BP神经网络在解决电力消耗问题中的应用

由于BP神经网络在解决非线性复杂系统中存在很大的优势,以江西省1991—2011年人口、经济和耗电量等数据为研究对象,利用BP神经网络构建耗电量预测模型。模型一利用1991—2009年人口、经济和耗电量等数据作为训练样本,以2010—2011年作为测试样本来验证网络的准确性,再根据历史人口、经济等数据来预测历史耗电量;模型二采用传统的多元回归分析法,对非线性多元函数进行多元线性回归,通过回归模型得到的参数来预测耗电量。结果表明,模型一收敛性较好,所得预测结果绝对误差较小,而模型二传统方法得到的预测结果误差较大,因此,利用BP神经网络预测的结果具有非常大的参考价值,证明BP神经网络应用在电力消耗中的应用是可行的。     

《数据库原理及应用》课程教学改革初探

分析了信息管理专业数据库原理及应用课程教学的现状,结合该专业和课程特点及现状,从教学培养计划,教材选取,教学内容,教学方法,实践环节,考核方式等方面进行了探讨,提出了数据库原理及应用教学改革的思路与方法。     

素质教育前提下的高校计算机基础教学方法探索

《大学计算机基础》是高等院校非计算机专业学生的一门必修课。本文对素质教育要求下的高校计算机公共课教学现状进行分析,并提出几种切实可行的课程教学方法。     

低压配电网三相不平衡节能算法研究

配电网三相负荷不平衡对供电电网以及变压器等电器都会造成不利的影响,致使低压电网的可靠性和稳定性差,线损增高。结合工程实例,利用遗传算法在Matlab环境下求解出一个最优的负荷分配方案,从而使三相不平衡电路尽量接近三相平衡状态,减小零序电流,减少配网损耗,使系统能够在更加经济的状态下运行,达到节能效果。     

基于果蝇优化灰色神经网络的年电力负荷预测

年电力负荷预测的准确性对电力系统的经济效益和社会效益具有重要作用。灰色神经网络(GNN)是一种创新的智能计算方法,在实际中广泛应用。尤其在预测问题方面具有极大的潜力。作为一种新型的启发式和进化算法,果蝇优化算法(FOA)具有易理解和快速收敛到全局最优解的优点。为提高预测性能,提出一种以GNN为基础的年电力负荷预测模型,使用FOA自动确定GNN模型的相应参数值,提高模型的稳定性和预测精度。通过利用中国的年用电量为实例,计算结果表明,GNN结合FOA(GNN-FOA)优于GNN,广义回归神经网络(GRNN),最小二乘支持向量机(LSSVM)和回归模型等其他替代方法。