简介:精确的短期电力负荷预测对电力系统的生产调度和安全稳定运行起到十分重要的作用。为提高短期电力负荷预测模型的精度。提出了一种基于Elman神经网络的改进模型。通过在输出层和隐含层之间扩展一个新的承接层。增强了Elman神经网络的动态信息处理能力。仿真结果表明,改进型Elman神经网络预测模型的预测精度要高于反向传播、支持向量机和常规Elman,同时也说明了建立改进型Elman模型用于短期电力负荷预测是可行的。
简介:针对现有的电动机测试系统存在的负载加载可控性较差、数据采集速度慢、可模拟的负载种类少等问题,借助于工控机与可编程逻辑控制器(PLC)构成两级控制装置,引入改进的比例-积分-微分(PID)控制算法,研究开发了一套完整的电动机智能测试系统.该系统可以提高电动机测试的自动化程度,由于在测试中采用了分离元件“拼装组合”的方式,保证了整套测试系统的可靠性和可替换性.