版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、開(kāi)發(fā)與利用新能源是我國(guó)乃至全世界21世紀(jì)的重要能源戰(zhàn)略。風(fēng)能作為一種無(wú)污染、可再生能源,已受到越來(lái)越廣泛的重視,并迅速發(fā)展成為新型能源之一。目前,開(kāi)發(fā)利用風(fēng)能的主要形式是大規(guī)模并網(wǎng)發(fā)電。由于風(fēng)具有間歇性、隨機(jī)性和不確定性的特點(diǎn),給風(fēng)力發(fā)電的并網(wǎng)、輸電網(wǎng)的安全、穩(wěn)定運(yùn)行及電量負(fù)荷的調(diào)度帶來(lái)很大的困難,限制了風(fēng)力發(fā)電的大規(guī)模開(kāi)發(fā)。準(zhǔn)確預(yù)測(cè)風(fēng)速有助于調(diào)度人員對(duì)電網(wǎng)的正常的調(diào)度,是解決該問(wèn)題的有效途徑之一。
研究并提出了一種基于信
2、度分配的改進(jìn)型超閉球小腦神經(jīng)網(wǎng)絡(luò)(CA-IHCMAC:Improved Hyperball Cerebellar Model Articulation Controller with Credibility Assignment)風(fēng)速預(yù)測(cè)模型。信度分配算法根據(jù)存儲(chǔ)單元激活的次數(shù)求出存儲(chǔ)單元的可信度,在神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程中根據(jù)存儲(chǔ)單元的可信度來(lái)調(diào)整存儲(chǔ)單元的權(quán)值。本文采用CA-HCMAC神經(jīng)網(wǎng)絡(luò)建立了風(fēng)速預(yù)測(cè)模型,預(yù)測(cè)未來(lái)1h的風(fēng)速。
3、> 本文的主要研究?jī)?nèi)容如下:
(1)闡述課題研究的背景和意義,分析了風(fēng)速預(yù)測(cè)建模的研究現(xiàn)狀,總結(jié)了目前風(fēng)速預(yù)測(cè)建模的主要方法及風(fēng)速預(yù)測(cè)存在的問(wèn)題。
(2)本文在超閉球小腦神經(jīng)網(wǎng)絡(luò)(HCMAC:Hyperball Cerebellar ModelArticulation Controller)基礎(chǔ)上引入信度分配的概念,提出了基于信度分配的超閉球小腦神經(jīng)網(wǎng)絡(luò)(CA-HCMAC)。研究發(fā)現(xiàn)HCMAC在訓(xùn)練過(guò)程
4、中,最小方差算法(LSM)存在后面存儲(chǔ)單元權(quán)值的調(diào)整對(duì)前面已經(jīng)學(xué)習(xí)過(guò)的存儲(chǔ)單元的權(quán)值產(chǎn)生“腐蝕現(xiàn)象”。為了避免“腐蝕現(xiàn)象”,本文引入了一種信度分配算法。該算法根據(jù)存儲(chǔ)單元的可信度來(lái)調(diào)整存儲(chǔ)單元在權(quán)值調(diào)整中得到的誤差。根據(jù)可信度公式可知,存儲(chǔ)單元激活的次數(shù)越多,其可信度越高,誤差調(diào)整就越小。
(3)為了避免基于信度分配超閉球神經(jīng)網(wǎng)絡(luò)參數(shù)選取的盲目性,本文提出CA-IHCMAC神經(jīng)網(wǎng)絡(luò)。本文采用粒子群優(yōu)化算法來(lái)確定CA-HCM
5、AC參數(shù)σ和ρ的最優(yōu)值,提出了一種基于信度分配的改進(jìn)型超閉球小腦神經(jīng)網(wǎng)絡(luò)(CA-IHCMAC: Improved Hyperball Cerebellar Model Articulation Controller withCredibility Assignment),不僅減少了選擇參數(shù)σ和ρ最優(yōu)值的時(shí)間,而且粒子群優(yōu)化確定的參數(shù)σ和ρ的值更精確,提高了神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)精度。
(4) CA-IHCMAC神經(jīng)網(wǎng)絡(luò)輸入變量的確定
6、。本文以山西神池風(fēng)電場(chǎng)風(fēng)速數(shù)據(jù)作為訓(xùn)練樣本來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò),并驗(yàn)證神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)精度。本文利用時(shí)間序列模型來(lái)分析未來(lái)風(fēng)速與跟其鄰近歷史風(fēng)速的內(nèi)在規(guī)律,找出歷史風(fēng)速數(shù)據(jù)與預(yù)測(cè)風(fēng)速的內(nèi)在聯(lián)系。利用時(shí)間序列建立的平穩(wěn)時(shí)間序列模型來(lái)確定CA-IHCMAC輸入變量個(gè)數(shù)。
(5)采用基于信度分配的改進(jìn)型超閉球小腦神經(jīng)網(wǎng)絡(luò)建立風(fēng)速預(yù)測(cè)模型。利用MATLAB仿真平臺(tái)進(jìn)行仿真,結(jié)果表明,基于信度分配的改進(jìn)型超閉球小腦神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)風(fēng)速進(jìn)行預(yù)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于神經(jīng)網(wǎng)絡(luò)的風(fēng)速預(yù)測(cè).pdf
- 基于改進(jìn)型GEP的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化設(shè)計(jì).pdf
- 基于復(fù)合特性Elman神經(jīng)網(wǎng)絡(luò)的風(fēng)速預(yù)測(cè).pdf
- 改進(jìn)型RBF神經(jīng)網(wǎng)絡(luò)的多標(biāo)簽算法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)風(fēng)速預(yù)測(cè)方法研究.pdf
- 基于改進(jìn)動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的股票預(yù)測(cè)模型的研究.pdf
- 基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型及其仿真.pdf
- 改進(jìn)型前向神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測(cè)及其性能比較.pdf
- 基于改進(jìn)型Hopfield神經(jīng)網(wǎng)絡(luò)的盲檢測(cè)新算法研究.pdf
- 基于改進(jìn)型神經(jīng)網(wǎng)絡(luò)PID控制算法的煙氣脫硫控制.pdf
- 基于改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)算法的水質(zhì)預(yù)測(cè)模型研究.pdf
- 基于改進(jìn)模糊神經(jīng)網(wǎng)絡(luò)的雷電活動(dòng)預(yù)測(cè)模型研究.pdf
- 基于多元時(shí)間序列的神經(jīng)網(wǎng)絡(luò)短期風(fēng)速預(yù)測(cè)模型的研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)短期風(fēng)速預(yù)測(cè)研究.pdf
- 基于改進(jìn)型 BP 神經(jīng)網(wǎng)絡(luò)的自適應(yīng)均衡器設(shè)計(jì).pdf
- 基于神經(jīng)網(wǎng)絡(luò)的入侵預(yù)測(cè)模型.pdf
- 基于改進(jìn)型粒子群算法的熱軋帶鋼寬度神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)模型的研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)改進(jìn)型參數(shù)整定的智能PID控制研究.pdf
- 基于改進(jìn)型模糊神經(jīng)網(wǎng)絡(luò)的智能控制研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)改進(jìn)型參數(shù)整定的智能pid控制研究
評(píng)論
0/150
提交評(píng)論