泵站压力管道振动特性分析及减振优化设计

为探究泵站压力管道的不同布置形式对管道振动的影响,选取宁夏盐环定泵站工程二泵站# 1压力管道为研究对象,建立基于流固耦合的泵站压力管道水流ALGOR数值模型,并采用DASP振动测试系统获取振动信号对模拟结果进行验证,分析压力管道水流流态对管道振动的激励特征并提出优化设计方案.结果 表明,压力管道进水管处、支管总管相接处...     

基于混沌时间序列的电力负荷短期预测方法

针对加权一阶局域法单步预报计算量大且存在累积误差的不足,在相空间重构技术基础上提出了一种加权一阶局域法多步预报模型。通过对统一混沌系统的预测仿真,证明该模型对混沌时间序列多步预报的有效性。采用加权一阶局域法对四川省电力系统日负荷进行了短期预测,实际结果说明加权一阶局域法的预测精度能满足要求。     

基于相空间重构的神经网络短期风电预测模型

随着风电机组装机容量的持续高速增加以及大规模风电场的建设,各个国家(地区)的电网对风电的重视程度也在增加,风电场发电功率的短期预测对于风电场并网以及电网的调度起着至关重要的作用。通过对风电场发电功率的时间序列进行分析,表明该序列具有混沌属性,并在此基础上,利用相空间重构理论建立了关于风力发电功率的RBF神经网络与BP神经网络预测模型,并进行了实际预测。通过对结果进行对比分析,显示该模型可以得到较高的短期发电功率预测精度,更好地满足实际现场需要。     

混沌粒子群优化算法在短期负荷预测中的应用

针对短期负荷预测受气象因素影响大、传统参数辨识方法易陷入局部最优导致预测精度不高,采用外源自回归动平均(ARMAX)时间序列模型和混沌惯性权值粒子群优化算法进行模型识别.算例表明,该算法在短期负荷预测中预测精度较高,可供类似工程借鉴.     

基于混沌时间序列的地区电网负荷预测

通过采用改进的C-C方法计算得出电网日负荷的最优时延和最佳嵌入维数,从而进行相空间重构,并通过计算最大Lyapunov指数,指出该时间序列的混沌特性。然后采用基于奇异值分解的Volterra方法对某地区电网负荷进行预测。预测结果显示,该方法的预测效果较好,具有较高的预测精度,并能够反映电网未来负荷的变化趋势。     

基于相似日选取样本的短期风电功率混沌预测

为减小构成初始条件的样本数据所导致的预测误差,本文借鉴负荷预测中基于相似日选取样本的思想,采用趋势相似度的概念选择相似日作为模型输入量,对短期风电功率进行混沌预测。选择我国某区域风电功率数据作为研究对象,考虑不同预测步长和季节差异,进行了大量的算例仿真,结果验证了该方法提高混沌预测精度的有效性和适用性。     

变尺度混沌优化参数的LSSVM短期负荷预测

为解决短期电力负荷预测中LSSVM模型的参数难以确定的问题,利用变尺度混沌算法优化LSSVM模型的惩罚因子和核函数参数,构建了MSC-LSSVM模型,并将其应用于湖南省隆回县地区电网各小时点的数据分析和预测中。结果表明,MSC-LSSVM模型避免了人为选择参数的盲目性,预测精度较高。     

径流序列的混沌神经网络预测方法

介绍了径流序列的混沌性识别技术,并提出了一种基于混沌序列的神经网络预测方法．     

基于混沌神经网络模型的电力系统混沌预测与控制

由于电力系统的日趋复杂和庞大,电力系统除了因负阻尼引起的低频振荡外,还存在PSS不能消除的混沌振荡的危机。为及早判断和抑制电力系统的混沌振荡,提高电力系统稳定性,根据电力系统的负荷时间序列重构吸引子相空间,计算相空间饱和嵌入维数和最大Lyapunov指数,并以此为指导,建立混沌神经网络预测模型,该模型即便在电力系统负荷含有部分坏数据输入的情况下,仍能对电力系统的混沌特性进行精确地判断和预测。如果判断出系统存在混沌现象,则设计模糊神经网络预测控制器,实现了对电力系统混沌振荡的预测控制。仿真结果表明,该方案对抑制电力系统混沌振荡具有显著效果。     

基于马尔科夫链模型的湖北省干旱短期预测

针对干旱预警预测十分困难的问题,基于湖北省16个气象站点1960~2009年的逐月降水资料,计算了各站点的标准化降水指数(SPI),并利用马尔科夫链模型预测了湖北省未来干旱的发生概率,得出了各个干旱等级的发生概率、预计持续时间、初次转移到无旱状态的时间、重现时间以及预见期为1~3个月的短期概率。与实际统计频率对比发现,马尔科夫链模型能很好地估算各个干旱等级的发生概率,且大多数站点未来干旱等级预测概率的误差都控制在20%以内,说明该模型对于未来干旱情况具有一定的预测能力,可以为早期干旱预警提供依据。     

