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：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．

简介：摘要随着我国科技不断创新，我国有了翻天覆地的变化，电力行业也有了新的提高，电力负荷预测作为电力企业调度工作的重要组成部分，其预测的好坏将直接决定电力供电服务的质量。但传统的神经网络属于静态网络，而电力负荷属于时间序列，随着时间的变化而不断更新。

简介：摘要红外测温是变电站日常重要工作之一。怎样掌控设备在测温周期里温度变化情况，是我们运行人员具备的能力之一，而设备温度受多方面因素的影响，且温度曲线呈非线性，而径向基函数神经网络不受非线性模型的限制。本文就是采用径向基函数（RBF）神经网络实现对设备温度的预测。

简介：精确的短期电力负荷预测对电力系统的生产调度和安全稳定运行起到十分重要的作用。为提高短期电力负荷预测模型的精度。提出了一种基于Elman神经网络的改进模型。通过在输出层和隐含层之间扩展一个新的承接层。增强了Elman神经网络的动态信息处理能力。仿真结果表明，改进型Elman神经网络预测模型的预测精度要高于反向传播、支持向量机和常规Elman，同时也说明了建立改进型Elman模型用于短期电力负荷预测是可行的。

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：摘要随着社会经济的发展，能源和环境问题越来越收到国家和人民的重视，其中煤炭资源的的不合理使用导致了严重的资源紧张和环境污染问题。传统的给煤量预测技术预测效果一般，且不具备长时间预测能力，没有足够的调度时间余量。本文提出基于长短时记忆神经网络（LSTM）的给煤量预测方法，采集火电机组实测数据，进行研究分析，实验结果表明LSTM可以有效可靠的进行给煤量预测，具有良好的工程应用前景。

简介：摘要随着社会经济的发展，能源和环境问题越来越收到国家和人民的重视，其中煤炭资源的的不合理使用导致了严重的资源紧张和环境污染问题。传统的给煤量预测技术预测效果一般，且不具备长时间预测能力，没有足够的调度时间余量。本文提出基于长短时记忆神经网络（LSTM）的给煤量预测方法，采集火电机组实测数据，进行研究分析，实验结果表明LSTM可以有效可靠的进行给煤量预测，具有良好的工程应用前景。

简介：以风电功率预测为背景,将小波理论与神经网络结合,在BP神经网络模型的结构基础上构造了小波神经网络,并提出了基于附加动量法改进的小波神经网络。利用附加动量的小波神经网络建立天气预报数据与发电功率的映射模型,并进行实际预测。利用MATLAB进行仿真,验证了设计预测模型的实际可行性,并且预测精度满足相关要求。

简介：摘要预测是对尚未发生的和目前还不明确的事物进行实现估计和推测，是以实现对事物将要发生的结果进行探讨的研究。神经网络早已应用于各行各业，如今电力行业的采购决策也可依靠神经网络建模得以实现，电力公司的采购量虽然看起来无章可依，实则蕴含着一定的可预测性，通过对神经网络的研究，将历史数据输入到系统中，可以很接近的预测到接下来几个月的采购量，以给领导层决策提供依据，也为企业的发展保驾护航。

简介：摘要：如今国内设备缺乏对充电机排除灰尘进行检测，使得我们无法判断充电机是否损坏，而直流屏恰好可以达到检测的目的。本文通过阐述预测分析常用的理论技术、预测方法，表达基于神经网络的预测分析充电柜粉尘项目研究的可行性。

简介：摘要：光伏电站输出功率呈现随机性强、波动性大、难预测等特点，大规模的光伏电站接入电网会给电网的安全稳定运行、调度和调峰带来极大的困难。准确预测电站未来某一时段内各时刻点输出功率，对保障电网稳定运行、提高能源利用效率具有重要的意义。本文基于BP神经网络模型，分别以实测气象数据和中尺度数值天气预报数据为训练样本，对比研究了不同数据样本下神经网络模型对光伏电站同一天气情况下的出力预测效果。

简介：摘要随着电网发展，集控站模式兴起。运行部门精准地预测倒闸操作所需要的时间，可以大大提高供电可靠性，提升运行人员的工作效率。本文结合现有的集控站模式，提出了BP神经网络法，帮助运行人员合理预测操作所需时间。

简介：摘要电网电力系统的安全稳定并且实现可实现经济运营，与其对负荷的准确预测具有较为重要的关系，基于多分辨分析思想为基础的小波分析结合BP神经网络构建模型，对电网短期符合进行预测。首先，采用正交小波变换的塔式结构快速算法对电网负荷数据序列实现小波分解过程，剔除负荷中的非有价值历史数据，获得真实规律性电力负荷数据；然后，通过小波分解后，根据分解后的各层分量选取阈值，获得符合其特点的分量数据后输入神经网络，经过小波算法的重构过程得到预测日期的负荷数据。仿真结果显示，运用文中构建的改进BP神经网络模型预测较人工网络预测精度具有明显优势，该预测方法能够更好地对电网进行有效的负荷预测。