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

風(fēng)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(diǎn)。目前我國擁有豐富的風(fēng)能,有著巨大的發(fā)展前景,目前風(fēng)力發(fā)電已有一定規(guī)模。但是,由于風(fēng)電的隨機(jī)性和間歇性的特點(diǎn),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(yùn)行。通過準(zhǔn)確地預(yù)測風(fēng)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(fēng)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(jìn)行風(fēng)電功率預(yù)測。通過預(yù)測結(jié)果與實(shí)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(fēng)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(diǎn)。目前我國擁有豐富的風(fēng)能,有著巨大的發(fā)展前景,目前風(fēng)力發(fā)電已有一定規(guī)模。但是,由于風(fēng)電的隨機(jī)性和間歇性的特點(diǎn),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(yùn)行。通過準(zhǔn)確地預(yù)測風(fēng)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(fēng)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(jìn)行風(fēng)電功率預(yù)測。通過預(yù)測結(jié)果與實(shí)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(fēng)能具有隨機(jī)性和間歇性的特點(diǎn),造成了其功率輸出的不穩(wěn)定,而大規(guī)模的風(fēng)電接入給電力系統(tǒng)的正常穩(wěn)定運(yùn)行和調(diào)度帶來影響。詳細(xì)分析影響風(fēng)電場輸出的因素,確定風(fēng)速、風(fēng)向正弦和余弦為影響風(fēng)電輸出最主要的關(guān)聯(lián)因素,采用統(tǒng)計(jì)預(yù)測方法將歷史實(shí)際輸出功率、風(fēng)速、風(fēng)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(fēng)電功率預(yù)測模型。通過對某實(shí)測風(fēng)電功率進(jìn)行預(yù)測驗(yàn)證,結(jié)果表明:基于蜂群算法改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)風(fēng)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(qiáng)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(qiáng)度與攪拌機(jī)各主要影響參數(shù)間關(guān)系的方法。根據(jù)攪拌機(jī)的實(shí)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(yàn),驗(yàn)證了2種模型的可靠性。結(jié)果表明,實(shí)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(zhǔn)確地快速預(yù)測混凝土抗壓強(qiáng)度。

負(fù)荷預(yù)測是實(shí)現(xiàn)電力系統(tǒng)優(yōu)化運(yùn)行的基礎(chǔ),對于電力系統(tǒng)的安全性、可靠性和經(jīng)濟(jì)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(fù)荷預(yù)測中,并取得良好的效果。本文主要整理并介紹當(dāng)前基于rfb神經(jīng)網(wǎng)的負(fù)荷預(yù)測方法,對存在的問題進(jìn)行了分析,并對未來的發(fā)展進(jìn)行了展望。

負(fù)荷預(yù)測是實(shí)現(xiàn)電力系統(tǒng)優(yōu)化運(yùn)行的基礎(chǔ)，對于電力系統(tǒng)的安全性、可靠性和經(jīng)濟(jì)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(fù)荷預(yù)測中，并取得良好的效果。本文主要整理并介紹當(dāng)前基于rfb神經(jīng)網(wǎng)的負(fù)荷預(yù)測方法，對存在的問題進(jìn)行了分析，并對未來的發(fā)展進(jìn)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(jìn)后的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的映射模式進(jìn)行軟基沉降的短期預(yù)測；軟基沉降的長期預(yù)測實(shí)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(diǎn),提出了基于rbf神經(jīng)網(wǎng)絡(luò)的建筑工程投標(biāo)報價方法,建立建筑工程投標(biāo)報價標(biāo)高率數(shù)學(xué)模型。應(yīng)用matlab計(jì)算軟件,以實(shí)例驗(yàn)證了該模型的正確性及實(shí)用性。

電力系統(tǒng)短期負(fù)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(jì)運(yùn)行提供保障，也是電力市場環(huán)境下編排調(diào)度計(jì)劃、供電計(jì)劃、交易計(jì)劃的基礎(chǔ)。因此，短期負(fù)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(fù)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(jì)運(yùn)行提供保障，也是電力市場環(huán)境下編排調(diào)度計(jì)劃、供電計(jì)劃、交易計(jì)劃的基礎(chǔ)。因此，短期負(fù)荷預(yù)測方法的研究一直為人們所重視。

電力系統(tǒng)負(fù)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(fù)荷預(yù)測模型,以加州24h的電力負(fù)荷預(yù)測為例進(jìn)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(fù)荷對電力企業(yè)的經(jīng)濟(jì)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(fù)荷模型。用歷史負(fù)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(jìn)行電力系統(tǒng)短期負(fù)荷預(yù)測,并與bp神經(jīng)網(wǎng)絡(luò)進(jìn)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(jìn)行調(diào)度規(guī)劃工作。

