基于贝叶斯正则化BP神经网络的超临界二氧化碳流动阻力特性预测

超临界二氧化碳（S-CO2）流动摩擦阻力特性尚不明晰,现有阻力预测公式泛化能力不强。对S-CO2在垂直上升光滑圆管中进行湍流流动的阻力特性进行了实验研究,系统分析了不同质量流速、压力和热流密度对S-CO2流动摩擦阻力的影响,实验参数范围为质量流速750~ 2 200 kg/(m2·s),流体压力10~20 MPa,热流密度200~340 kW/m2以及主流温度60~500 ℃（远离拟临界点）。实验结果表明:S-CO2流动摩擦阻力随热流密度的增加而减小,这有利于 S-CO2发电的大规模工程应用;S-CO2流动摩擦阻力随压力的增加而减小,主要原因在于压力增加导致CO2流体密度增加。根据实验数据,构建了贝叶斯正则化BP神经网络模型,实现了对S-CO2流动摩擦阻力的有效预测。预测值与实验值的相关系数R=0.998 6,超过98%的预测值均在10%的误差范围内,表明该模型拟合精度高,具有较好的泛化能力。     

基于GA-BP神经网络冷热电联供系统的负荷预测

适用性强且准确度高的冷热电负荷预测方法能更好地为机组设备选型提供可靠依据,从而整体提升系统综合效率。针对传统BP神经网络局部过优化、预测误差较大等问题,将遗传算法与BP神经网络相结合,提升预测准确性和可靠性。为了验证GA BP神经网络预测方法的合理性,分别采用两种方法对铁岭某园区冷热电负荷进行预测,结果证明改进后的预测方法误差更小、贴合性更高。     

基于GA-BP神经网络的电网暂稳极限切除时间预测

本文介绍了一种利用PSASP软件结合GA-BP神经网络的极限切除时间预测方法.通过PSASP软件搭建三机九节点系统,模拟系统发生三相短路故障,得到实验数据,将实验数据分为训练集和测试集,构建基于GA-BP的极限切除时间预测模型.结果表明,基于GA-BP模型的极限切除时间预测值与实际值基本一致,且GA-BP模型的预测精度...     

基于GA-BP和POS-BP神经网络的光伏电站出力短期预测

当前在光伏电站出力短期预测方面较多的采用BP或者优化的BP神经网络算法,存在采用的优化算法单一、缺乏多种优化算法比较选优、预测误差大的问题。基于本地5 k W小型分布式光伏电站,综合考虑影响光伏出力的太阳光辐射强度、环境温度、风速气象相关因素和光伏电站历史发电数据,分别采用BP以及遗传算法和粒子群算法优化的BP神经网络算法—GA-BP和POS-BP构建了晴天、多云、阴雨三种天气条件下光伏出力短期预测模型。实测结果表明,三种神经网络算法预测模型在三种不同天气条件下均达到了一定的预测精度。其中GA-BP、POS-BP相比传统的BP预测模型降低了预测误差,且POS算法相比GA算法对于BP神经网络预测模型的优化效果更好,进一步降低了预测误差,适用性更强。     

基于Python技术GA-BP神经网络的变压器故障诊断研究

本文中作者为了进一步研究油浸变压器的常见故障,结合遗传算法与BP神经网络的基本原理,利用Python语言在Tensorflow平台上编写了GA-BP混合神经网络的故障诊断模型,并验证了其可靠性。为变压器的故障诊断提供了一种全新的方法,分析结果为变压器的相关研究提供了重要参考。     

基于GA-BP和PSO-BP神经网络的间冷塔扇区出水温度预测研究

基于某电厂330 MW机组分布式控制系统(DCS)采集的实测运行数据,通过灰色关联度分析扇区出水温度与其影响因素之间的关联关系,分别利用遗传算法(GA)和粒子群算法(PSO),对BP神经网络间冷塔出水温度预测模型进行优化.优化结果表明,遗传算法和粒子群优化算法对BP神经网络的预测结果优化作用明显,并且PSO-BP神经网络模型的优化效果优于GA-BP神经网络模型.     

