基于遗传算法与支持向量回归的水轮机综合特性建模研究

针对水轮机复杂的非线性特性以及水轮机调节系统仿真与分析所需的水轮机流量与力矩特性难以准确描述的情况,介绍了基于遗传算法参数寻优的支持向量回归水轮机综合特性建模。由已知的综合特性曲线、飞逸特性曲线得到离散数据,向导叶小开度区和低转速区数据进行合理延拓;利用具有很强全局优化搜索能力的遗传算法寻找支持向量回归(SVR)模型的最优参数,训练获得流量和力矩特性的SVR模型。仿真结果表明,与传统的BP神经网络模型比较,所提出基于遗传算法参数寻优的支持向量回归模型具有更高的精确度。     

轴流转桨式水轮机特性神经网络三维建模

针对轴流转桨式水轮机复杂的非线性特性以及水力机组过渡过程仿真计算所需的水轮机流量与力矩特性难以准确描述的情况,介绍了基于BP神经网络的轴流转桨式水轮机特性建模方法：利用BP神经网络强大的非线性数值逼近功能,由已知的综合特性曲线、定桨特性曲线、飞逸特性曲线得到离散数据以及边界约束条件,建立轴流转桨式水轮机流量和力矩特性模型,对导叶小开度区、低转速区和高转速区等未知区域进行三维曲面延拓。建立导叶桨叶三维协联特性模型,以提高水轮机特性曲线数据处理的精度。     

基于BP神经网络的水轮机调节系统建模与仿真

采用BP神经网络对水轮机综合特性曲线进行处理,将水轮机非线性特性转换为可用于实时仿真的力矩和流量神经网络,可避免建立水轮机特性变量间复杂的函数关系式。将其应用于水轮机调节系统的大波动过渡过程计算,可使计算更为简洁,且由于曲面是光滑的且导数连续,更容易保证计算过程的收敛。建立的机组非线性模型更贴近实际情况,仿真试验表明应用效果良好。     

基于MEA-BP的水轮机运转特性曲线拟合及应用

针对目前水轮机综合特性曲线数据拟合精度的局限性以及水电站运行过程中水轮机参数特性掌握应用不足的问题,利用图形数据提取软件,经数据转换与计算,将获取到的运转特性曲线正常运行区的水头、出力、效率和流量等基本工作参数作为样本数据,分别应用具有非线性逼近能力的MEA-BP神经网络和传统的BP神经网络对样本进行网络训练和测试,并将测试结果与样本数据进行了对比分析,同时还对误差进行了计算分析。结果表明:两种拟合方法均有效,而且MEA-BP方法的拟合精度优于传统BP方法的拟合精度;利用MEA-BP方法对运转特性曲线进行有效拟合,可为智能水电厂智能调度的自动控制系统设计提供技术支撑;同时也有助于电站运行人员更直观地预判电站机组的运行工作状态,指导电站高效运行。     

基于输入-输出修正的水轮机特性曲线精细化模型

目前常用的水轮机特性曲线模型包括线性模型和非线性模型,它们都是根据描述水轮机内外特性的方程或试验数据得到的。然而在建模的过程中,各种误差难以避免,如模型误差、测量误差和读数误差等,可能造成预测值与实际值不相符,影响模型的精度。同时,有关水轮机特性曲线模型修正的文献较少,缺乏行之有效的方法或准则,不利于相关研究成果的实际应用。本文以水轮机神经网络模型为例,提出了基于输入-输出修正的水轮机特性曲线精细化建模方法,并验证了该方法的有效性。首先根据模型综合特性曲线和边界条件,分别建立混流式和轴流式两种机组的非线性特性曲线模型。其次利用粒子群优化算法和二次多项式逼近原理,依次对模型输入和输出参数进行修正,得到最优修正系数。最后整合原始模型和修正部分,得到水轮机特性曲线的精细化模型。试验结果表明该方法能够有效提高模型的仿真精度,对研究真实机组的非线性特性具有重要意义。     

低比转速水泵水轮机"S"区特性数值模拟

水轮机低水头启动困难问题在目前己投入运行的混流式水泵水轮机组中有较多出现,是抽水蓄能技术研究需要解决的关键问题.采用SST k-ω模型对不同导叶开度下的小流量水轮机工况进行数值计算,在数值计算基础上获得了水泵水轮机"S"区特性单位转速与单位流量的关系曲线,并将"S"特性曲线计算结果与试验结果做了对比分析,提出了影响水泵水轮机"S"特性的转动域流动特征.     

