格式:pdf
大?。?span class="single-tag-height">757KB
頁數(shù): 4頁
本文討論了空調(diào)變頻調(diào)速控制的PWM法,并以日立H8/3042單片機為例,設(shè)計了用SPWM法進行控制的一個實用系統(tǒng)。
格式:pdf
大?。?span class="single-tag-height">160KB
頁數(shù):
負荷預(yù)測對電網(wǎng)規(guī)劃和售電市場調(diào)控具有重要意義。由于電力負荷與天氣、日期、區(qū)域等多個因素密切相關(guān),存在較強的不確定性和非線性特征,導致傳統(tǒng)方法的負荷預(yù)測精度較低。為了提高負荷預(yù)測精度,提出基于正交投影徑向基函數(shù)極限學習機(OPRBF-ELM)的短期電力負荷預(yù)測算法。該算法將ELM的隱含層節(jié)點替換為徑向基神經(jīng)元,基于訓練誤差二范數(shù)最小化準則,采用正交投影計算輸出權(quán)值向量,并在核函數(shù)的數(shù)量取值范圍內(nèi)索引獲取使得訓練集均方根誤差(RMSE)最小的預(yù)測負荷結(jié)果。算法預(yù)測過程中只需要設(shè)置網(wǎng)絡(luò)的徑向基神經(jīng)元(RBF)個數(shù),不需要調(diào)整輸入權(quán)值及隱含層偏差,且正交投影能較好地消除輸入樣本特征之間的相關(guān)性,快速有效得到輸出權(quán)值向量,從而提高負荷預(yù)測精度。以我國某省電動汽車用電領(lǐng)域的負荷數(shù)據(jù)作為標準樣本進行仿真,仿真實驗驗證了該算法的可行性和有效性,與支持向量機(SVM)和傳統(tǒng)RBF-ELM相比,該算法的預(yù)測精度高、泛化能力強,具有廣泛的實用性。