排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
4.
针对计算水电站保证出力时等流量法较粗略、结果偏差较大,等出力法结果相对精确但多轮试算过程烦琐等问题,建立了水电站的maxmin最大最小模型来求解保证出力,并采用动态规划法寻优,得到可靠优化解。结合丹江口水库的实例分析表明,此模型求得的最小出力与等出力法求得的保证出力相同,且求解更方便可靠。 相似文献
5.
改进粒子群算法求解水火电系统短期负荷分配问题 总被引:2,自引:2,他引:0
粒子群优化(PSO)算法是一种基于群体智能的启发式搜索方法,应用领域很广。文中将PSO算法用于求解水火电系统短期负荷的经济分配,属于高维、强约束工程问题。分析了算法参数设置对解的影响,发现算法的局部开发能力和粒子的多样性是影响解的优劣的关键因素;提出多子群辅助的PSO算法,兼顾了对解空间的全局搜索和局部开发。实际算例证明,改进的算法是有效的。 相似文献
6.
辊道窑烧结过程的温度是决定锂离子电池正极材料产品质量的关键. 然而, 根据炉内有限个测温点的温度
建立起描述整个温度场的模型往往非常困难, 导致无法优化控制烧结过程的温度分布; 而控制方法的设计一般需要
进行参数估计, 已有参数估计方法大多依赖于观测器/预测器的状态误差信息, 无法直接反映待估计参数的变化特
征且方法的准确性取决于观测器/预测器的性能. 为此, 本文提出一种基于参数估计误差的温度场自适应动态规划
(adaptive dynamic programming, ADP)优化控制方法. 首先, 基于传热机理建立二维多孔介质能量守恒方程, 构建包
含角系数的边界条件以反映热辐射作用; 考虑到竖直方向温度变化较大, 通过转换边界条件建立起辊道窑一维温
度场模型, 并根据正极材料的特性获得模型参数. 然后, 采用ADP中的策略迭代(policy iteration, PI) 优化设计温度场
控制器, 神经网络(neural network, NN)用于PI中的评价网络以逼近代价函数; 基于权值参数的估计值与真实值之差
构建参数估计误差, 通过将估计误差的信息融入到评价NN参数更新过程, 提出基于参数估计误差的NN权值更新算
法, 以提高参数估计误差的收敛性, 实现有限时间内NN权值的快速收敛. 最后, 通过仿真验证所提建模和控制方法
的有效性. 相似文献
7.
辊道窑烧结过程是电池正极材料制备工艺的关键,烧结温度的精准控制对提高材料性能、保证产品一致性至关重要.然而,烧结过程通常面临动态信息难以获取、不同温区温度耦合严重以及存在外界干扰等问题,给精准控制辊道窑温度带来了很大的困难.鉴于此,提出一种新的辊道窑温度分散H∞控制方法.首先,构造一个有界函数来描述温度关联项对当前温区控制性能的最大影响,并根据该有界函数建立温区的极小化极大问题,可将辊道窑温度控制问题转化为更小规模的温区温度控制问题,通过求解所有温区的极小化极大问题的鞍点解得到辊道窑温度H∞控制策略,实现分散控制;然后,采用一种脱策Q学习算法学习各温区极小化极大问题的鞍点解,获得辊道窑关联系统的温度分散H∞控制器;最后,基于实际窑炉温度数据进行仿真实验,实验结果表明在干扰存在的情况下,所设计控制器仍然能够精准控制辊道窑温度稳定在设定值上. 相似文献
1