基于GA-BP算法神经网络的电力系统稳定器研究

为解决常规电力系统稳定器中受控系统参数难以识别的问题, 提出了一种可以根据电力系统运行工况自动调整控制参数的新型自适应电力系统稳定器(PSS),运用神经网络完成电力系统被控模型的精确在线辨识.通过在线测量同步发电机的有功和无功参数,自适应电力系统稳定器可按照相位超前补偿的设计原则实时自动调整稳定器参数, 以达到最佳的抑制低频振荡的效果.为了避免BP算法在神经网络训练当中陷入局部小等一系列缺点,引入了一种GA和BP相结合的算法,将其用于人工神经网络的设计,同时将离线计算所得的PSS参数构成的样本对神经网络进行训练.通过在时域仿真结果表明自适应PSS能有效抑制电力系统低频振荡,极大的提高电力系统的动态和暂态稳定性.     

一种基于GA-BP混合算法的模糊神经网络控制器

提出一种用于优化模糊神经网络控制器参数的GA—BP混合算法,该算法一方面由遗传算法保证学习的全局收敛性,克服梯度法对初始值的依赖性和局部收敛问题;另一方面,与“精确的”梯度学习算法的结合也克服了单纯遗传算法所带有的随机性和概率性问题,有助于提高它的搜索效率。仿真结果证明了算法的有效性。     

基于GA-BP神经网络的双馈风力发电机故障诊断

双馈风力发电机在风力发电系统中得到了广泛应用,但由于其工作条件及自身结构原因,导致故障发生率较高.BP神经网络作为一种多层前馈网络,在电机故障诊断分析领域应用成熟.为避免陷入极小值问题,利用GA遗传算法对其优化,建立GA-BP神经网络模型,对双馈风力发电机定子匝间短路特征进行分析,以定子电流为故障信号,经快速傅里叶分解...     

基于PCA和GA-BP神经网络的锂电池容量估算方法

本文针对车用锂离子动力电池容量估算方法精度不高的问题,提出了一种利用遗传算法优化BP神经网络的锂离子电池剩余容量估算方法。首先在整理NASA锂离子电池数据集后,得到不同健康状态下电池的容量增量曲线峰值。其次将健康因子进行主成分分析对其降维处理,利用遗传算法优化BP神经网络的连接权值,对锂离子电池容量进行预测。最后在NASA不同型号的电池上应用模型进行了验证。结果表明,所提出的方法可以在不同训练量的情况下准确估算4种锂离子电池的容量,其估算的方均根误差小于2%,且与未使用遗传算法优化的预测结果相比,该方法具有较高的预测精度。     

GA-BP神经网络在光伏阵列故障检测中的应用研究

BP神经网络在进行光伏阵列故障检测时,故障诊断性能易受局部极值影响,且收敛速度过慢.针对这一问题,利用遗传算法(GA)的全局搜索能力,找到BP神经网络初始权值阈值的最优解,可以有效克服BP神经网络上述缺陷,并高效完成对光伏阵列的故障诊断.对比光伏阵列正常状态与不同故障状态下的输出特性,选定电压电流作为输入,故障状态为输...     

基于遗传神经网络敏感度分析的飞灰含碳量测量方法

飞灰含碳量是反映电站锅炉燃烧效率的重要指标,准确测量飞灰含碳量有利于监测和调整锅炉燃烧,降低煤耗,提高锅炉运行的经济性和安全性。分析了工程上普遍采用的人工取样、实验室化验方法以及在线监测仪器所存在的缺陷。研究了以软测量和信息融合技术为代表的人工智能方法的不足,采用遗传神经网络算法,对的连接权值、阈值和隐层节点个数进行了优化计算,以增强网络的泛化能力,并利用Grason敏感性分析算法,对影响飞灰含碳量的输入参数进行了筛选,实现了以较少的工况输入来有效地测量输出。在此基础上,通过实际样本进行仿真分析和对比,验证了所用方法具有更好的测量精度,最后通过实测数据的对比进一步验证了该结论。     

超临界二氧化碳向心透平研究进展

向心透平是超临界二氧化碳(S-CO₂)动力循环系统的核心设备,其性能的优劣对系统整体性能具有直接影响。首先从理论研究角度总结了国内外S-CO₂向心透平的损失模型、落后角模型、一维优化设计方法和气动性能的研究情况,然后从实验研究角度总结了美国、韩国、日本、中国等国家S-CO₂向心透平设备的相关研究进展。研究结果可为S-CO₂向心透平的设计研发提供参考。     

