造價(jià)通
更新時(shí)間:2025.01.04
人工智能在電力系統(tǒng)穩(wěn)定器設(shè)計(jì)中的應(yīng)用綜述

格式:pdf

大小:191KB

頁(yè)數(shù): 4頁(yè)

人工智能技術(shù),特別是遺傳算法、模糊評(píng)價(jià)、神經(jīng)網(wǎng)絡(luò)等方法在電力系統(tǒng)穩(wěn)定器(PSS)設(shè)計(jì)中的應(yīng)用有效地彌補(bǔ)了傳統(tǒng)PSS設(shè)計(jì)的不足,提高了控制器的魯棒性和系統(tǒng)的穩(wěn)定性。研究對(duì)人工智能技術(shù)在電力系統(tǒng)穩(wěn)定器設(shè)計(jì)中的應(yīng)用進(jìn)行了綜述,總結(jié)了各種人工智能技術(shù)對(duì)電力系統(tǒng)穩(wěn)定器設(shè)計(jì)的影響,對(duì)其發(fā)展現(xiàn)狀作了簡(jiǎn)要的介紹。

基于RBF神經(jīng)網(wǎng)絡(luò)模型的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)

格式:pdf

大?。?span class="single-tag-height">241KB

頁(yè)數(shù): 3頁(yè)

電力系統(tǒng)短期負(fù)荷對(duì)電力企業(yè)的經(jīng)濟(jì)效益和社會(huì)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(cè),并與BP神經(jīng)網(wǎng)絡(luò)進(jìn)行對(duì)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。

熱門知識(shí)

基于神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)的電力系統(tǒng)穩(wěn)定器的研究

精華知識(shí)

基于神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)的電力系統(tǒng)穩(wěn)定器的研究

最新知識(shí)

基于神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)的電力系統(tǒng)穩(wěn)定器的研究
點(diǎn)擊加載更多>>

相關(guān)問(wèn)答

基于神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)的電力系統(tǒng)穩(wěn)定器的研究
點(diǎn)擊加載更多>>
專題概述
相關(guān)資訊
基于神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)的電力系統(tǒng)穩(wěn)定器的研究相關(guān)專題

分類檢索: