简介：摘要智能输电网是人工智能神经网络的典型应用。其采用数据层、通信层、应用层网络结构，采用开放式的数据网络平台。交叉学科的服务商在数据网络平台进行应用层数据发掘与实现，为用户提供相互独立的产品，实现可持续的数据挖掘与应用。

简介：针对小电流接地系统,本文提出了一种利用BP神经网络对行波法和暂态主频法进行融合的选线方法。该方法提取各出线初始电流行波零模分量的幅值、极性以及暂态主频的幅值、相位,利用神经网络进行融合实现故障线路的选取。该方法先利用仿真软件ATP建立仿真模型,分别对各条线路设置不同故障距离、不同过渡电阻以及不同故障初相角进行仿真,得到训练样本和测试数据,然后利用训练样本对BP神经网络模型进行训练,最后利用测试数据进行故障选线验证。仿真证明本文提出的方法能够实现小电流接地系统的选线。

简介：摘要 : 对电力的需求是人们日常生活的主要生活需求之一 。在整体电力企业的管理当中，对电网进行有效的管理是中小企业主要运营的重要问题之一。从具体的应用而言，整体电网的运营与管理工作具有的较为丰富的多样性。其中对电力负荷进行有效的预测是整体电网运营工作中的重点工程之一。有效的电力负荷预测工作，能够使相关技术人员对整体电网的运行有效的调整，进而使 整体电网管理拥有更加优质的管理效果。并使整体电力企业的经济效益进一步以能源管理的方式得以提升。文章 对人工神经网络在整体电力负荷预测中的重要作用进行相应的分析，并解释其具体的应用过程，希望能够为电力管理工作提供有效的现实 性参考。

简介：摘要将人工神经网络（ANN）技术引入磨削加工领域，研究预测切向磨削力和法向磨削力，来提高磨削力的预测精度。以多层前反馈神经网络为基本结构，以误差逆传播算法（BP算法）为网络的训练方法。通过分析，以砂轮速度vs、工件速度vw和磨削深度ap为输入，以切向磨削力Ft和法向磨削力Fn作为网络输出，选定网络的层数、隐含层神经元个数、训练函数、传递函数等内容，建立预测磨削力的BP神经网络模型。然后比较不同网络模型，来确定最优的预测模型。

简介：摘要卷积神经网络在自然语言处理中的应用是近年的研究热点。文章通过对几项典型工作的分析，研究了卷积神经网络在各项自然语言处理任务中的性能与效果。并对卷积神经网络语言模型的改进规律进行了总结。

简介：摘要：在供电公司负荷预测中，企业用户的电力需求预测精确度对整个地区的负荷预测至关重要，能使负荷预测更加细化、精确化，从而利于电能供给平衡。然而近年来，人工智能方法用于用电需求的预测上，仍存在网络参数容易陷入局部最优的问题。基于此，以璧山城区646户高压企业客户，连续23个月的用电量为数据源，对其进行数据挖掘、聚类分析、预测，根据不同企业用电习惯及特点，挖掘数据特征向量，基于RBF人工神经网络建企业日用电量的预测模型，并与BP神经网络企业日用电量预测模型进行对比测试，基于RBF神经网络算法的企业日用电量模型精确度高达90%。

简介：摘要网络性能预测是指以现有理论等为基础，来构造具有预测性的模型以实现对未来业务数据的推测和估计。本文按照电力营销系统的特殊架构，建立了基于神经网络的电力营销系统网络性能预测模型，构建了电力营销系统的网络特征信息集，并设定了网络性能预测的信息过滤规则。此外，基于构建的电力营销系统网络预测模型，进一步研发了电力营销系统流量过滤模块。通过OPNET网络仿真结果显示，基于神经网络的电力营销系统网络性能预测模型能够有效降低网络阻塞，提高网络使用效率。

简介：摘要利用传统的单端电压、电流电气量进行故障测距时，容易受到过渡电阻的影响而导致测量距离不精确。本文以小波变换为基础，将传统的单端电气量与反向传播（BP）神经网络算法相结合，提出了一种用于故障测距的新方法，通过大量的仿真验证表明，该方法能够适应各种环境的要求，且精度高，具有一定的实用价值。

简介：摘要随着我国经济的快速发展，社会在不断的进步，针对风力发电并网时所产生的电流冲击与波动过大的问题，文中基于其运行特性与控制原理，提出了一种基于神经网络的风力发电并网控制技术。该技术结合了BP神经网络与PID控制，使得控制器能够对转子电流进行控制，具有独立于被控对象的优点。加之双馈发电机，因而可以实现空载数学模型的并网控制。通过与传统控制技术比较可知，文中所提出的技术算法简单、响应速度快且精度高，能较好地控制电网电压波动，具有一定的有效性。

