简介：由于煤层地质条件复杂多变,煤矿开采中的通风构筑物较多,造成矿井通风困难。本文基于人工神经网络法的理论与计算方法,对麻黄矿通风系统进行实例评价,通过对比人工神经网络法的计算结果与矿井通风评价的实测值,人工神经网络法对于矿井通风评价具有较高的可靠性。

简介：摘要阐述BP神经网络特性在人才需求预测当中的应用，经济领域当中人才预测部分理论进行综述，并且包括其他预测模型综述。

简介：摘要：随着经济、技术的迅速发展，现代社会对于电能的需求量快速增加，电力系统也日益庞大和复杂，出现故障的潜在风险也逐步增加。近年来，随着人工智能技术和神经网络算法的快速发展和应用，特别是具有强大算力的神经网络硬件加速器和专用芯片的出现，神经网络应用于电力系统变得越来越有前景。本文对神经网络及其模型进行了介绍，并对神经网络在电力系统故障诊断、安全评估、负荷预测、经济调度等方面的研究进行阐述，最后总结了神经网络应用于电力系统的优点、缺点以及需要进一步解决的问题。

简介：摘要：本文旨在研究基于神经网络的电力系统故障预测方法。首先，我们将对神经网络的基本原理和在电力系统故障预测中的应用进行概述。然后，我们将详细介绍几种常用的神经网络模型，如多层感知器、递归神经网络和卷积神经网络，并阐述它们在电力系统故障预测中的应用。接下来，我们将提出一种基于深度学习的故障预测模型，该模型结合了多种神经网络的优势，能够更准确地预测电力系统的故障。最后，我们将通过实验验证该模型的有效性和可靠性。

简介：摘要：近几年，能源问题已经成为社会发展中极为重要的一部分，能源危机的出现使得资源获取的过程中，人们渐渐地从原本的不可再生能源逐步转化成为清洁能源、可再生能源，而风力发电则成为能源研究中的重点。由于风力发电具有非持续性以及随机性这一特点，这也使得风力发电在安全性以及稳定性、供电质量上有待提高。选择IBAS-BP神经网络方式则能够更好地对风力发电的效果进行有效地预测，能确保在开展在使用风力发电时，其使用质量能够得以提升。

简介：摘要：截至2020年底，并网风电装机容量28153万千瓦，增长34.6%，占全国电源总装机容量的12.8%。在高速发展的背后却隐藏着急需解决的安全隐患，而风电机组漏油就是其中最为严重的问题，轻则污染机舱环境、重则引起整个机组火灾，及倾斜与倒塌。因为油具有难以挥发性及粘性的物理特性，通过传感器的方式进行检测，不能复位并实现持续检测。只有通过机器视觉即视频技术手段才能实现非接触式可持续检测，因为机舱内具有相对均衡的光线环境，相对恒定的测量距离，相对静止的参照背景等三个有利条件，通过卷积神经网络深度学习方法，对舟山二十台风电机组几十万张现场照片进行训练，并通过高性能人工神经元网络单元(NPU)进行运算，形成了产品化解决方案并成功应用到项目中。

简介：

简介：

简介：摘要：配网单相接地故障占比较高，为提高选线准确性，得到更多选线方法，采用BP神经网络法对单相接地故障选线进行分析，建立基本数学模型，并使用电路仿真软件对配网模型进行仿真，数据结果进行归一化，使用神经网络进行计算，可选出故障线。

简介：摘要：随着我国经济和社会的不断发展，风电行业的发展越来越快。我国安装的风电装机量占到全球总量的三分之一，且还在以每年超过25GW的速度增长。由于全球环境问题日益严重和我国的资源日渐短缺，为了加快可持续发展的步伐，我国大力发展风电并网，目前风电并网已经成为比较成熟的新能源。但风电出力的不确定性是目前风电并网面临的一项巨大挑战，研究风电出力的随机性、间接性等特点，针对不同特性优化风电并网，可以提高系统运行的经济性，有效降低成本。

简介：摘要：随着我国经济和社会的不断发展，风电行业的发展越来越快。我国安装的风电装机量占到全球总量的三分之一，且还在以每年超过25GW的速度增长。由于全球环境问题日益严重和我国的资源日渐短缺，为了加快可持续发展的步伐，我国大力发展风电并网，目前风电并网已经成为比较成熟的新能源。但风电出力的不确定性是目前风电并网面临的一项巨大挑战，研究风电出力的随机性、间接性等特点，针对不同特性优化风电并网，可以提高系统运行的经济性，有效降低成本。

