神经网络在烟草打叶机组频率预报中的应用

叶中含梗率是衡量烟叶叶片结构好坏的一项重要指标,在影响叶中含梗率的诸多因素中,打辊机和风机频率的设定值对于叶中含梗率的影响很大.目前,操作工人都是根据个人经验来进行频率设定,这样就很难快速准确地设定出符合叶片结构要求的参数.为了在烟草行业实现科学调整,智能控制,将神经网络技术应用于打叶复烤过程,通过神经网络的学习,建立打辊机和风机频率与叶中含梗率的模型,从而实现对打叶机组的频率预报.结合实测数据对打叶机组频率进行预报,结果表明,此方法具有较高的计算精度,预报误差范围为±0.5％,能够充分满足现场生产要求.     

基于多代理系统的微电网多尺度能量管理

对基于多代理系统的微电网能量管理策略进行了研究。首先,建立三层多代理系统;然后,基于博弈论研究大电网与多个微电网之间的上层电力市场竞价策略;进而,以单个微电网为研究对象,考虑需求侧响应,研究制定多时间尺度的分布式发电调度策略;最后,考虑到调度策略需要有负荷和风力发电机组短期预测作为前提保障,所以运用混沌相空间预测算法对负荷和风力发电机组进行短期预测。仿真结果验证了所提能量管理策略的有效性。