多模自适应舰船电力负荷预测算法

分析了舰船电力负荷预测的特殊性,给出舰船电力负荷预测的主要方法途径;提出适用于舰船电力负荷预测的多模自适应船舶电力负荷预测算法;并通过实验验证了多模自适应船舶电力负荷预测算法的准确性较高和泛化能力较强。     

电力推进船舶电力负荷混沌分析及预测

电力推进系统在船舶航行中至关重要,其电力负荷预测的准确性可以保障航行过程的稳定性及安全性。本文根据船舶的电力负荷特点,对其进行混沌动力学验证,经过混沌特性进行数据分析。将小波变换与SVM算法相结合,对负荷数据进行奇异性分析,然后通过小波分解法,将电力负荷分解成具有一定规律的分解量。该仿真方法可有效提高负荷预测的精准度,从而提高船舶在航行中的稳定性及经济性。     

RBF神经网络在船舶电力负荷预测中的应用

综合以往取得的研究成果,应用RBF神经网络对船舶电力负荷预测问题进行深入研究,提出一种基于RBF神经网络的船舶电力负荷预测方法。基于RBF神经网络实施船舶电力负荷预测,需要对对应的历史负荷数据进行选取。分两个层面对历史数据实施预处理,首先对异常数据实施完善和补充,接着实施样本归一化处理。基于RBF神经网络构建船舶电力负荷的对应预测模型,在模型的构建中,首先对节点数量进行确定。选取某高校实施船舶电站控制实验时使用的船舶作为实验船舶进行预测实例研究。根据研究中的实验结果,发现设计方法在预测时的相对误差较小,是一种预测精度较高的方法。     

电力推进船舶电力负荷预测方法

传统电力负荷预测方法在混度向量模糊场景下,所得到的电力负荷预测结果与实际电力负荷截值之间的误差较大。为了解决上述混沌场景下的预测精准度问题,提出电力推进船舶电力负荷预测方法。实现步骤共分为建立模糊预测量模型、混沌量回归优化与向量机预测输出负荷的优化3部分。通过对预测不同阶段关系量的优化,实现提升预测精准度的效果。与传统预测方法的数据对比表明,提出方法的预测值与实际负荷值之间的误差,明显小于传统预测方法预测值,更适合电力推进船舶电力负荷的预测应用。     

支持向量机的船舶短期电力负荷预测方法

船舶的短期电力负荷具有强烈的非线性变化特点,传统方法无法描述船舶短期电力负荷的变化趋势,以解决当前船舶短期电力负荷预测误差大的难题,提出了基于支持向量机的船舶短期电力负荷预测方法。首先对船舶短期电力负荷预测的研究现状进行分析,指出引起不足的原因,然后采用支持向量机对船舶短期电力负荷数据进行学习,建立可以反映船舶短期电力负荷变化的预测模型,最后进行了船舶短期电力负荷预测的验证性测试。结果表明,支持向量机可以提高船舶短期电力负荷预测精度,可以对将来船舶短期电力负荷值进行准确估计,具有较高的实际应用价值。     

参数优化的舰船短期电力负荷预测模型

对于舰船而言,短期电力负荷是一个至关重要的指标,它能够对舰船未来一段时间的负荷情况进行预测,从而为舰船电力系统运行方式的合理安排提供可靠依据,大幅度提升舰船电力系统的运行经济性。想要得到短期电力负荷情况,只能采用预测方法,所以构建一个性能完备的预测模型显得尤为必要。为实现参数优化的目标,可将不同的模型组合到一起,达到优势互补的效果,提高预测结果的准确性。结论证实,组合模型在舰船短期电力负荷预测中的效果更好。     

一型南海渔业冷藏运输补给船的电力负荷分析

通过分类归纳统计了一型南海渔业冷藏运输补给船的主要用电负载,简单介绍了计算方法,并对该船的各典型工况做了较详尽的介绍。根据计算得出了各典型工况下的电力负荷消耗,并最终确定了单台发电机容量及其台数,完成了船舶电站的配置。     

基于DSP技术的电力推进船舶电力负荷预测系统

针对电力推进船舶电力负荷的非线性、混沌性,难以进行准确预测的难题,设计了基于数字信号处理(DSP)技术的电力推进船舶电力负荷预测系统。首先,针对电力推进船舶电力负荷的特点,设计船舶电力负荷预测系统的总体框架,然后进行基于DSP技术的电力推进船舶电力负荷预测系统设计,分别进行船舶电力负荷预测系统的硬件与软件设计,最后进行仿真实验,仿真结果表明,DSP技术能够更好地把握电力负荷信号的变化规律,可以得到更为准确的船舶电力负荷预测精度,预测的实时性得到了极大的提升。     

一种改进的船舶电力系统负荷分类随机模型

提出了一种改进的船舶电力负荷分类随机模型,对该模型以及传统的负荷分类随机模型的误差进行了分析、比较,最后运用该模型计算了某船舶在某工况下的负荷功率情况.     

加权马尔可夫优化的NGBM(1,1)模型在中长期电力负荷预测中的应用

灰色理论在电力负荷预测领域中有重要应用,为了扩展灰色模型在中长期电力负荷预测中应用,提出了一种基于加权马尔可夫优化的非线性灰色伯努利(nonlinear grey Bernoulli Model, NGBM(1,1))预测模型.首先引进新型非线性NGBM(1,1)模型对电力负荷数据的总体趋势进行拟合,得到的灰拟合精度序列是一个随机波动的过程,再利用加权马尔可夫的特点确定灰拟合精度的加权转移概率矩阵,通过插值和还原计算对NGBM(1,1)模型的预测结果进行优化.将该模型运用到江苏省农村电力负荷预测中,结果验证其在预测精度上的优越性,并用于中长期电力负荷预测是有效可行的.     

