电力系统自动化初级职称范文参考及

　　电力系统自动化初级职称范文下载地址：点击这里。发表期刊推荐《电源技术应用》杂志(PowerSupplyTechnologiesAndApplications)创刊于1998年4月，由国务院副总理曾培炎亲自题写刊名，中国电源学会、陕西省电源学会联合主办，是电源行业第一本面向应用、具有较强学术性、实用性和信息性的中级技术刊物。
　　摘要:基于智能电力建设工程造价是一个非线性最优融合智能算法、运用知识自动处理及有效的计算机应用体系,它强调人的智能参与和强调智能算法的灵活应用与解决复杂问题的过程中表现出了良好的适应性和可操作性等.同时对某市送电线路历史工程样本训练和实例样本计算分析,验证了该方法的预测准确性和收敛性及将灰色系统理论与层次分析法进行有机地结合,应用灰色神经网络分析方法处理电力建设工程造价决策问题,使电力建设工程造价方案决策过程具有科学性与实践性。

　　关键字:灰色神经网络,电力建设工程,模型

　　0引言

　　随着社会经济的快速发展、社会的进步、科技和多层信息化水平的提高以及全球资源和环境问题的日益突出与电力建设发展面临着新的挑战.在电力行业在各国经济发展中占据优先发展的地位,电力建设工程造价与其他电力建设工程造价相比,具有电力建设工程造价规模大、周期长的特点.基于众多的电力建设工程造价方案中选择较优方案是电力建设工程造价决策的关键技术.在电力建设工程造价方案比选过程中的评价指标有工程造价净现值、电力建设工程造价回收期、财务内部收益率等,使决策变得复杂且很难做出.基于灰色系统理论、模糊理论进行有机的结合,用灰色神经网络度分析方法来计算决策矩阵和建立模型[1],并应用到实际电力建设工程造价决策中,可为决策者提供一种有效的决策途径,根据灰色系统理论,研究和分析决策系统影响因素间的相互关系及对系统主要目标的贡献,该研究方法考虑了传统因素分析方法并避免了模糊理论处理方法的种种弊端。

　　1基于灰色神经网络原理及应用

　　基于灰色神经网络模型为基础的预测,运用灰色系统的数据信息预处理方式搭建电力建设工程造价即灰色生成来优化神经网络的建模应用于智能电力建设工程造价中的问题预测。

　　2基于电力建设工程造价与灰色神经网络模型研究

　　基于灰色神经网络是以训练样本算法即误差反向传播算法即灰色神经算法的学习过程分为信息的正向传播和误差的反向传播[2],其通过训练样本前一次迭代的权值和阈值来应用神经网络技术的第一层向后计算各层大规模自组织神经元的输出和最后层向前计算各层权值和阈值对总误差的梯度进而对前面各层的权值和阈值进行修改运算反复直到神经网络样本收敛。

　　2.1基于电力建设工程造价灰色神经网络模型

　　基于灰色神经网络输入向量为X=()T;隐含层输出向量为Y=()T;输出层的输出向量为O=)T;期望输出向量为;输入层到隐含层之间的权值矩阵,其中列向量为隐含层第j个大规模自组织神经元对应的权向量;隐含层到输入层之间的权值矩阵,其中列向量为输出层第k个大规模自组织神经元对应的权向量.各层信号之间的算法结构为:

　　⑴⑵

　　⑶⑷

　　以上式中的均为S类型函数,的导数方程为:⑸

　　以下是基于电力建设工程造价灰色神经网络输出与期望输出的均方误差为:⑹

　　则电力建设工程造价训练样本输出层和隐含层的权值调整量分别为:⑺⑻

　　⑼

　　式中:为比例系数,在电力建设网络模型训练中代表学习速率.如果灰色自组织神经网络有个隐含层,各隐含层节点分别记为,各隐含层输出分别记为,则各层权值调整灰色神经网络模型运算计算公式分别如下:

　　输出层⑽

　　第隐含层

　　⑾

　　第一隐含层⑿

　　综合上述预测分析在灰色神经在电力建设工程造价中学习算法运用各层权值调整公式均由学习速率、本层输出的误差信号和本层输入数字离散信号处理决定在网络训练样本学习的过程受决策环境复杂程度和训练样本的收敛性即需要增大样本量来提高电力建设工程造价所学知识的代表性应注意在收集某个问题领域的样本时,注意样本的全面性、代表性以及提高样本的精确性,增大抗干扰噪声,还可以采用其他方法收集多层训练样本数据。

　　3结束语

　　基于电力建设工程造价方案的选择问题是一个复杂的系统多属性决策问题,评价因素多而且相互之间的关系比较复杂.通过构建灰色神经网络决策模型,综合考虑到电力建设工程方案选择过程中的多方案、多因素、多目标特点,避免了单指标方案选择过程中存在的决策偏离问题.通过该模型优化全面分析多层目标指标间的相互关系,较好地解决单指标无法全面反映工程方案多目标的问题,为电力建设工程方案优选提供了一种可靠的途径数据。

　　参考文献:

　　[1]汪应洛.系统工程理论、方法与应用[M].北京:高等教育出版社,1992.

　　[2]刘思峰.灰色系统理论及其应用[M].北京:科学出版社,2007:51-95.