预测和反馈控制用于南洲水厂投氯系统

介绍了南洲水厂投氯工艺的特点以及预测和反馈控制的原理,利用预测和反馈控制设计和实现了南洲水厂投氯系统的自动控制.     

基于时空序列模型的RBF神经网络在河流水位预测中的应用

河流水位预测一直以来都是水文预报中研究的热点。河流水位变化不定,具有时间上和空间上的变化性、多维性、动态性和不确定性等,给水位预测带来了挑战。本文综合考虑河流水位时空信息,建立基于时空序列的RBF神经网络预测模型来预测河流水位。实验中预测了金沙江下游向家坝水文站的水位信息,并将实验结果与其他多种水位预测方法比较,实验结果显示基于时空序列的RBF神经网络模型在河流水位预测中具有较高精度,证明了方法的可行性。     

Moisture balance assessment at room scale for four cases based on numerical simulations of heat–air–moisture transfers for a realistic occupancy scenario

The moisture balance at room scale is influenced by the air change rate, moisture production and vapour transfer with the envelope. However, results may differ strongly from one study to another depending on the sizing of the ventilation system, the boundary conditions and the modelling of vapour transfer in the walls. This paper aims to provide a realistic comparison of usual construction techniques based on energy consumption, indoor comfort and durability. To achieve this objective, an existing whole-building heat–air–moisture simulation tool was selected to compute coupled transfer at room scale over an entire year. Moisture production due to occupancy was modelled using a stochastic approach. Four cases were selected to emphasize the differences of both a vapour-permeable wall assembly and a relative humidity sensitive ventilation system compared to common practices.     

神经网络在导弹贮存可靠性预测中的应用

为了更准确预测导弹贮存可靠性,提出基于全局逼近BP网络和局部逼近RBF网络对导弹贮存可靠性进行预测,给出了预测的基本步骤,分别基于BP网络和RBF网络对某型舰舰导弹的贮存可靠性进行了预测,结果表明:这两种网络都能够解决导弹贮存可靠性预测的问题,预测误差均满足要求;RBF网络预测精度略高于BP网络,具有更好的函数逼近能力。RBF网络更适用于导弹贮存可靠性的预测。     

基于“效益-精度”对冲的两级电力市场负荷预测技术

电力市场的引入对协助电力行业实现电网的稳定运行和规划,促进电能的有效利用和调度,避免资源的浪费,发挥着不可替代的作用。在各国的电力市场中,售电公司/大用户通常会采用预测模型开展负荷预测,并为日前电力市场交易提供依据。当前提出的各负荷预测模型主要以“精准”作为唯一的优化目标,缺乏对各市场价格的差异性波动及售电公司/大用户经济效益的考虑。提出兼顾精确性和经济性的目标策略,建立基于“效益-精度”对冲的两级电力市场负荷预测技术,此技术基于传统负荷预测技术,在目标函数中引入成本因素,采用改进的反向传播法作为网络训练方法。通过对纽约地区负荷数据开展实例验证,验证结果显示,该方法对量化售电公司效益,推进其经济性和准确性综合提升,具有明显成效。     

考虑综合需求响应不确定性的电-气综合能源系统优化运行

为有效分析综合需求响应（integrated demand response,IDR）不确定性给系统安全稳定运行带来的影响,以电-气综合能源系统（integrated electricity-gas system,IEGS）为例,提出一种考虑IDR不确定性的IEGS优化运行模型。首先,根据基于能源价格的IDR项目实施特点,分析出IDR中的模糊性和概率性变量,建立相应的IDR不确定性模型;然后,以点估计法计算系统概率能量流,并将其计算结果作为机会约束,使在最小化IEGS运行成本的同时,保证系统运行的安全性。最后,以改进的IEEE-33节点电力系统和比利时20节点天然气系统构成的IEGS为例,验证所提模型和方法的有效性,并评估不确定性环境下系统的风电消纳能力。     

基于ANFIS的长期电力负荷预测模型

某电力公司的长期负荷预测模型,利用自适应神经网络模糊推理系统(ANFIS)建立.其结构分为计算输入的模糊隶属度、每条规则适用度、适用度归一化、每条规则输出及模糊系统输出5层.系统网络中含14个待定的前件和后件参数.采用Matlab编程,通过Sugeno和evalfis函数训练ANFIS,按指定指标得到这些参数,实现模糊预测.     

基于径向基概率神经网络的输电导线缺陷状态识别

输电导线作为承担电能传输任务的重要部件,及时发现其本体缺陷对指导维修避免重大电力事故的发生具有重要意义。考虑到无人机巡检中输电导线背景的复杂性和导线表面缺陷检测的困难度,提出一种基于径向基概率神经网络的输电导线缺陷状态识别方法。首先,依次采用加权色差法、最大类间方差法以及形态学滤波实现复杂背景下输电导线的准确分割。其次,将分割出的导线区域等距划分为10个导线子图像,通过Gabor滤波器获得输电导线8个角度、5个尺度的40幅纹理增强子图像,提取各个子图像的粗糙度、对比度和方向度3个纹理特征量,结合特征方差比筛选出10个强纹理特征;最后,将10个强纹理特征量作为径向基概率神经网络的输入,完成输电导线缺陷状态的识别。实验结果表明所提方法可以实现复杂背景下输电导线快速分割与缺陷状态的准确识别,为无人机巡检中输电导线的运行状态检测提供了新的思路。     

空间负荷预测中确定元胞负荷合理最大值方法

针对实测的元胞负荷数据中存在随机波动现象而使空间负荷预测精度降低的问题,提出一种利用互补集合经验模态分解(CEEMD)和游程检验技术确定元胞负荷合理最大值的方法。该方法通过互补集合经验模态分解技术将各Ⅰ类元胞负荷序列分别进行分解,每个Ⅰ类元胞得到一组本征模态函数,采用游程检验技术对每个本征模态函数进行随机性检验,建立识别其中高频分量的判据,剔除刻画元胞负荷随机波动性的高频本征模态函数,对余下表征元胞负荷规律性与趋势性的本征模态函数进行重构得到主体分量,将其中最大值作为Ⅰ类元胞负荷合理最大值,最后利用该合理最大值进行基于Ⅰ类元胞和Ⅱ类元胞的空间负荷预测。工程实例表明了该方法正确有效。     

基于负荷预测和非支配排序遗传算法的人工相序优化方法

在对0.4 kV配电台区进行节能降损时发现,调整负荷的接入相序能够有效降低台区的线路损耗和三相负荷不平衡度。文中提出基于负荷预测和非支配排序遗传算法(NSGA2)的人工相序优化方法。首先,利用配电台区出口电流曲线替代法建立用户负荷模型。其次,基于历史数据使用Elman神经网络对调相日的台区内各用户日电量和出口三相电流进行预测。然后,基于预测数据综合考虑以线损最低和调相次数最少为目标函数,建立配电台区多目标相序优化数学模型,使用NSGA2对该模型进行求解,得到优化后各负荷接入相序。最后,通过对比安徽电网某配电台区调相前后的理论线损,验证本文所提方法的有效性。