具有阶跃趋势的GM(1,1)及其在电力负荷中的应用

一、带阶跃趋势的GM(1,1)及其在电力负荷中的应用（论文文献综述）

胡斌俞^[1]（2017）在《交直流混联电力系统的动态模型与广域阻尼控制策略研究》文中提出随着我国大规模交直流互联电力系统的逐步形成,电网结构发生了深刻变化,整个系统运行状况呈现出新特性。能源中心向负荷中心输电距离长,线路负荷重,区域间的低频振荡问题时有发生,严重制约了线路传输容量上限,威胁着整个电力系统的安全稳定运行。低频振荡问题的特征值分析方法依赖于根据机理所建立的系统详细模型,随后在其工作点附近对其进行线性化处理,最后根据其特征值以及特征向量等进行分析。目前,大部分商用系统分析软件均采用此种低频振荡分析手段。但是,由于系统元件的地区差异以及新元件的不断投入运行,商业分析软件提供的动态元件模型库并不能完全满足实际工程需求。因此,完善软件的动态模型库是实现低频振荡问题分析的基础,具有较高的工程实际应用价值。伴随着广域量测技术的发展,依据量测信息实现低频振荡问题的监测、分析和控制的技术手段发展迅猛。量测信息反映着系统的实际运行工况,所以根据量测信息利用辨识技术建立的系统模型更直接的反映了系统实际运行特性,基于辨识模型的分析与控制器设计方法具有重要实际意义。但是,传统的辨识方法在精度上有待进一步提高,并且对于大量的可控元件,如何从中选取以实现系统阻尼最大化有待研究。本文针对PSS/E动态元件库无法满足实际工程需求的问题,对比了 BPA与PSS/E动态元件库的差异,在PSS/E中建立了无法对应上BPA的励磁系统、原动机调速器以及电力系统稳定器等模型,并通过单机无穷大系统的仿真验证了建立模型的正确性。针对区域间低频振荡问题,提出了一种基于多元线性回归的电力系统状态空间模型辨识方法,通过对数学模型以及电力系统的辨识对比,证明所提方法较子空间方法有更高的精度;利用所提辨识方法,建立了算例系统和某实际电网的降阶状态空间模型,基于辨识所得模型,利用几何指标选取最佳的控制器装设位置,并通过相位补偿方法设计了直流阻尼控制器,算例系统以及实际系统的仿真结果表明,本文所提直流阻尼控制器方法能够选出最佳装设位置,显着提高系统阻尼。

李漫^[2]（2016）在《动力锂离子电池的寿命预测与评估》文中提出随着科技的发展和环境、能源问题的日益严重,在环保和节能方面具有很大优势的新能源汽车逐渐进入了人们的视野,成为了当今最有发展前景的产业。动力电池作为电动汽车的主要动力来源,其使用性能对电动汽车发展具有重要影响。锂离子电池与其他电池相比,在能量密度、功率和综合性能等方面具有较大的优势和发展潜力。本文以电动汽车动力电池容量衰退的问题作为研究对象,对锂离子电池的衰退机理和剩余使用寿命预测进行了深入的研究。首先,对锂离子电池的结构、工作原理、电路模型和性能指标等方面进行了分析,为后续研究提供了理论基础。其次,对锂离子电池衰退机理进行了分析,研究对锂离子电池的性能和容量产生影响的因素。基于电化学理论分析电池老化的原因,研究在搁置状态、循环使用状态、充放电过程下锂离子电池的衰退机理;通过对比不同温度、不同放电电流下容量衰退曲线,得出影响锂离子电池寿命的外部因素。最后,对锂离子电池的剩余使用寿命的预测方法进行研究。采用改进的最小二乘支持向量机算法对剩余使用寿命进行预测。首先对容量衰退数据进行模糊信息粒化处理;其次将粒化后的数据输入给最小二乘支持向量机建立预测模型;然后采用粒子群优化算法对其惩罚参数和核函数参数进行优化;最后用该模型对锂离子电池的剩余使用寿命进行预测。并与基于灰色预测模型、BP神经网络、自回归滑动平均模型三种常规算法的预测结果进行对比,结果发现采用的改进算法的拟合效果更好、预测精度更高。在以粒子为单位的信息处理中,模糊信息粒化具有突出的优势。而粒子群算法可以优化最小二乘支持向量机,避免人为选择参数的盲目性,提高模型的预测精度。因此本文采用的改进最小二乘支持向量机预测方法比常规的预测方法能更精确的预测锂离子电池的剩余使用寿命。

