基于BP神经网络的风电功率预测方法

来源 :自动化应用 | 被引量 : 0次 | 上传用户:linsc
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
风电功率预测结果的准确性,不仅关系到风力发电厂的综合运行效率,也与区域运行成本具备直接联系,为解决传统预测方法的不足,基于前馈神经网络——BP(反向传播)神经网络,设计一种风电功率预测方法.考虑到BP神经网络属于一种多层结构的网络,因此,基于BP神经网络的预测模型也具备多层结构.应用预测模型对风电功率的随机性与波动性特征进行描述.并采用校正风电功率预测结果误差、规范风电功率预测流程的方式,完成方法设计.经过实例分析,证明设计的方法对风电功率的预测结果误差均在最优误差范围内,预测的数值具有更高的价值.
其他文献
如今,随着人证识别技术的不断发展与成熟,人工检验的工作已经被人证识别系统所取代。海上施工平台场景复杂,存在人脸识别准确率低下、性能较差等问题。基于以上问题,海上施工平台仍需要人工确定某人是否人证相符,该方式导致了证件信息获取途径单一,海上施工平台的证件管理效率低下。针对海上施工平台这一复杂场景,文章提出了基于人脸识别的人证比对核实算法。该算法不仅适用于多人脸的视频帧,还缩小了人脸识别的范围,在实时
随着科学技术的发展,高精度液位测量产品层出不穷,各级计量技术机构的液位计检测装置大多还停留在以钢直尺作为主标准器的计量水平,无法满足日新月异的液位计产品的检测需求.文章通过对液位图像识别技术、步进电机控制技术、光栅信号提取技术和计算机软件的研究,采用模拟刻线和凹液面相切的方法,将机器视觉替代人工读数,减少人为读数误差;远程控制步进电机带动摄像头实现液位跟踪,并将液位值通过光栅信号实时传递到计算机,由计算机进行信号转换,数据处理和显示输出.
传统变电站运检技术依靠人工进行,运检时间相对较长,运检质量随之下降,为此,研究基于人工智能的变电站运检技术.制定变电站运检流程,部署相关指令;建立变电站运检图像智能识别模块,初步处理运检图像;基于人工智能进行变电站运检图像灰度处理,对运检图像做出二次处理,提高运检质量.实验采用对比实验的方式,验证了智能运检技术运检质量更佳,极具推广意义.
在燃煤电厂中,一次风机是一种重要的辅机设备,其能否正常运行关系到机组运行的安全性和经济性.本文针对某电厂一次风机系统,根据其历史运行数据,建立了一种基于多元状态估计技术(MSET)的故障预警模型,并通过Matlab仿真验证了模型的可行性和有效性.
以机电一体化设备SX-815Q为硬件基础,构建基于单目视觉的工业机器人自动定位和智能抓取系统,该系统能智能识别加工对象的特征,引导工业机器人对加工对象进行智能定位和识别,解决自动化生产线上机器人传统示教再现模式下加工模式固化的缺点,更实现了对于复杂加工对象的识别的能力,进一步增强了机器人系统的应用实践能力,生产过程更加可靠和高效。
为了提高大规模清洁能源电力系统高载能负荷监测终端自动化控制能力,提出基于云计算的高载能负荷监测终端自动化控制方法.设计出负荷监测终端自动化控制系统包括云计算模块、系统调峰控制模块、检波控制模块、阻抗协同模块以及均衡控制模块等,采用多时间尺度模拟和大数据集成控制技术,构建高载能负荷监测终端的信息采集模型,对采集的高载能负荷监测信息进行云计算整合控制,通过对各个负荷分段方法,实现对高载能负荷监测终端控制及系统设计.测试表明,设计的高载能负荷监测终端控制系统稳定性较好,系统长期运行鲁棒性较高.
模糊C-均值(F C M)是最著名的聚类方法之一,能自动组织各种各样的数据集,获得准确的分类,但它有陷入局部极小值的倾向.现研究一种将FCM与改进的PSO(ELPSO)相结合的混合聚类方法,该方法采用新的增强对数惯性权重策略来便于平衡探索和开发.实验结果表明,该方法显著提高了收敛速度和聚类效果,比传统的聚类方法准确率更高.
随着电动汽车的普及,各地均大量安装交流充电桩等充电设施.为确保交流充电桩量值的准确可靠,需要使用交流充电桩检定装置对其进行检定.因此,交流充电桩检定装置这一计量标准的准确性就显得尤为重要.为此,研发了该检定装置的校准系统,制定了校准方法,并对校准系统进行量值溯源.希望通过的本文章研究工作,对充电桩检定装置的质量把控有所助益.