【摘 要】
：
在电力系统短期负荷预测中，气象因素与负荷的关系已经引起越来越多的人们的关注。本文将将气象因素中的最大温度值、最小温度值应用到Elman神经网络的输入模型中，搭建Elman反馈神经网络的短期负荷预测模型。利用Elman神经网络的动态递归性能，增强负荷预测模型的适应性。通过对实际数据的预测仿真计算，经分析比较，证明了此方法具有收敛速度快、预测精度高的特点。
【机 构】
：
燕山大学电力工程系，河北，秦皇岛，066004
【出 处】
：
中国高等学校电力系统及其自动化专业第二十七届学术年会
论文部分内容阅读
在电力系统短期负荷预测中，气象因素与负荷的关系已经引起越来越多的人们的关注。本文将将气象因素中的最大温度值、最小温度值应用到Elman神经网络的输入模型中，搭建Elman反馈神经网络的短期负荷预测模型。利用Elman神经网络的动态递归性能，增强负荷预测模型的适应性。通过对实际数据的预测仿真计算，经分析比较，证明了此方法具有收敛速度快、预测精度高的特点。
其他文献
在分析了变压器故障特征和故障类型的基础上，本文以变压器油中溶解气体为特征向量，针对变压器故障特点的不确定性和复杂性，提出在传统灰关联算法上结合信息熵的加权灰关联分析DGA诊断方法。通过信息熵对变压器故障参考序列的因子赋予不同的权重值，采用参考因子加权计算整体关联度。加权灰关联理论体现了不同参考因子所含信息的重要程度不同，有效提高了变压器故障诊断的客观性和准确性。最后，变压器故障诊断实例证明了该方法
声波信号能反映断路器的运行状态。通过对断路器合闸声波和环境噪声作双谱分析，发现合闸声波高频分量能量分布比较均匀，而环境噪声能量集中在低频；通过希尔伯特-黄变换分析，发现合闸过程中声波信号高频分量持续时间较短，频带范围较宽，与环境噪声的时频域特征有明显区别。根据高频分量经过经验模态分解后的各固有模态函数能量分布特点，提出了基于固有模态函数能量熵的故障特征提取方法，对断路器故障进行了诊断。最后通过实验
针对反映电网运行性能的电气量测信息的丰富性，提出依据这一信息的输电元件总体性能评估思想，以作为故障诊断技术的补充。由此，建立输电元件（变压器和输电线路）性能指标，给出估计与学习结合的评估方法，实现对输电元件性能评估的研究与实践。
在目前的同杆双回线故障测距算法中，凡是基于基波信息的方法基本上都是假定所采集到的电流、电压信号基波分量的幅值和频率不变，然而当发生扰动、故障等情况时会使得系统中不可避免地存在着各种复杂的动态过程（主要考虑低频振荡），此类算法由于缺乏表示系统动态特性的能力，而未将动态特性纳入对线路参数估计的影响因素之中，不利于实现对双回线路故障的精确测距。因此，本文提出了动态条件下基于参数修正的同杆双回线故障测距方
为了确保水电站计算机监控系统和数字式保护系统的安全可靠运行，需要对水电站的主机间、下游副厂房等安装有计算机及其他电子控制设备的场所受到的电磁场干扰的场强进行计算分析。基于此，分别根据输电线、不连式封闭母线、全连式封闭进行磁场强度计算研究，同时分析了短路状态下的磁场强度，并运用工程实例进行了理论验证。
本文从机理和应用两方面对磁记忆检测技术进行了较深入的探讨。为了能依据磁记忆信号准确地确定构件的应力集中位置，对不同材料加工出不同类型的缺陷并在不同的载荷下采集到的磁记忆信号进行了小波分析，经多层分解和重构后从原信号中提取出突变信号。结果表明，所提取到的突变信号能准确地表征应力集中的位置。本文工作对小波分析在磁记忆检测中应用做了有效地探索，实验室和现场设备焊缝缺陷检测表明了该方法的可行性。
35kV及以下电力系统中，电磁式电压互感器（TV）饱和引起的铁磁谐振会产生严重过电压或过电流，危害巨大。本文将从理论上分析中性点不接地系统的TV铁磁谐振产生的机理，并针对中性点经消弧线圈或电阻接地、 TV一次侧中性点经电阻接地或加装消谐器等抑制铁磁谐振的措施进行分析探讨，以为工程实际中有效抑制铁磁谐振提供理论依据。
本文分析了发生转子绕组匝间短路故障，发电机的定子并联支路环流特性，针对MJF-30-6型故障模拟实验机组，采用多回路模型建立了励磁绕组匝间短路故障情况下的转子电感参数模型和定转子互感参数模型。对励磁绕组匝间短路的短路匝数与定子并联支路环流的关系进行了定量计算。分析得到转子绕组匝间短路故障的特征，为故障检测提供依据。
电网故障诊断完全解析模型在对故障诊断规则进行全解析的过程中，完整保留了电网设备、保护动作和断路器跳闸之间的逻辑关系，有很好的容错能力和应用前景。本文提出一种利用基于IEC61850标准的变电站系统配置描述文件（SCD）来建立电网故障诊断完全解析模型的方法。该方法通过解析变电站系统配置描述文件（SCD）获取系统元件保护配置信息和保护与断路器动作逻辑关系，结合电网拓扑信息实时生成电网故障诊断的完全解析
本文采用模糊C均值(FCM)构成多分类器组对轴承故障进行分类，并利用粒子群优化(PSO)算法全局寻优、快速收敛的特点，对FCM的聚类中心进行优化。FCM所得到的分类识别率通过模糊积分算法获得最终结果，其中模糊测度同样由PSO算法优化得到。仿真实验对轴承的内圈，外圈和滚动体故障进行了识别，结果表明该方法能够有效地提高故障诊断的识别准确率。