标签: BP神经网络

为了满足电网对光伏电站功率预测数据准确度的要求，利用相似日理论对历史数据进行筛选，通过自适应差分BP神经网络对功率预测系统进行建模，选择新疆某光伏电站在晴天、阴天、风沙天气条件下的实际运行数据进行验证，实验结果表明，本文建立的光伏电站短期功率预测模型的预测精度符合新疆调度考核要求，适用于在工程上推广应用。

针对规模不断增长的配电网工程所出现的造价管理问题，文中以现行配电网工程项目线路划分为基础，分析造价的主要影响因素，提出一种基于BP神经网络的配电网工程造价预测模型，可以用较少的信息快速准确的对配电网工程造价进行预测。该模型首先对造价的影响因素使用因子分析法进行度量，并将主要因子作为输入，通过3层结构的神经网络得到工程造价输出。文中最后通过运用国内已有的配电网工程中的75段输电线路工程数据对所提出的BP神经网络预测模型进行验证，实验结果表明所提出的预测模型准确性高，具有很好的实用性与可行性，并为日益严峻的配电网工程造价预测问题提供了新的可行的解决方案。

文中以4节12V的串联锂离子电池组模块为研究对象，通过实验采集动力电池充放电时的电压、电流、温度、内阻和放电量数据来估算电池的荷电状态（StateOfCharge，SOC），重点考虑内阻对动力电池SOC预测结果的影响。以动力电池的电压、电流、温度和内阻作为输入，SOC作为输出，建立四输入一输出的神经网络仿真模型。实验结果表明SOC的预测精度为1.6%，比未考虑电池内阻的预测精度提高45%左右。本文提出的预测方法，其运行时间为0.27s左右，比不考虑电池内阻时稍有延长，但完全能满足不同工况动力电池充放电时SOC在线估算的速度要求，从而能实现SOC的在线准确预测。

快速、准确地预测电动汽车充电负荷是实现电动汽车充放电行为控制的基础。该文围绕电动汽车充电负荷预测开展研究，基于电动汽车充电负荷分布特性分析，综合比较各类负荷预测方法的特点，提出了基于BP神经网络和指数平滑法进行电动汽车充电负荷的滚动预测，对选取的算法进行仿真分析，并结合充电负荷的日预测，比较两者的误差，滚动预测的精度要高于日预测的结论，验证了电动汽车充电负荷滚动预测的可行性与有效性。