简介：摘要近年来风能已成为全球最重要的清洁型能源，风电场输出功率的预测也越发的成为了世界关注的焦点。但对于预测方法的研发目前还不够完善，仅仅依靠天气数值预报的预测是不够的。因此本文提出了神经网络模式下的风力发电机输出功率预测，并对风力发电机输出功率预测模型的建模过程进行了全面的阐述。经实验结果得出以下结论即在神经网络模式下，以风能作为动能的风力发电机，其输出功率的预测准确度非常高，具有可行性和有效性。

简介：提出了基于神经网络的被测量重构方法;针对神经网络中误差反向传播算法收敛速度慢的问题对目标函数等三方面进行了改进,将改进的多层前向网络、误差反向传播算法用于被测量重构。在实际的测量系统中,进行了仿真研究,结果表明,神经网络用于被测量重构,方法是可行的;解决了重构之前建立数学模型问题和多影响量情况下的被测量重构问题。

简介：摘要本文针对人工缺陷识别的缺点，提出了基于深度学习的输电设备缺陷识别方法，使用卷积神经网络进行图片的特征提取，避免了前期复杂繁琐的图片预处理，与此同时选用了ImageNet作为分类器进行缺陷判断。该方法经过实验验证，对常见的设备缺陷有较高的识别率，提高了输电线路巡检的自动化水平，降低了人工的劳动强度，便于快速准确的发现输电线路缺陷。

简介：摘要传统SCR脱硝控制设计及优化方法大多依赖PID控制模型，依赖大量人工经验、人工调参及模型优化，并且无法很好适应不同锅炉环境。近年来，以深度神经网络为代表的人工智能方法被广泛使用于不同领域，并且具有应用在SCR脱销控制预测的潜力。本文研究基于深度神经网络的SRC脱销控制模型，使用负荷、烟气流量、入口NOx和出口NOx作为输入，使用优化PID调节下的调门开度作为预测目标，所构建的深度神经网络可精确预测调门开度，可替代传统PID控制模块，实现SCR脱硝控制调节及优化。

简介：摘要本文主要研究基于BP神经网络的电力负荷预测，首先对BP神经网络理论进行了分析，阐述了BP神经网络结构和学习算法，然后重点研究基于BP神经网络的电力负荷预测，包括历史数据的选取及预处理、负荷数据的归一化处理、BP神经网络的拓扑结构、BP神经网络学习参数的选取以及预测误差的分析，在实际验证中取得了良好的效果。

简介：摘要锅炉主蒸汽温度是火电厂锅炉运行的重要参数，对火电厂的经济效益、安全生产产生重大影响。由于当前火电厂机组容量大、参数高、效率高，控制汽温对象又具有大迟延、非线性、时变等诸多特点，常规PID串级控制系统往往很难保证系统最优状态运行，满足不了生产的需求。提出了基于模糊神经网络的主汽温系统PID控制，实现对过热蒸汽的有效控制，通过系统仿真表明，基于模糊神经网络的主汽温系统PID控制效果良好，因此该系统是切实可行的。

简介：摘要使用以信息技术为依托的神经网络算法和信息交汇知识，搭建了面对配电网结构和使用特点的线损模拟数学算法。以这种算法为基础，在对配电网进行分析时，实现了线损的识别等。这个算法是以造成配电网络损失的几个原因为基础。每个算法按照本身的特性挑选合适的物理量，并在整个系统操作阶段中实时对设置的参数进行修改，形成一种相对比较简单的算法，在对配网进行线损分析时，变得更加方便、多样、直接、范围更加宽广。

简介：摘要神经网络算法是新兴起的电力负荷预测成果之一，它可以有效的对短期的负荷进行预测，模拟人脑的活动进行智能化的处理，自动地获取不准确的信息以及不明朗的规律进行适应化处理。神经网络以其独特的记忆信息和自主学习的能力，实现对知识进行优化和推理，其中最重要的是自我学习能力和自动适应能力，这是对比其他方法的最大优势。基于神经网络的非数学模型预测法，为解决传统数学模型法的不足提供了新的思路。

简介：摘要电力系统长期负荷预测在企业的调度运营和服务管理等方面都起着不可或缺的作用，其预测精度的高低直接影响着电力系统运行的安全性、经济性和稳定性，因此长期负荷预测方法的研究一直为人们所重视。基于电网实际运行数据建立一个BP神经网络模型，利用神经网络高度非线性建模能力，探讨含小水电地区电网的负荷情况。实例计算表明，该方法精确有效，收敛性好，运行速度快，对提高多小水电地区网供负荷预测的准确度有较高的实用价值。

简介：

简介：提出了自适应BP神经网络模型预测短期负荷的方法。依据负荷的日相关性把历史负荷分成24组样本数据，再用BP网络来映射样本数据。采用初始化样本数据，增大节点作用函数陡度，变换隐层节点作用函数形式，自适应调整学习参数等方法提高了BP网络的学习速度，得到了较为满意的预报结果．