基于人工神经网络模型的需求管理协议的化设计毕业论文外文翻译.docxVIP

附录B 外文翻译文献译文：基于人工神经网络模型的需求管理协议的优化设计摘要节能系统需求的不断增加引起了人们对能源管理的各种奇思妙想。一种主要的节能方法在于对电力系统需求管理。任何需求管理计划的目标是控制用户对电力的需求从而为电力设备创建负载救援和提高系统安全性。通常情况下，需求管理方法是奖励那些愿意注册负载中断的用户，我们称这些形式的协议为激励相容的协议，协议规定给用户提供的奖励应该超过中断成本，同时也应对公司有利。各种设计方法的系统是不同的，并且过去的设计机制来源于博弈论的设计机制，此类的设计已被应用。在这个协议中，我们提出人工神经网络，通过训练以确定最佳方案。人工神经使用的学习算法是反向传播学习算法，我们使用电力系统参数作为神经网络输入，而输出作为期望值。博弈论的设计原理作为从人工神经网络获得结果的目标。我们提出的神经系统是在IEEE14节点测试系统上测试的。关键字：设计机制、博弈论、需求管理、人工神经网络、反向传播学习算法引言在世界上的大多数国家，电能需求大大增加。很多的电力公司对于需求增加试图生产更多的电力，这问题产生了各种反应，实际上是资本密集型并且对环境有危害。一种可选且最佳的策略是需求侧管理（DSM），需求侧管理层通过改变用户的负荷大小和模式来改变用户用电，这是通过削峰、填谷、负荷转移、战略保护、战略负载增长和灵活的负载型来实现[1]。用到DSM策略的设备可以预测中断