简介：研究煤体瓦斯渗透率可以为煤矿企业安全生产提供更好地保障。本文通过分析有效应力、瓦斯压力、温度和抗压强度四个影响因素对煤体瓦斯渗透率的影响,利用SOM神经网络对22组影响因素样本进行分类训练,建立煤体瓦斯渗透率分类预测模型。并运用模型对8组样本进行预测,结果表明：预测结果正确率为87.5%。可见,基于SOM神经网络建立的煤体瓦斯渗透率分类预测模型是有效的。

简介：利用影像的空间信息在图像局部范围内自动搜索和选择最佳样区位置，再用光谱匹配对寻找到的最佳样区从空间和光谱两个角度对样区进行了纯化，使得训练样本更适合遥感图像分类的要求，最后利用BP网络对遥感图像进行分类。实验结果证明，原始遥感图像经过样区纯化算法处理后，目视判读效果和数值分析都表明提高了分类精度。

简介：摘要：随着人工神经网络在计算机科学、自动控制和人工智能等领域都获得了广泛的应用，同时也为查出潜在用电用户窃电行为提供了一种新的方法。利用改进后小波神经网络在非线性映射领域的独特优势，基于窃电用户用电数据信息构建反窃电指标评价体系，再通过在反窃电实例应用的对比分析来验证方法的有效性和优越性。

简介：在进行新型胶凝材料开发的试验中,为减少试验数量使用正交试验法进行研究。但正交试验有其缺陷性存在,即在数据分析时无法进行更详细的试验配比分析。因此,在开展了新型胶凝材料开发的正交试验后,再采用BP神经网络进行样本强度的学习训练,用以建立试验配比与强度之间的模型。通过大批量的探索实验,证明了BP神经网络在节省物力和人力的同时,可以显著的提高试验的工作效率。

简介：摘要：文章 为进一步改善永磁交流同步电机（ PMSM）交流 伺服系统的控制性能，使控制系统能够实时跟踪控制对象参数的变化相应地调整控制器参数 ,以提高控制系统的快速性、鲁棒性和自适应能力，采用了神经网络控制策略，把神经网络和传统 PID 调节器结合起来形成单神经元自适应 PID 智能控制器， 在 MATLAB 仿真软件的运行环境下，建立了单神经元控制器的仿真模型和 永磁同步电机及其基于电机矢量控制的双闭环交流伺服系统的仿真模型，完成了单神经元控制器作为速度环控制的仿真实验。

简介：针对永磁直线同步电机（PMLSM）直接驱动系统的非线性与电机参数时变、易受扰动的特性，将滑模控制和神经网络控制相结合，用两个神经网络控制器分别实现滑模等效控制和滑模切换控制，构成神经网络自适应滑模控制。仿真结果表明，神经网络滑模控制和常规的滑模控制相比，具有更好的动态稳定性和跟踪性能，对外界干扰具有较强的鲁棒性。

简介：摘 要：风能储量巨大，是可再生能源的重要组成部分，发展潜力无限。本文根据风的特性，提出了基于提升小波和人工神经网络的短期风电功率预测模型并通过运用我国某风电场的实际数据进行仿真分析，结果表明，本文提出的方法在短期风电功率预测上确实有效可行。

简介：摘要：电池管理系统(BMS)可以延长电池寿命，但它取决于所采用方案的准确性。已经开发了不同的技术来通过监控电池的健康状态(SOH)来增强BMS。本文采用循环计数法对电池电压的检测进行了分析，并与人工神经网络这种启发式方法进行了比较。所提出的人工神经网络方法的优点是可以在不将电池与负载断开的情况下监测SOH。此外，人工神经网络的采样数据来自各种技术，包括开路电压(OCV)法、环境温度测量和谷点检测。采用前馈反向传播算法来达到实时监控实验室的目的。结果表明，前馈神经网络(FFNN)在用更多的采样数据训练时，可以获得对SOH的精确估计。

简介：摘要：电力工程是国计民生的重要保障，如何高效、准确地识别异常数据是实施工程的必要手段。文中基于对电力工程数据的分析，利用了分层电网工程数据检测系统，其具有分层体系结构。使用统计模型与神经网络分类器进行数据检测，并测试了5种不同类型的神经网络的性能，以及在分层数据检测系统上进行的异常数据的压力测试结果。基于此，本文对基于BP神经网络的电力工程异常数据识别技术进行探讨，以供相关从业人员参考。