針對風(fēng)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(jìn)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(jìn)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(yùn)用到比利時風(fēng)場輸出功率的短期預(yù)測當(dāng)中,實(shí)驗(yàn)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(fù)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(fù)荷預(yù)測模型.介紹了負(fù)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(fù)荷波動值的誤差糾正.通過運(yùn)用實(shí)際電力負(fù)荷數(shù)據(jù)進(jìn)行驗(yàn)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(fù)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(jìn)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(jìn)行預(yù)測，預(yù)測效果好，識別精度高．

針對目前混凝土強(qiáng)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(yùn)用matlab8.10進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明該模型綜合考慮了影響混凝土強(qiáng)度的各種因素,能夠?qū)崿F(xiàn)預(yù)測結(jié)果的隨機(jī)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(shí)地的混凝土強(qiáng)度預(yù)測和質(zhì)量檢驗(yàn)。

為改進(jìn)以往神經(jīng)網(wǎng)絡(luò)對建筑能耗預(yù)測的不足,提出應(yīng)用遺傳算法結(jié)合levenberg-marquardt算法(galm)改進(jìn)神經(jīng)網(wǎng)絡(luò)對建筑能耗進(jìn)行預(yù)測。首先,利用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值;其次,利用levenberg-marquardt算法優(yōu)化神經(jīng)網(wǎng)絡(luò)訓(xùn)練,針對影響建筑能耗的主要因素建立galm神經(jīng)網(wǎng)絡(luò)的建筑能耗預(yù)測模型。通過建立建筑能耗監(jiān)測平臺采集某公共建筑1個月的能耗數(shù)據(jù),對該模型進(jìn)行訓(xùn)練和測試。實(shí)驗(yàn)結(jié)果表明,該模型可以準(zhǔn)確且高效地對建筑能耗進(jìn)行短期預(yù)測。

地基沉降是一種危害很大的環(huán)境災(zāi)害。地基沉降的監(jiān)測數(shù)據(jù)經(jīng)常受降雨及工程施工等諸多外界因素的干擾,故而在沉降曲線中存在許多數(shù)據(jù)突變點(diǎn)。為此,提出基于小波分析與rbf神經(jīng)網(wǎng)絡(luò)相結(jié)合的新的地基沉降預(yù)測方法,首先采用小波分析對對原始監(jiān)測數(shù)據(jù)進(jìn)行數(shù)據(jù)去噪處理,進(jìn)而得到反映實(shí)際變化的地基沉降曲線,然后采用徑向基函數(shù)(rbf)神經(jīng)網(wǎng)絡(luò)方法對其進(jìn)行預(yù)測,為工程設(shè)計(jì)提供依據(jù)。最后結(jié)合工程實(shí)例分析,通過多種小波去噪與預(yù)測結(jié)果的對比研究,表明3次b樣條小波的去噪及預(yù)測效果最好,與實(shí)測值能較好地吻合,具有較好的工程應(yīng)用前景。

在預(yù)測隧道圍巖變形的過程中,運(yùn)用神經(jīng)網(wǎng)絡(luò)的方法,建立非線性的預(yù)測模型,結(jié)合張涿高速公路林里隧道的變形實(shí)測數(shù)據(jù),借助matlab7.1平臺,模擬了隧道圍巖的變形過程;實(shí)驗(yàn)結(jié)果表明：rbf神經(jīng)網(wǎng)絡(luò)方法在隧道圍巖變形的預(yù)測中,具有運(yùn)算速度快,預(yù)測精度高,模型穩(wěn)定可靠的特點(diǎn),在隧道施工過程中,能夠有效的輔助施工控制,提供預(yù)測報告。

本文結(jié)合住宅房地產(chǎn)的價格理論和相關(guān)網(wǎng)站上的數(shù)據(jù),科學(xué)地選取影響商品住宅價格的影響指標(biāo)為人均gdp、人均可支配收入、人口數(shù)量、房地產(chǎn)開發(fā)投資額和商品住宅建筑面積,并以此建立hedonic商品住宅價格影響因素模型。依照bp神經(jīng)網(wǎng)絡(luò)預(yù)測的實(shí)現(xiàn)步驟,探索bp神經(jīng)網(wǎng)絡(luò)在預(yù)測?？谑猩唐纷≌瑑r格的應(yīng)用,得到2018年6月-2019年5月商品住宅價格預(yù)測值,對?？谑猩唐纷≌瑑r格的研究具有一定的指導(dǎo)作用。

利用matlab建立bp神經(jīng)網(wǎng)絡(luò),將影響建筑能耗的18個因素作為網(wǎng)絡(luò)的輸入,進(jìn)行學(xué)習(xí)訓(xùn)練,最后通過測試樣本點(diǎn)數(shù)據(jù)預(yù)測建筑能耗,與dest-h模擬計(jì)算得到的結(jié)果比較,發(fā)現(xiàn)相對誤差在3.5%以內(nèi),并通過實(shí)例驗(yàn)證了該網(wǎng)絡(luò)模型的準(zhǔn)確性。該方法使建筑人員在設(shè)計(jì)階段就能快速且準(zhǔn)確地獲得設(shè)計(jì)建筑的能耗。