孤网模式下水轮机调速系统广义预测控制应用方法

针对孤网模式下水电机组PID控制策略鲁棒性差的缺点,提出基于双模型、实时反馈线性化、非线性特性补偿器和广义预测控制器的自适应广义预测控制策略(Adaptive Generalized Predictive Control,AGPC),以实现对水电站全工况实时最优控制。首先基于BP神经网络和改进樽海鞘算法构建高精度非线性水轮机模型,并结合PID控制器、引水系统、随动系统、发电机等模块搭建非线性水轮机调节系统仿真平台,然后通过定量计算揭示广义预测控制器直接应用于非线性水轮机调节系统的不合理性。进一步,结合实时反馈线性化和基于预估控制信号设计的水轮机非线性特性补偿器,提出孤网模式下广义预测控制器在水电站应用策略。最后,搭建了基于AGPC的非线性水轮机调节系统仿真平台,并以某电站真实数据验证了所提控制策略适用性、可靠性以及优良的鲁棒性。     

确定水轮机绝对流量和绝对效率的新方法

介绍了一种确定水轮机绝对流量和绝对效率的新方法。该方法使用水轮机模型综合特性曲线或其他相似的原型数据,将指标测试数据转换成绝对流量和效率数据。经论证,该方法精度高,可以降低其相对形式的指标数据,并将相对数据转换为绝对数据,同时还可反映每台水轮机性能的个体差异。     

水轮机模型综合特性曲线的计算机处理

本文采用分段离散与分段拟合相结合的方法,利用正交多项式拟合函数及二次B样条插值函数,对水轮机模型综合特性曲线实行“光滑性”修正,快速、灵活、准确地实现了水轮机模型综合特性曲线的计算机自动处理、贮存和输出。     

用三维曲面插值技术求解水轮机实时运行参数

针对水利工程中经常遇到的复杂曲线图插值问题,提出了一种提高精度和效率的程序化处理方法。通过提取水轮机运转综合特性曲线上的点坐标生成三维曲面,选择自然邻近内插法或克里格插值方法对曲面进行光滑处理以提高曲面精度,并根据精度要求离散至网格单元处,输出网格化的水轮机参数数据,再与实时工况进行匹配,获得水轮机的实时效率和过流量参数。     

基于主成分分析的GA-BP模型在城市需水预测中的应用研究

针对城市需水预测模型中需水量影响因子多、影响因子之间普遍存在多重共线问题,以及BP神经网络收敛速度慢、易陷入局部最优等缺点,提出一种由主成分分析、遗传算法及BP神经网络三者相结合的改进预测模型。以泰州市为实例,建立以主成分分析筛选需水量主要影响因子,遗传算法优化BP网络连接权值和阈值的需水预测模型,预测结果与BP神经网络预测模型预测结果做对比。结果表明:改进预测模型对泰州市2003-2014年需水量预测的平均相对误差为0.564%,最大相对误差为1.681%,精度优于BP神经网络预测模型;改进预测模型预测值与实际泰州市需水量吻合良好且训练速度更快、预测精度更高,可作为需水预测的一种有效方法。     

Matlab仿真平台下大坝位移BP神经网络模型研究

基于人工神经网络的非线性映射能力,应用Matlab7.1网络仿真平台,结合辽宁省白石水库多年大坝位移实测数据,建立了3种不同改进BP算法的多层前馈神经网络模型。并通过LM算法、BR算法、GDX算法的BP网络模型的拟合、预报结果,对3种模型的应用效果进行了比较分析,得出了LM算法的BP网络更适合用于建立坝顶位移监控模型的结论,以实现对大坝位移实时、有效的监控。     

