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。     

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。     

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。     

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。     

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。     

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。     

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。     

电力推进式船舶电力负荷预测系统研究

传统船舶电力负荷预测系统存在短期用电量不均、承载上限模糊等弊端。为有效解决上述问题,设计新型电力推进式船舶电力负荷预测系统。通过预测电路设计、推进负载接口设计2个步骤,完成新型系统的硬件运行模块设计。通过电力负荷环境的搭建、数据库设计、负荷预测流程完善,完成新型系统的软件运行模块设计。模拟系统应用环境设计对比实验结果表明,与传统系统相比,新型电力推进式船舶电力负荷预测系统有效平均短期用电量、明确承载上限。     

基于FCM聚类的船舶网络传输时延自适应优化方法研究

针对传统船舶网络传输时延控制方法存在的时延性能差、传输失败率高的问题,研究一种基于FCM聚类的船舶网络传输时延自适应优化方法。该方法利用TURBO编码和LDPC编码相结合的方法对船舶网络信道进行编码,搭建船舶网络环境;利用基于灰度关联分析预测方法预测各信道的负荷能力,结合预测结果,利用FCM聚类算法实现资源数据与传输路径之间的聚类匹配,从而合理均衡配置资源,最大程度降低网络传输时延。结果表明:船舶网络传输时延自适应优化方法进行船舶网络信息传输时延缩短了7.9 ms,平均传输失败率降低了8.44%。