您的位置: 专家智库 > >

宁美凤

作品数:6 被引量:34H指数:4
供职机构:郑州大学电气工程学院更多>>
发文基金:河南省科技攻关计划更多>>
相关领域:电气工程自动化与计算机技术更多>>

文献类型

  • 5篇期刊文章
  • 1篇学位论文

领域

  • 5篇电气工程
  • 3篇自动化与计算...

主题

  • 3篇神经网
  • 3篇神经网络
  • 2篇电力
  • 2篇电力负荷
  • 2篇电力负荷预测
  • 2篇短期电力负荷
  • 2篇短期电力负荷...
  • 2篇组合预测
  • 2篇小波神经
  • 2篇小波神经网络
  • 2篇故障诊断
  • 2篇发电
  • 2篇风力
  • 2篇风力发电
  • 2篇负荷预测
  • 1篇电网
  • 1篇信息融合
  • 1篇预估控制
  • 1篇在线监测
  • 1篇证据理论

机构

  • 6篇郑州大学

作者

  • 6篇宁美凤
  • 3篇陈铁军
  • 2篇郑金
  • 2篇罗勇
  • 1篇汪兆财

传媒

  • 1篇自动化仪表
  • 1篇信息与控制
  • 1篇电力自动化设...
  • 1篇郑州大学学报...
  • 1篇电力系统保护...

年份

  • 4篇2013
  • 2篇2012
6 条 记 录,以下是 1-6
排序方式:
电网自愈控制中故障实时监测及诊断研究被引量:4
2013年
为了实现智能电网的自愈控制,采用多智能体(MAS)对电网自愈控制进行建模与分析,提出了一种基于MAS的电网自愈控制结构。针对自愈电网的分布式分层控制结构,具体设计了故障在线实时监测及诊断子系统。系统根据电网实时监测数据,判断电网运行状态;当电网发生故障时,融合电气量及开关量数据,采用故障模式匹配和Petri网技术分别对电气量及开关量进行故障特征提取,并通过D-S证据理论融合,得出诊断决策。该系统为快速、准确地隔离电网故障并实现电网自愈控制提供了新的途径。
陈铁军宁美凤
关键词:智能电网神经网络信息融合故障诊断D-S证据理论
基于相似日搜索的PSO-WNN组合模型在短期电力负荷预测中的应用被引量:8
2013年
为解决短期电力负荷预测中单一预测方法的预测精度差、计算时间长等问题,提出了基于相似日搜索的PSO(粒子群优化算法)优化WNN(小波神经网络)的短期电力负荷组合预测方法.首先利用模糊聚类分析方法筛选与待预测日相似的日期数据作为组合预测模型的训练样本,使训练更具有针对性,提高了训练的精度并缩短了计算时间.再通过PSO算法优化小波神经网络,克服了以往BP(back propagation)算法易陷入局部最优,且搜索效率低下等问题.实验表明,这种组合预测模型的预测精度相对于其它方法有较大提高.
罗勇郑金宁美凤
关键词:短期电力负荷预测组合预测小波神经网络
风力发电变速变桨系统的混杂控制(英文)被引量:3
2013年
针对变速变桨风力发电系统随机扰动大、多工况运行、结构时变的复杂系统控制问题,以风机的输出功率、转速和桨距角为研究对象,提出了一种基于混杂自动机的变速变桨控制模型。充分考虑到系统变速和变桨过程中的耦合关系,将控制过程分成4个阶段,结合预估控制给出了各阶段控制器的算法。利用MATLAB/Simulink对某额定功率为1 300 kW的变速变桨风力机组进行建模和仿真,结果表明与传统控制方法相比,采用该建模和控制方法,既改善了风力机输出电能质量,也提高了变速变桨风力发电系统的风能利用效率。
陈铁军宁美凤汪兆财
关键词:混杂自动机预估控制
风速及风电功率短期预测方法研究
具有分布广、蕴藏量大的风能,作为一种清洁环保的可再生能源越来越受到重视。在大力发展风力发电的同时,风电入网对电能质量、电力系统安全运行以及电力供需平衡也带来了挑战。如何降低风电入网给电力系统带来的影响、以及提高风力发电的...
宁美凤
关键词:风力发电风速预测风电功率预测回声状态网络
基于分布式MAS的电网自愈控制方案研究被引量:12
2012年
为了实现智能电网的自愈控制,在分析了MAS技术的基础上对电网自愈控制进行了建模与分析,提出了一种基于MAS的分布式分层电网自愈控制结构。并根据电网的物理关联模式,提出了一种分布式电网MAS网络化的结构模型。在此结构模型的基础上,建立了电网分布式MAS的预测系统和控制系统,通过不同功能Agent之间的分工合作、协同运行来对电网运行状态进行监控,以确保电网的安全稳定运行。并就电网发生故障时的自愈控制模式进行了分析研究。
陈铁军宁美凤
关键词:自愈控制MAS在线监测故障诊断
短期电力负荷组合预测方法研究被引量:7
2013年
为了解决短期电力负荷不同预测方法的预测角度片面性、预测精度差等问题,提出了基于小波神经网络(WNN)的组合预测模型.首先用小波神经网络预测模型和历史平均模型分别进行预测,然后再通过小波神经网络对两单一模型的预测值进行组合.相比BP神经网络组合模型,该组合预测模型的预测精度大大提高.该模型同时引入模糊聚类分析的方法选取组合模型的训练样本,减少了训练样本的冗余性,提高了预测模型的精度.
罗勇郑金宁美凤
关键词:短期电力负荷预测组合预测小波神经网络
共1页<1>
聚类工具0