本文主要研究内容
作者黄彬,张伟,吕志瑞（2019）在《基于神经网络的蓄电池容量预测研究》一文中研究指出：针对当前变电站直流系统中蓄电池容量难以预测的问题,本文引入神经网络对蓄电池容量进行预测研究。为实现对变电站直流系统蓄电池容量的准确预测,首先对当前国内外蓄电池容量预测研究现状进行分析,总结国内外研究成果进行下一步研究工作;然后,在吸取各研究经验的基础上,对蓄电池容量预测模型进行构建。在构建该预测模型时,本文主要采用模糊神经网络与改进学习算法构建起整个蓄电池容量预测模型;最后,通过具体的仿真实验对上述模型的可行性和科学性进行验证,进而验证本文构建的模型在预测变电站直流系统蓄电池容量上的正确性。结果表明,本文构建的神经网络模型在预测方面与实际的均方根误差最小,进而验证了本文构建算法的精度与实际最为接近。由此说明本文构建模型的科学性和正确性。通过以上的研究,为变电站直流系统蓄电池容量预测工作提供参考。
Abstract
zhen dui dang qian bian dian zhan zhi liu ji tong zhong xu dian chi rong liang nan yi yu ce de wen ti ,ben wen yin ru shen jing wang lao dui xu dian chi rong liang jin hang yu ce yan jiu 。wei shi xian dui bian dian zhan zhi liu ji tong xu dian chi rong liang de zhun que yu ce ,shou xian dui dang qian guo nei wai xu dian chi rong liang yu ce yan jiu xian zhuang jin hang fen xi ,zong jie guo nei wai yan jiu cheng guo jin hang xia yi bu yan jiu gong zuo ;ran hou ,zai xi qu ge yan jiu jing yan de ji chu shang ,dui xu dian chi rong liang yu ce mo xing jin hang gou jian 。zai gou jian gai yu ce mo xing shi ,ben wen zhu yao cai yong mo hu shen jing wang lao yu gai jin xue xi suan fa gou jian qi zheng ge xu dian chi rong liang yu ce mo xing ;zui hou ,tong guo ju ti de fang zhen shi yan dui shang shu mo xing de ke hang xing he ke xue xing jin hang yan zheng ,jin er yan zheng ben wen gou jian de mo xing zai yu ce bian dian zhan zhi liu ji tong xu dian chi rong liang shang de zheng que xing 。jie guo biao ming ,ben wen gou jian de shen jing wang lao mo xing zai yu ce fang mian yu shi ji de jun fang gen wu cha zui xiao ,jin er yan zheng le ben wen gou jian suan fa de jing du yu shi ji zui wei jie jin 。you ci shui ming ben wen gou jian mo xing de ke xue xing he zheng que xing 。tong guo yi shang de yan jiu ,wei bian dian zhan zhi liu ji tong xu dian chi rong liang yu ce gong zuo di gong can kao 。
论文参考文献
论文详细介绍
论文作者分别是来自自动化与仪器仪表的黄彬,张伟,吕志瑞，发表于刊物自动化与仪器仪表2019年02期论文，是一篇关于神经网络论文,蓄电池容量论文,学习算法论文,容量预测论文,自动化与仪器仪表2019年02期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自自动化与仪器仪表2019年02期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：神经网络论文; 蓄电池容量论文; 学习算法论文; 容量预测论文; 自动化与仪器仪表2019年02期论文;