超临界二氧化碳布雷顿循环塔式光热系统及光伏-光热混合系统运行性能分析

本文对超临界二氧化碳（S-CO₂）布雷顿循环塔式光热系统及光伏-光热混合系统在典型天气下的运行性能进行了研究。探究光热电站通过灵活调控出力,从而辅助间歇性出力的光伏电站发电并网的能力;分析光伏电站的接入对光热电站运行性能的影响;对比S-CO₂布雷顿再压缩和部分冷却循环所组成的光热电站在不同运行场景下的热力性能。研究结果表明:光热电站可与光伏电站良好地配合,实现混合电站高效发电并网;光伏电站的接入会导致光热电站的运行效率降低,如晴天时,为辅助光伏电站并网,再压缩循环光热电站的运行效率由20.23%降至18.34%;在光热电站独立发电的运行场景下,再压缩循环光热电站性能更优,而在混合电站联合发电的运行场景下,部分冷却循环光热电站性能更优。     

基于BP神经网络的电池电解液密度预测

为了对电池电解液密度进行预测,建立了BP神经网络模型,用电池充放电试验数据对其进行了训练和检验。利用训练后的神经网络模型进行了电池电解液密度的预测,预测值与实测值的最大误差值为0.020 9 g/cm3,均方根误差值为0.004 0 g/cm3左右。结果表明,BP神经网络方法可以满足预测精度要求,从而可用于建立电池剩余电量实时监测系统,降低电池维护工作量并延长电池的使用寿命。     

基于改进BP神经网络的锅炉结渣预测模型

基于人工神经网络的改进BP算法,建立了大型燃煤锅炉对流受热面积灰结渣状况的预测模型。根据所建立的BP网络模型,对某电厂700MW机组锅炉的再热器进行了分析和计算,结果表明该模型可以准确地预测锅炉对流受热面的结渣状况,从而为优化吹灰提供指导。     

超临界二氧化碳动力循环研究进展及展望

超临界二氧化碳（S-CO₂）动力循环具有效率高、系统紧凑及灵活性高等优点,未来可取代或部分取代水蒸气朗肯循环,实现高效热功转换。本文从能量传递转换机理、关键部件研发以及系统设计等角度,总结了国内外研究进展。已有研究表明,目前已成功展示小型径流式透平S-CO₂循环系统,但CO₂泄漏等导致系统性能降低,大型轴流式透平系统可能不会出现小型系统类似问题。综述了我国在S-CO₂循环方面的研究进展。围绕大型S-CO₂燃煤发电系统能量传递转换机理及系统概念设计,提出了锅炉模块化设计,将锅炉压降降低到与水蒸气锅炉相当甚至更低的水平;提出了顶/底复合循环,彻底解决了锅炉烟气热量全温区吸收问题。建立了高温高压CO₂传热实验系统,获得了宽广参数范围内的实验数据,引入超临界类沸腾概念并提出超临界沸腾数及K数,获得了高精度预测超临界传热恶化及传热系数的广义关联式,提出了控制壁温的S-CO₂锅炉概念设计等。在此基础上,提出了需加强的研究方向,包括适合不同热源（核能、太阳能、化石能源）的S-CO₂循环构建,回热器、压气机及透平等关键部件设计及制造技术,关键部件及全系统的控制运行技术,以及不同功率等级的S-CO₂循环的示范系统等,为S-CO₂发电的商业应用奠定理论和技术基础。     

超临界二氧化碳离心式压缩机研究进展

作为布雷顿循环的核心部件,超临界二氧化碳离心式压缩机结构紧凑、效率高,具有广阔的应用前景.基于此,本文介绍了超临界布雷顿循环和超临界二氧化碳压缩机的发展历程和背景意义,详细综述了目前超临界二氧化碳离心式压缩机在实验测试、数值模拟以及热力设计方面的研究成果及现状,并针对超临界二氧化碳离心式压缩机的特点,对其研究方向进行了...