基于迭代局部搜索和自适应粒子群优化的SVM短期负荷预测

为了能够进一步的提高船舶电力负荷的预测精度,针对SVM模型在负荷预测中存在的参数选取问题,该研究提出了一种新的参数优化算法:基于迭代局部搜索和自适应粒子群优化的组合算法。自适应粒子群算法提高了传统粒子群算法的收敛速度,引入的迭代局部搜索思想,配合新的极值评价标准能够很好的解决粒子群算法容易陷入局部最优的问题。仿真结果表明,利用新的参数优化算法使得SVM预测模型的精度得到了很大的提高。     

基于支持向量机的典型船体结构裂纹损伤模式分类研究

为了识别典型船体结构裂纹损伤,提出基于支持向量机(SVM)的分类方法,采用固有时间尺度分解(ITD)和奇异值分解(SVD)方法对振动信号进行特征向量提取,得到训练样本和验证样本数据,应用SVM算法对训练样本数据进行正确的分类。为评估SVM分类准确性,引入BP神经网络算法进行对比分析,2种算法对验证样本进行分类预测,结果证明SVM方法对小样本试验数据进行模式分类具有更高的准确率。对十字加筋板的损伤模式进行分类研究,可对船体局部结构的维修和管理提供更好辅助决策支持。     

数据挖掘在舰船电力负荷预测中的应用研究

首先描述基于数据挖掘的舰船电力负荷预测系统架构,然后按照此架构进行系统实现,并结合舰船电力负载预测的特点,利用遗传算法获取较好的搜索空间,这样可以避免BP神经网络算法陷入局部最优的情况。通过对比实验结果可知,本文所采用的遗传算法和BP神经网络相结合的优化算法预测能力强,拟合度高。     

支持向量机在船舶电力负荷预测中的研究

在现代的船舶设备中,电力系统已成为船舶的主要动力来源,其性能的优劣对船舶的航运安全和成本有着非常重要的影响。随着各种电气设备被广泛应用于船舶控制和通信导航系统中,船舶的电力供给已经变得至关重要,因此对电力系统负荷的预测已经成为人们研究的重点。本文结合支持向量机回归算法,设计了用于船舶电力系统的负荷预测机制,通过建立船舶电力预测模型和最小二乘支持向量机模型,实现了对船舶电力系统的负荷预测和性能优化。     

采用熵函数算法的船舶电力系统脆性评价体系研究

在船舶电力系统中,由于各种用电设备的数量和复杂度快速增长,因此对于电力系统工作状态的监控变得至关重要。本文采用熵函数算法对船舶电力系统的有关性能进行优化,主要针对电力网络的脆弱性进行研究。通过对脆弱性的判断,可以准确地预测电力系统的工作状态,同时也能够对电力系统中的故障发生概率进行预测。     

基于模糊逻辑的电力推进船舶电力负荷预测

在电力推进船舶中,电力负荷的预测是基础工作之一,利用模糊逻辑可以有效地提高其预测精度。文章建立了一个非单值Mamdani型模糊模型,用于某型电力推进船舶实际电力负荷时间序列达到预测。MATLAB仿真结果表明,预测曲线能够较好地跟踪实际曲线的趋势与走向,预测误差低,说明该模型具有良好的预测性能。     

GA-BP神经网络在船舶供电网络评价中的应用

船舶供电系统的正常运行,对于船舶用电自动化设备、生活用电、船舶电力推进器等非常重要,如何合理且有效的对船舶供电网络进行质量评价,近年来成为了业内的研究热点。本文介绍一种将遗传算法和神经网络相结合的GA-BP神经网络算法,系统介绍该算法的基本原理,并基于该算法对船舶供电网络的输出质量进行了建模和质量分析,通过采集一段时间内船舶供电网络中的电流数据,直接对船舶供电网络的质量进行评价。     

港口发电系统电力动态负荷自动测试方法

传统舰船电力动态负荷测试方法,无法对动态下强烈性非线性电力负荷做精准化走势运算,导致轴带发电系统运行负荷与生成实际电力负荷误差增大、运算速度减慢的问题。针对此问题,提出舰船轴带发电系统电力动态负荷自动测试方法。首先,通过对传统方法问题产生原因进行分析,找出误差产生参数。然后,通过引入NDHFR向量优化算法,对现有动态负荷测试参数进行优化替换提升计算速度,并利用替换后的形参数据建立检测模型,完成动态负荷的自动测试。最后,通过对比试验证明,提出的舰船轴带发电系统电力动态负荷自动测试方法切实有效解决了误差大的问题。     

渤中26-3油田扩建项目主电站选型设计

渤中26-3油田扩建项目拟新建1座动力处理平台PAPD、1座井口生产平台WHPC。新建平台并网后电力负荷超出渤中26-3电网装机容量,无法满足该区块油田各平台生产用电,需要在新建平台PAPD增设燃气发电机以满足油田各年份用电。经过对油田电力校核和电站方案分析,确定最优电站设计方案和燃气发电机的选型,满足油田高峰年产用电需求。     

基于模糊SOFM网分类的船舶电力负荷估算模型

提出了一种新的船舶电力负荷分类随机估算模型。将负荷的功率和工作概率作为分类的两项指标，利用模糊自组织特征映射（SOFM）网络对负荷进行分类，并基于分类给出了电力负荷的随机估算模型。由于分类保证了同一类中的负荷，其功率和工作概率均较接近，从而减小了因分类而导致的模型误差。给出了一个实例，其结果表明：模型精度高，计算简单，易于实现。