李英伟^[3]（2011）在《基于增量改进BP神经网络微波深度干燥模型及应用研究》文中进行了进一步梳理BP神经网络作为人工智能研究领域的重要分支,具有良好的非线性映射能力和高度的并行信息处理能力,在多学科交叉技术领域得到广泛的应用。微波干燥不同于传统干燥方式,其热传导方向与水分扩散方向相同。与传统干燥方式相比,具有干燥速率大、节能、生产效率高、干燥均匀、清洁生产、易实现自动化控制和提高产品质量等优点,但是在干燥过程中,影响微波干燥的因素包括微波输入功率、微波作用时间、物料初始含水量、物料质量、物料转速等,其在干燥过程中影响程度不同,致使微波预处理富硒渣的干燥过程试验周期长,试验量大且参数不易优化。选择具有非线性映射能力的BP神经网络,对微波干燥过程建立仿真模型,预测分析试验过程。标准的BP算法是基于梯度下降法,通过计算目标函数对网络权值和阈值的梯度修正网络权值,在训练过程中存在收敛速度慢和局部最小的问题；且对于复杂的问题,在训练过程中会陷入局部最小点,以致无法收敛。因此,需对BP神经网络算法进行改进。本论文以微波深度干燥富硒渣的工业化试验过程为研究对象,建立基于增量改进BP神经网络的预测模型和Smith补偿PID控制模型,及研究预测模型在微波煅烧领域的应用,主要研究内容是：1)采用Levenberg-Marquardt （L-M）算法对BP神经网络加以改进,提高了神经网络的收敛速度,同时针对在训练神经网络的过程中,无法一次性提供所需的训练数据且当样本规模较大时,系统内存的限制使得对所有样本的训练不可行等问题,提出基于增量学习的BP神经网络。结合在单个神经网络中设置权有效区域和添加隐含层单元数的方法实现增量学习,在新样本知识与原有样本知识接近时,可以在一定范围内修改权值和阈值,同时采用灵活的方式确定隐含层节点数目。在利用训练样本集对神经网络进行训练的过程中,不断增加隐含层节点数目,并计算输出误差,若误差达到要求就停止网络训练,此时网络隐含层节点数即为最优的隐含层节点数。此方法既可以使网络学习新样本知识,又可以使网络保持原有样本的知识。基于增量学习和L-M优化算法的改进BP神经网络,弥补了传统BP神经网络的不足,它具有更快的收敛性,较好的预测精度和更好的拟合结果,并能够避免误差总和不再更新,网络不再训练以致使网络瘫痪等问题,在调整网络参数时不会陷入局部最小,使网络迅速收敛,能够有效地解决训练数据不能一次性提供,以较少的先验知识学习过程的特点等问题,选择有代表性的样本在占用较少内存的前提下训练神经网络,即能够保持原有知识,又能够学习新的知识。2)在微波深度干燥富硒渣的工业化试验中,建立了增量改进BP神经网络的非线性系统预测模型,以微波输入功率、微波作用时间、物料初始含水量、物料质量和物料盘转速为输入条件,用以预测微波深度干燥富硒渣的工业化试验结果。3)建立了增量改进BP神经网络的能耗预测模型,以微波干燥工业化试验中微波功率、微波作用时间、物料质量、物料初始含水率和所需物料最终含水率为输入条件,预测工业化试验过程的能耗。4)在控制领域中,传统的PID控制器结构简单,对模型误差具有鲁棒性及易于操作等优点,被广泛应用于冶金、化工、电力、轻工和机械等工业过程控制领域中。随着工业的发展,被控对象的复杂程度不断加深,尤其对于大滞后、时变的、非线性的复杂系统,传统PID控制已经无法满足目标控制精确化的要求。建立增量改进BP神经网络的Smith补偿PID控制模型,根据工业化试验过程测定的被控对象参数作为神经网络的输入,对控制系统进行离线系统辨识,利用简化了的微波深度干燥富硒渣工业化生产过程的控制模型对增量改进BP神经网络的Smith补偿PID控制器进行仿真研究,实现在线动态整定PID控制参数。5)建立了增量改进BP神经网络反预测模型,以物料的最终质量、物料的最终温度和物料的相对脱水率为输入条件,预测微波干燥工业化试验所需的工作时间、物料初始含水率和试验能耗。6)将工业化微波深度干燥富硒渣的神经网络预测模型应用于微波煅烧重铀酸铵（ammonium diuranate, ADU）和三碳酸铀酰铵（ammonium uranyl carbonate, AUC）试验中,用以预测微波煅烧ADU和AUC的试验过程结果。

