不同时间窗下的风电功率波动特性

利用风电功率波动数据,使用滑动平均法、概率分布理论、1阶差分法等,分别建立了最佳概率分布模型、min级分量模型和变化速率模型,利用Matlab软件编程,得到了风电功率的波动特性的最佳概率分布为t location-scale分布并且得出了以较长时间为时间窗衡量风电功率的波动会损失短时风电功率波动的信息。     

基于免疫粒子群优化神经网络的经济预测算法研究

在分析宏观经济系统特点之后,针对现有的采用人工神经网络对经济系统进行建模和预测的方法存在的问题,文章提出了一种改进的免疫粒子群优化神经网络算法。仿真结果表明：这种算法能够增强神经网络的泛化能力,提高系统模型的预测精度,使预测误差从原来BP神经元网络的15％下降到改进后的5％.     

风电场风功率预测模型准确性探究

风电场输出功率预报的准确性需要风功率的精准预测来支持,不断提高风电场输出风功率预测的准确度是风功率精准预报的关键。为准确预测风功率,使风电场输出风功率保持较高的稳定性,提高风能利用效率及电力系统的稳定性,文章选用了3种最常见的模型进行风电输出功率预测研究:自回归求和滑动平均模型(ARIMA)预测、灰色系统GM(1,1)预测和BP神经网络预测;选取某风电场4月份某天的风电输出功率数值作为样本进行超短期预测;随后计算出这3种预测模型的均方根误差Erms、平均绝对误差Eav以及准确率r来对比它们的预测准确度。通过对比,发现利用自回归求和滑动平均模型对风功率进行短期预测能得到比较高的预测精度。     

智能计算在横山隧道施工监控中应用

本文运用人工智能领域中的遗传算法和神经网络知识，提出了一种基于遗传算法优化BP神经网络方法，利用MATLAB7自带的神经网络工具箱和英国Sheffield大学的遗传算法工具箱来实现遗传神经网络系统，结合横山隧道的隧道施工监测的实例，提出了拱顶沉降预测方法，预测效果和准确度均较好，实例说明利用遗传神经网络应用于隧道施工监控是完全可行的。     

基于BP神经网络的中、美贸易预测研究

根据中、美贸易的经济研究背景,分析中、美贸易重要影响指标,对其进行线性回归分析,发现中、美贸易额与各指标之间不是简单的线性相关,且各指标之间存在相互关系,所以不能用单一的线性回归模型进行预测。而BP神经网络具有非线性映射、自适应学习和良好的泛化能力等特征,运用BP神经网络模型对中、美贸易进行实证预测,大大提高了预测精度,取得了较好的效果。     

基于小波神经网络的上证50指数多步预测

以神经网络为代表的人工智能模型对股票价格具有良好的预测效果,但是该智能模型侧重于单步预测,很难满足实际股票预测的要求。提出基于小波和神经网络相结合的股票指数多步预测智能模型。选取上证50指数为建模数据,运用小波分解将上证50指数收盘价序列分解成不同尺度的分层数据,依据迭代策略,利用BP神经网络分别预测小波分解后的各层数据,最后将各层的预测结果使用小波重构成原始股票收盘价的预测数值。结果表明,基于小波神经网络的多步预测模型具有良好的多步预测效果。     

基于神经网络模型的上市公司财务预警研究

为了对上市公司财务状况进行合理预测,利用神经网络模型进行企业财务预警研究。首先,运用主成分分析等统计方法对初选的财务指标进行筛选,从初始指标中提取了五个因子作为财务预警指标;然后,选取2010至2013年间首次被特殊处理的上市公司作为财务危机样本企业,构建的财务预警模型提前三年的预测准确度近似于90%。研究结果表明,神经网络模型对我国上市公司财务状况预测具有较高的准确度,并且对预警指标进行适当的预处理,会提高模型预测的准确率。     

基于循环神经网络的西北太平洋台风路径预测

西北太平洋是全球台风高发区域之一,我国每年受登录台风影响,造成沿海地区发生狂风、暴雨和风暴潮等灾害性天气,准确预测西北太平洋台风路径对我国防震减灾意义重大。 基于循环神经网络的多元时间序列预测模型,以处理好的包含中国气象局（CMA）台风最佳路径数据集和欧洲中期天气预报中心（ERA5 ）数据集两种资料的多元时间序列数据为样本,训练3种循环神经网络并预测未来 6、12、24 h 的 热带气旋（TC）中心位置。结果表明预测失效为24 h时利用长短期记忆神经网络（LSTM）模型预测E值为173.15 km,误差要远小于门控循环神经网络（GRU）模型和循环神经网络（RNN）模型,认为利用 LSTM 网络对未来 24 h TC 中心位置的预测具有可行性和参考价值。     