基于粒子群优化算法的RBF神经网络在泾惠渠灌区地下水位埋深预测中的应用

针对不恰当地选取RBF神经网络的网络结构和参数会使网络收敛慢的问题,采用粒子群优化算法对RBF神经网络参数进行优化,建立了基于粒子群优化算法的RBF神经网络模型(PSO-RBF模型),对泾惠渠灌区地下水位埋深进行了模拟和预测。结果表明,与单一的RBF神经网络相比,PSO-RBF模型具有较高的预测精度。再根据时间序列预测法预测的降水量、径流量、蒸发量、渠灌引水量、地下水开采量、气温等模型的输入变量,用训练好的PSO-RBF模型预测了泾惠渠灌区2009~2020年地下水位埋深,发现该灌区地下水位埋深呈下降趋势。     

大型泵站压力管道激励源辨识研究

针对甘肃景泰电力提灌总干二泵站存在的压力管道振动问题,基于DASP振动测试系统获得振动信号,通过时域分析法和频谱分析法分析各工况下的振动信号,得到各工况下振源的主要频率;运用功率谱法,分析出压力管道振动存在的主要振源。分析结果表明,引起管道振动的主要原因是离心泵等设备引起的机械振动,水流激励次之,并针对此结论提出相应的减振措施。     

基于PSO-LSSVM时序预测模型的管网漏失信号识别

为解决城市供水管网的漏失问题,基于在供水管网各测压点收集的压力数据,构建粒子群(PSO)算法优化LSSVM的时序预测模型来预测压力监测点下一时刻压力值,并提出了城市供水管网漏失识别模型,通过监测点压力值与预测值的残差值是否在阈值范围内来判断管网是否处于正常工况。测试分析结果表明,改进的时序预测模型预测精度较高,可确定各压力监测点阈值,识别管网是否发生漏失事故,为相似工程提供借鉴。     

基于PSO-LSSVM时序预测模型的管网漏失信号识别

为解决城市供水管网的漏失问题,基于在供水管网各测压点收集的压力数据,构建粒子群(PSO)算法优化LSSVM的时序预测模型来预测压力监测点下一时刻压力值,并提出了城市供水管网漏失识别模型,通过监测点压力值与预测值的残差值是否在阈值范围内来判断管网是否处于正常工况。测试分析结果表明,改进的时序预测模型预测精度较高,可确定各压力监测点阈值,识别管网是否发生漏失事故,为相似工程提供借鉴。     

钢制流道立式轴流泵站振动特性分析及安全评价

钢制流道立式轴流泵站设计方案与常规混凝土流道方案相比具有施工简便、水泵装置安装方便的优点。但泵站运行时,流道内复杂的水流条件对钢制薄壁结构产生的流激振动是设计中的关键技术问题。基于大型有限元软件ADINA,建立泵站混凝土结构—钢制流道—流体的三维流固耦合有限元模型,进行了自振特性分析及共振校核,并在时域范围内进行流固耦合振动特性的研究,重点分析了关键点的振动响应,并进行振动安全评价。结果表明,钢制流道设计方案合理可行,研究结果对泵站钢制流道的设计和应用具有重要的参考价值。     

PSO RBF神经网络在城市需水量预测中的应用

为克服径向基函数（RBF）神经网络由于参数选取不当而对其收敛性能的干扰,利用粒子群优化算法（PSO）的全局搜索能力对RBF神经网络的三个参数进行寻优,建立了基于PSO RBF神经网络算法的城市需水量预测模型。结果显示,PSO RBF神经网络算法拟合某市1998～2007年需水量数据的平均相对误差为0.18%,预测2008～2010年需水量数据的平均相对误差为3.84%,耗时1.2 s;通过RBF神经网络算法拟合的误差平均值为0.28%,预测的平均相对误差为5.62%,耗时2.1 s,表明PSO RBF神经网络算法具有更高的收敛速度与精度。     

西北电网短期负荷预测软件系统的设计与实现

本文介绍了西北电网短期负荷预测软件系统。该系统包含相似日、时间序列、人工神经网络和偏最小二乘回归分析四种短期负荷预测方法。预测结果表明该系统能够满足西北电网短期负荷预测的需要,预测结果合理,界面友好、操作方便,在很大程度上提高了调度人员的劳动效率。     

相空间神经网络模型及其在水文预测中的应用

简述了相空间神经网络模型原理和算法，并通过实例讨论了其在水文中长期预测中的应用。将混沌重构相空间理论和神经网络模型相结合，对揭示水文系统复杂的非线性结构是很有效的，经实例研究初步表明，该模型应用在水文中长期预报中是可行的、合理的，数学分析工具更为先进，有很好的预报精度和应用价值。     

集对分析在改进BP神经网络凌汛开河日期预测评估中的应用

为客观和有效地定量评估BP神经网络凌汛开河日期预测模型,以黄河内蒙段三湖河口站冰凌开河日期为例,采用粒子群算法、遗传算法及小波分析理论对BP神经网络进行改进,并以集对分析理论的同一性、差异性和对立性对改进预测模型的数据集合建立评估模型.评估结果表明,集对分析与平均相对误差精度相比能更合理地反映模型预测效果.