李慧^[4]（2005）在《配电系统负荷数据处理方法的研究》文中进行了进一步梳理高质量的负荷数据是配电管理系统（DMS）中各种功能模块实现的基础。目前,在我国10kV配电变压器上已安装了大量具有测量和记录功能的装置。如何利用这些装置所记录的负荷数据建立一个完备而可靠的历史数据库是研究人员面临的新问题。本文对非量测负荷修正、测点布置、不良数据的辨识与修正等几个问题进行研究,提出了一系列配电负荷数据处理方法,得到了比较满意的结果。研究成果主要包括以下几个方面: 第一,首次提出采用状态估计的数学方法对配电系统非量测负荷数据进行修正,使非量测负荷数据的准确度达到或接近实测负荷数据的准确度。 在基于支路电流的配电网状态估计算法的基础上,对量测变换方法进行改进,提出了处理电压量测的变换方法,从而增加了量测冗余度、提高了估计精度;针对配电系统中非量测负荷精度差导致加权最小二乘估计器失效的问题,提出了基于支路电流的抗差估计方法抵御粗差的不利影响;在实际应用中杠杆量测对非量测负荷估计的影响不容忽略,提出基于支路电流的全面抗差估计方法较好地解决了非量测负荷估计中杠杆量测问题。 第二,详细分析了测量精度（或量测方差）对量测估计误差总方差的影响,从理论上证明了将伪量测点替换为实测点,可以提高估计精度;由此,定义了伪量测点对量测估计误差总方差的灵敏度因子,提出了基于灵敏度因子的配电系统测点布置方法,并用实例证实了该方法简单实用。 第三,为解决实测数据中的可疑不良数据会使非量测负荷估计失效的问题,提出了基于信号奇异性检测的配电系统不良数据辨识方法。该方法对第一尺度上的小波变换模极大值进行假设检验,判断是否存在可疑不良数据,再结合模极大值线的定义确定可疑不良数据发生的位置。测试结果验证了方法的准确性和实用性。 第四,针对实测负荷功率作为可疑不良数据被剔除后的修正问题,采用了短期负荷预测方法来解决。对GM（1,1）基本建模过程中第一个数据不起作用的结论作了全新的简洁的推导,提出了计及第一个数据的零加数GM（1,1）组合预测方法。该方法从两个角度选取原始序列进行零加数建模,采用关联度的分析方法,将预测值进行线性组合,提高了短数据序列的预测精度,且预测精度满足实际应用的要求。 第五,将上述理论方法用于工程实践,研究和开发了“10kV架空线路运行分析与自动化管理系统”项目中的配电负荷数据处理模块。 最后,对本论文所做的研究进行了简要总结,指出了这一领域中有待深入研究的问题。

周漪清,王小平^[5]（2001）在《带阶跃趋势的GM（1,1）及其在电力负荷中的应用》文中指出提出了一种带有阶跃趋势的改进型GM（1,1）模型,这种改进的灰色模型能够更好地适应带阶跃趋势的序列数据. 同时该模型参数计算量大为减少,通过电力负荷实例的分析表明,这种改进的GM（1,1）模型更精确、合理. 能够大大地提高预测精度和拓宽GM（1,1）的应用范围. 这种带阶跃趋势的改进模型可以成为电力负荷预测的理想工具.

二、带阶跃趋势的GM(1,1)及其在电力负荷中的应用（论文开题报告）

（1）论文研究背景及目的

此处内容要求：

首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。

写法范例：

本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。

（2）本文研究方法

调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。

实证研究法：依据现有的科学理论和实践的需要提出设计。

定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。

定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。

跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。

模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

三、带阶跃趋势的GM(1,1)及其在电力负荷中的应用（论文提纲范文）

（1）交直流混联电力系统的动态模型与广域阻尼控制策略研究（论文提纲范文）

（2）动力锂离子电池的寿命预测与评估（论文提纲范文）

（3）基于增量改进BP神经网络微波深度干燥模型及应用研究（论文提纲范文）

（4）配电系统负荷数据处理方法的研究（论文提纲范文）

四、带阶跃趋势的GM(1,1)及其在电力负荷中的应用（论文参考文献）

• [1]交直流混联电力系统的动态模型与广域阻尼控制策略研究[D]. 胡斌俞. 西南交通大学, 2017(07)
• [2]动力锂离子电池的寿命预测与评估[D]. 李漫. 河北工业大学, 2016(02)
• [3]基于增量改进BP神经网络微波深度干燥模型及应用研究[D]. 李英伟. 昆明理工大学, 2011(11)
• [4]配电系统负荷数据处理方法的研究[D]. 李慧. 中国农业大学, 2005(05)
• [5]带阶跃趋势的GM（1,1）及其在电力负荷中的应用[J]. 周漪清,王小平. 五邑大学学报(自然科学版), 2001(04)

标签：神经网络算法论文;  预测模型论文;  系统辨识论文;  系统仿真论文;  电力负荷论文;