公开(公告)号：CN114781752A

公开(公告)日：2022-07-22

申请号：CN202210549574.9

申请日：2022-05-20

Applicant: 常州大学

Inventor： 李嘉诚 ,  史兵 ,  乐效鹏 ,  宫一搏 ,  蒋建明

IPC: G06Q10/04 ,  G06Q50/06 ,  G06F30/27 ,  G06N3/00 ,  G06N3/04 ,  G06N3/08 ,  H02J3/00

Abstract: 本发明涉及Elman算法技术领域，尤其涉及一种基于改进Elman神经网络的电力参数预测方法，包括：通过改进粒子群算法的学习因子，并应用到改进Elman网络模型中，通过改进Elman网络模型对电力负荷数据进行训练，建立改进Elman网络模型，并通过测试集进行验证。本发明针对Elman神经网络在电力负荷预测上的精度问题上，通过改进Elman神经网络结构以及与改进粒子群优化算法相结合，提高电力负荷预测精度。

公开(公告)号：CN116298037A

公开(公告)日：2023-06-23

申请号：CN202310243664.X

申请日：2023-03-14

Applicant: 常州大学

Inventor： 乐效鹏 ,  史兵 ,  李嘉诚

IPC: G01N30/86 ,  G06N3/043 ,  G06N3/006

Abstract: 本发明涉及神经网络技术领域，尤其涉及基于改进自适应模糊神经网络的变压器故障预测方法，包括采集变压器油色谱数据，并对油色谱数据进行归一化处理；建立T‑S型自适应模糊神经网络模型；通过改进粒子群算法优化T‑S型自适应模糊神经网络的前提参数；预测的变压器故障类型，并对预测结果进行评估。本发明通过对传统粒子群算法进行改进并在后期跳出局部优化，解决T‑S型自适应模糊神经网络参数寻优能力弱、收敛速度慢、精度和效率低的问题。