版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、分類號P33論文作者金匝堡學號。V912065罾級玉單位煎連盔堂論文中文題名盔匿登筮墮垡絲翊廑壟經(jīng)圓絡熊型皿盔論文中文副題名玉論文英文題名!!!YQ!Q&!i嬰壘!Q&!!煎i塑△巡墜i!!!!叢Y壁!Q乜Q堂皇!蔓主壘羔iQ旦墨論文英文副題名無論文語種這適論文摘要語種返!墓論文頁74論文字數(shù)量互論文主趙詞鲞魚堂登!叢絲遢廑!盟絲圓鱉!擔窒悶重撿!魚煎僉墾!絲逾亟型申請學位級別亟專業(yè)名稱盔塞堂區(qū)丞姿速研究方向查童近塑劃量篁堡指導教師姓名
2、鮭堊塞塑遂導師單位塑盤太堂壟壅近巫撞堂喧論文答辯日期!!!!生!旦!!旦AbstractWiththeincreasingperfectofmarketeconomyenvironmentandthedeepeningreformofelectricpowersystem,theimprovementofqualityofpowersupplyandeconomicbenefithasbecomethekeyfactorofevalua
3、tingwhetheraelectricpowercorporationCandevelopprosperouslyunderthemarketmechanismThejointlyoperationofreservoirscanimprovethequalityandreliabilityofpowersupplynotablyandstrengthenthesecurityofpowersupplytheeconomicbenefi
4、tofthesystemisalsoadvancedTheoptimaloperationmodelforthethehydropowerstationsismainlystudiedinthedissertationMediumandlong—termrunoffforecastingmethodsareexploredinthedissertation,itstudiesthetheoriesandmethodsofthephase
5、spacereconstruction,andsummarizestheforecastingmethodsbasedonreconstructingphasespaceoftimeseriesAccordingtothecharacteristicsofrunoffofJinxiBasininFujian,thereservoirinflowrunoffforecastingmodelisestablishedbycouplingof
6、PhaseSpaceReconstructionandNeuralNetworkCasestudiesshowthatthebroadsuitabilityofthemodelanditsdegreeofaccuracyaresatisfactoryArtificialNuralNetwork(BPnetwork)isintroducedintooptimaloperationofhydropowerstationgroup,andth
7、eimpactsnotonlytothenetworktrainingbutalsotoapplicationsresultsarediscussedfromtheNetworkstructure、trainingparameters、TrainingmethodsandTrainingsamplesInthispaperBothhistoricaloutputanditssensitiveimpactfactorsofpowersta
8、tionareusedasfaultsamplestotraintheBPNN,AccordingtothedataofJimxiBasininFujian,amodelontheoptimalschedulingofhydropowerStationsbasedonNeuralNetworkiSestablished,andtheresultshowthecorrectnessofthemodel,itcansimulatebette
9、randofhighprecisionTothePracticaldemandofHydropowerStationsinCascades,thepaperintroducestheSlidingDecouplingmethodonthebaseofshort—termEconomicLoadDispatchingCombinatingthesimulationcalculationonoutputofhydropowerstation
10、s,short—termeconomicloaddispatchingandsimulationcalculationmodelofcascadedHydropowerStationsisestablished,andItspracticabilityandgoodsimulationareverifiedbytestinginJinxiBasinFujianKeywords:HydropowerStations,OptimalOper
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 水庫群發(fā)電優(yōu)化調(diào)度神經(jīng)網(wǎng)絡模型研究.pdf
- 基于逐級優(yōu)化方法的水庫群發(fā)電調(diào)度研究.pdf
- 考慮中期徑流預報及其不確定性的水庫群發(fā)電優(yōu)化調(diào)度模型研究.pdf
- 基于神經(jīng)網(wǎng)絡的水庫藻類預警模型研究.pdf
- 三峽與金沙江下游梯級水庫群發(fā)電優(yōu)化調(diào)度研究.pdf
- 基于改進BP神經(jīng)網(wǎng)絡的梯級水庫調(diào)度函數(shù)研究.pdf
- 梯級水庫群發(fā)電優(yōu)化調(diào)度的理論與實踐——以烏江梯級水庫群為例.pdf
- Spark并行動態(tài)規(guī)劃及其在水庫群發(fā)電優(yōu)化調(diào)度中的應用.pdf
- 灰色神經(jīng)網(wǎng)絡預測模型的優(yōu)化研究.pdf
- 基于自適應學習率BP神經(jīng)網(wǎng)絡的水庫調(diào)度函數(shù)研究.pdf
- 水庫調(diào)度耦合優(yōu)化模型分析.pdf
- 水庫生態(tài)-發(fā)電優(yōu)化調(diào)度及應用研究.pdf
- 基于神經(jīng)網(wǎng)絡優(yōu)化的股指預測模型研究.pdf
- 基于SCADA系統(tǒng)的燃氣輔助調(diào)度神經(jīng)網(wǎng)絡模型的研究.pdf
- 基于神經(jīng)網(wǎng)絡的梯級水電站短期優(yōu)化調(diào)度研究.pdf
- 基于神經(jīng)網(wǎng)絡模型的鍋爐燃燒優(yōu)化控制研究.pdf
- 新豐江水庫發(fā)電供水優(yōu)化調(diào)度方法研究.pdf
- 基于智能優(yōu)化算法的水庫發(fā)電調(diào)度圖研究.pdf
- 水電站水庫優(yōu)化調(diào)度模型研究.pdf
- 基于神經(jīng)網(wǎng)絡預測模型的光伏發(fā)電系統(tǒng)MPPT研究.pdf
評論
0/150
提交評論