【摘 要】
：
提出一种改进的灰色模型与神经网络相结合的预测方法,并首次在风电机组状态预测中应用。该预测方法利用Elman神经网络辅助灰色模型,其中灰色模型进行粗预测,神经网络模型对其
【机 构】
：
山西大学,中电投山西新能源有限公司
【基金项目】
：
山西省科技重大专项(20111101048)
论文部分内容阅读
提出一种改进的灰色模型与神经网络相结合的预测方法,并首次在风电机组状态预测中应用。该预测方法利用Elman神经网络辅助灰色模型,其中灰色模型进行粗预测,神经网络模型对其修正,然后利用马尔可夫法和等维新息的思想对灰色模型进行改进,最终得到精度更高的灰色神经网络模型。利用某风电场实际振动数据,对灰色模型、改进灰色模型、灰色神经网络、改进灰色神经网络等4种方法进行对比。结果表明,改进的灰色神经网络预测精度最高,证实了所提方法准确有效,为风电机组的预知性维修提供了新思路。
其他文献
方药：黄芪30g，三七3g，诃子10g，白72．10g，茯苓15g，白术10g，大血藤15g，灵芝10g，山药10g，白芍10g，陈皮10g，党参10g，甘草6g。
利用高温固相反应法制备了混晶状的BaLiF3：Eu^2＋样品。其紫外光激发的发射峰与光激励发光峰均在410nm处，属于Eu^2＋的5d-4f跃迁发光。光激励峰位于660nm，因而可以配用简单廉价的氦
采用先灰化、再经硝酸-高氯酸（V：V=4：1）常压微沸条件下消化油菜花粉样品，应用火焰原子吸收法测定不同产地油菜花粉中的金属元素K，Na，Ca，Mg，Fe，Co，Ni，Cu，Zn，Mn，Cd，Cr和Pb的含量。研究了测定不