōu)良的風電功率預(yù)測結(jié)果。

運用rbf神經(jīng)網(wǎng)絡(luò)(radialbasisfunctionneuralnetwork)理論,分析了大夾角v撐施工期間最大風險因素可能發(fā)生的部位,并對v撐的結(jié)構(gòu)失效風險性進行了定量分析。將有限元分析結(jié)果作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本數(shù)據(jù),利用徑向基神經(jīng)網(wǎng)絡(luò)建立了基本變量和結(jié)構(gòu)響應(yīng)之間的隱性映射關(guān)系,根據(jù)蒙特卡洛原理進行模擬計算,最終得出v撐施工過程中各個危險截面出現(xiàn)結(jié)構(gòu)失效的概率預(yù)估值。通過工程實例驗證表明,基于徑向基神經(jīng)網(wǎng)絡(luò)所建立的施工過程風險分析方法計算效率高,具有可行性和有效性,同時為v撐施工風險決策提供了理論依據(jù)。