歡迎來到演算法、軟體和硬體三位一體的未來世界論文書籍站
國立臺灣海洋大學 電機工程學系 陸臺根、柯佾寬所指導 陳彥宇的 機器學習應用於電力系統之潮流預測分析 （2018），提出the loops新蒲崗關鍵因素是什麼，來自於機器學習、類神經網路、電力潮流、匯流排。
機器學習應用於電力系統之潮流預測分析
為了解決the loops新蒲崗 的問題，作者陳彥宇 這樣論述：
本論文主要目的在於透過機器學習方式以類神經網路的方法判斷電力系統併接點之最大可併入容量之電力潮流分析，並分析於最大併入容量是否因發電機變化量的升降載而有助於提升準確率。探討風場併入於電力系統後，根據各匯流排載流率，並參照輸電系統相關準則，檢視系統輸電線路載流率有無符合規範，來判斷併接點之最大可併入容量，再以判斷後的結果來分析發電機升降載對最大可併入容量之影響及準確率。在系統正常運轉下，於不同併接點在併入不同容量時，各匯流排輸電線路載流率是利用類神經網路的方法判斷輸電線路載流率是否過載，若系統有輸電線路過載，則降低併入容量，使輸電線路載流率符合規範，達到找出併接點的最大可併入容量，再以系統於併
入最大容量時對不同發電機隨機進行升降載，去分析最大併入容量的改變找到最佳之發電機升降載量對準確率提升之方式。本論文透過併入不同容量、不同併接點增加類神經樣本數，分析系統潮流觀察容易壅塞的輸電線路，將其加至訓練樣本中，以提高訓練類神經的準確率，計算出類神經選擇併接點的最大併入容量的準確率可以達到87%以上，再以不同發電機隨機升載或降載變化量後的最大併入容量作為類神經訓練樣本使其提高準確率，最後所算出的最大併入容量變化的準確率可達到83%以上。透過本論文之分析以機器學習方式找出系統併接點可併入之最大容量並找出提升準確率之方法做為新加入機組對電力系統之潮流預測分析。