优化BP神经网络的位移预测模型

针对大坝位移预测常规方法存在的问题,基于改进粒子群算法的BP神经网络(IPSO-BP)的大坝位移预测方法,通过IPSO对常规BP神经网络的权值和阈值进行优化,弥补了BP网络的不足,保证了预测精度。以2011-12-21—2013-06-27观测得到的某混凝土重力坝某一典型坝段坝顶的顺河向位移值为研究对象,建立基于IPSO-BP的大坝预测模型并进行仿真分析研究。同时,为了验证该模型的拟合及预测效果,建立PSO-BP模型、利用最小二乘法求解参数的统计模型进行对比分析。上述研究结果表明,此模型预测精度优于常规模型且拟合效果好、预测结果的平均相对误差小,说明此方法有效可行。     

改进模糊神经网络模型及其在大坝监测中的应用

鉴于传统模糊神经网络计算繁琐、模型精度较低、难以收敛等问题,在大坝位移的监测数据分析中应用改进的模糊神经网络及改进的反向传播(BP)网络算法,并建立了相应的网络模型.大量的数据分析计算表明,该模型收敛快,且精度优于常规的模糊神经网络和传统的统计模型.     

基于改进BP算法的地下水动态预测模型

运用学习率自适应动量BP算法建立了吉林西部地下水埋深人工神经网络模拟预测模型。首先利用自回归分析方法确定网络输入输出样本,而后应用“试错法”确定隐含层节点数,最终建立了6∶10∶1的ANN地下水动态模拟预报模型,最后应用VB语言依据改进BP算法编制计算程序进行模拟计算。通过对模型检验可知该模型模拟和预测精度均较高,完全可应用于地下水位动态预报。2002年以后的预报结果表明该地区地下水位持续下降,应及时加以控制。     

基于神经网络的混凝投药控制研究与实现

作为水质净化重要环节的混凝投药是一个非线性系统,目前还很难对其建立准确的数学模型.该文提出了基于改进BP神经网络的解决方法,根据水源参数的具体特征提取特征值并建立相应的神经网络,通过训练,网络具有较强的适应和学习功能,通过仿真和实验达到了很好的混凝投药控制效果,使混凝投药系统的控制迈向智能化.     

自适应遗传算法优化管网状态估计神经网络模型

针对遗传算法收敛速度慢、传统BP算法易收敛于局部最优以及网络结构难以确定等问题，引进自适应遗传算法优化网络的权阈值以搜寻网络最优拓扑结构，并利用自适应遗传算法优化该网络的权阈值，建立基于改进BP网络的宏观管网状态模型．实例分析表明，改进模型具有较高的预测精度。     

基于改进ABC-BP的大坝变形监控模型研究

针对传统大坝变形监控模型的不足,在对人工蜂群(ABC)算法给予改进的基础上,开展了基于人工蜂群(ABC)与BP神经网络的大坝变形监控模型建模原理、实现方法以及工程算例分析研究。通过引进自适应比例和平均欧式距离,克服了标准人工蜂群算法易陷入局部最优的缺点;进而利用改进后的人工蜂群算法,对BP神经网络的初始权值与阈值进行寻优。算例分析表明,将改进后的人工蜂群算法与BP神经网络技术相结合,并用于大坝变形监控模型的构建,有效提升了模型的拟合和预报能力。     

基于神经网络的混凝投药控制研究与实现

作为水质净化重要环节的混凝投药是一个非线性系统,目前还很难对其建立准确的数学模型。该文提出了基于改进BP神经网络的解决方法,根据水源参数的具体特征提取特征值并建立相应的神经网络,通过训练,网络具有较强的适应和学习功能,通过仿真和实验达到了很好的混凝投药控制效果,使混凝投药系统的控制迈向智能化。     

基于改进的BP神经网络对西安黄土抗剪强度指标的研究

运用带适应学习率和动量因子的梯度递减法——TRAINGDX训练函数的BP网络对黄土的抗剪强度指标进行了预测。首先分析了影响黄土抗剪强度的6个影响因素,而后建立了6∶14∶2的神经网络(Artificial Neural Network)黄土抗剪强度指标的预测模型,最后借助Matlab为平台,利用自编的程序,进行了预测计算。通过对预测结果的分析可知该模型模拟和预测的精度均较高,可以应用到黄土抗剪强度指标的预测中。