基于GRNN的二次设备在线监测信息预测

• 作者: 丁坚勇 张喜铭 朱海龙 李金 苗帅 陶文伟
• 来源期刊: 广东电力
• 学科: 工学
• 关键词: 二次设备 在线监测信息 广义回归神经网络 关联性 径向基神经网络 预测
• 年，卷（期）: 2016,（9）
• 页码范围: 89-93
• 页数: 5页
• 分类号: TM73
• 字数: 3935字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2016.09.018

摘要

针对电网二次设备在线监测信息中连续变化的信息,如电源电压、装置温度、CPU 使用率等,应用广义回归神经网络(generalized regression neural network,GRNN)对这些信息在线监测值进行预测,通过对比预测值和实际值,得出相对误差曲线；再与反向传播算法(back propagation,BP)神经网络和径向基函数(radial basis function,RBF)神经网络进行对比,验证了 GRNN在预测中具有更高的准确性。同时,探讨了将二次设备在线监测信息的关联性考虑进预测中,将温度和CPU使用率关联并进行预测,与之前的预测结果进行对比,证明将信息之间的关联性考虑到预测中去有助于提高状态预测的准确性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁坚勇	武汉大学电气工程学院	118	1480	21.0	33.0
2	张喜铭		20	113	6.0	10.0
3	李金		23	106	6.0	9.0
4	陶文伟		21	126	6.0	11.0
5	朱海龙		6	13	2.0	3.0
6	苗帅	武汉大学电气工程学院	1	2	1.0	1.0