基于GA-Elman动态回归神经网络的股价预测模型研究

文章针对股价预测问题的复杂性、不确定性、时变性及动态性等特性,利用Elman神经网络具有记忆性的优点,采用遗传算法训练优化Elman神经网络的初始权值,提出了高效的GA-Elman动态回归神经网络股价预测模型。实验模拟结果表明:该模型快速稳定且具有较高的精度,将其用于股票价格预测可行且有效。该模型的提出也为股票价格预测提供了一种新的技术和方法。     

基于混沌时间序列的CPI短期预测分析

有效控制CPI关乎国计民生,但其变动的随机性增加了预测难度。在对混沌时间序列预测流程进行了梳理的基础上,首先采用最大Lyapunov指数法辨别CPI时序的混沌特性,运用混沌理论重构相空间,利用逐步回归分析和BP神经网络进行混沌预测,并将ARIMA模型作为比较预测模型,最后从预测和拟合两个方面对模型进行效果评价。综合分析结果显示:2014年CPI增长范围为[2.8%,5.3%],变动幅度较大;2015年将高于4%;而2016年有望突破5%。该研究为CPI短期预测提供了较为可靠的方法,且预测结果可成为政府宏观调控政策的科学依据。     

我国小型风力发电产业发展现状及前景研究

近些年来,我国加快推进千万千瓦级风力发电项目的实施,却忽视了小型风电产业的发展。本文在简单介绍小型风力发电及分布式发电的基础上,深入分析了我国发展小型风电的必要性和现实可行性,研究了中国小型风电产业的发展现状和存在问题,并提出了一些推动中国小型风力发电产业的发展建议。     

丹麦风电发展经验研究及借鉴

文章介绍了丹麦风电发展的现状,分析总结了丹麦风电发展的成功经验。结合我国风电发展的实际情况,提出了相关的建议,包括提高风机制造技术、发展海上风电、出台一系列电价优惠政策、建立科学合理的运作机制等方面的建议。     

基于DEA的风电项目并网消纳能力研究

针对我国风电装机容量迅猛发展,但送出等能力不足的形势,研究风电项目并网消纳能力。首先构建了包含基础特性等4个方面在内的一级评价指标,后完善至包含风电出力稳定性等15个二级指标在内的风电项目并网消纳能力综合评价指标体系,最后运用数据包络法对五个风电项目进行算例分析。结果表明DEA方法适用于风电项目并网消纳能力的研究。     

基于因果聚类分析理论的维修成本控制体系研究

供电网络的维修维护工程比较复杂,影响的因素较多,影响方式多种多样,这给成本控制造成了很大困难。为了解决这个问题,我们采用数据分析,建立预测模型的方法,通过分析预测误差和预测的置信区间,确定维护成本的控制范围。为了提高预测得准确性,利用历史数据对要素变量进行因果聚类。然后将各类型中的变量进行主成份分析,降低变量集的维数。对选出的变量用神经网络算法构建预测模型,并利用其误差的性质确定误差范围,实现对成本的控制。     

基于平均发电成本的风电项目经济性分析

在分析风电项目资金成本、投资回收期、发电成本等经济评价要素的特性及其计算方法的基础上,提出了基于平均发电成本的风电项目经济性评价方法,并应用于中型与大型风电项目、海上风电场与陆上风电场项目的对比分析。实证分析结果表明,该方法在风电项目经济性评价中是有效的,大型风电项目比中型风电项目更具投资价值、海上风电场的长期经济效益优于陆上风电场。     

贵州山地地区风力发电技术发展探讨及展望

贵州属于典型的山地地区,风电场建设及运营具有很强的代表性.对贵州山地地区的风资源评估、风电场的建设,以及风电场的运营维护等方面展开研究,发现目前高海拔山地地区的风力发电技术存在突出的不稳定性和间歇性问题,贵州山地地形的风电场处于高海拔地区,风电场的发电量受季节和空气密度的影响明显.提出了利用储能技术和风力发电技术结合的方法来解决高海拔山地地形的风力发电技术的不稳定性和间歇性问题,这对山地地区风力发电技术发展和能源结构形式的调整具有重要意义.     

基于平价上网的海上风电可靠性研究

海上风电是最具规模化开发价值的可再生能源,预计2020年我国累计装机容量突破8.5GW。海上风电的运维成本在度电成本占比25%～40%。2019年起国家推行风电平价上网,对海上风电的发展带来深刻影响。通过海上风电度电成本分析,建立成本-效益模型。研究发现,风电设备的可靠性、可利用率决定了运维成本和度电成本的水平。基于成本-效益模型测算某海上风电项目的度电成本,风机设备可利用率为97.15%时,运维成本下降26.88%,度电成本最低,为0.575 2元/kW·h。     

宁夏风电装备制造业发展现状及其建议

宁夏是全国可利用风力资源较丰富的地区,具备发展风电产业得天独厚的优势条件。本文通过分析宁夏风电装备制造业发展具备的优势和产业发展现状,指出当前宁夏风电装备制造业尚存在本地产风机市场占有份额小,本地化配套能力弱,投融资困难等亟待解决的问题,并据此提出了针对性对策建议。