基于神经网络和混合遗传算法的凝汽器真空优化控制

利用人工神经网络进行凝汽器真空建模,然后采用混合遗传算法对运行工况寻优,以获得各种工况下凝汽器的最佳运行方式。通过对某电厂的300MW机组现场热态试验与计算,表明该方法可以指导运行人员进行凝汽器真空的优化调整。     

基于粒子群优化算法的凝汽器真空预测模型

分析了凝汽器的传热特性,利用660MW机组DCS采集到的数据,通过多元回归分析了凝汽器真空与其影响因素之间的关联关系,得到了偏相关系数,为真空预测模型提供了理论依据．应用主元分析与粒子群BP神经网络相结合的方法,给出了凝汽器真空预测模型,实现了对真空值的提前预测．通过凝汽器预测真空值与监测值的对比,判断此时的真空运行状态是否合理,实现凝汽器运行状况的软测量,为凝汽器的故障诊断提供理论依据,从而提高了机组的运行效率,保证机组的安全可靠运行．     

基于广义回归神经网络模型的径流预测研究

为提高径流预报精度,构建了基于广义回归神经网络模型的径流预测模型并将其应用于浙江丽水小溪流域中,对白岩测站50年月平均径流资料进行模拟研究,并与BP神经网络模拟结果进行对比。结果表明,广义回归神经网络预测精度较BP神经网络模型高,更接近径流监测实测值,平均相对误差为11.06%,且预报结果比较稳定,为径流时间序列模拟提供了一种更优的建模方法。     

基于广义回归神经网络的旋转机械振动特征预测

提出了一种基于广义回归神经网络(GRNN)模型的旋转机械振动特征预测策略,给出了一种快速的GRNN模型平滑参数的优选方法;采用滑动窗口的方法更新训练样本,以便在每步预测之前获得能反应振动最新变化趋势的网络结构,进而提高预测精度。将该方法应用于某600MW核电机组动静碰摩故障下的振动特征预测,并与粒子群算法优化的支持向量回归模型(PSO-SVM)、径向基函数神经网络(RBFNN)模型的预测结果进行了对比分析,结果表明:提出的振动预测模型的总体性能优于PSO-SVM、RBFNN模型,在学习样本数目较少的情况下也能够得到较为满意的预测结果。     

基于果蝇算法优化BP神经网络的齿轮箱故障诊断

为有效提高风电机组齿轮箱故障诊断的快速性和准确性,采用近几年出现的果蝇算法对BP神经网络进行优化,减少了BP神经网络算法陷入局部最优解的风险,显著增强了BP神经网络的泛化能力和全局寻优能力。对比发现,果蝇算法优化后的BP神经网络模型具有比较好的快速性和准确的诊断能力。测试结果表明,果蝇算法优化BP神经网络对风机齿轮箱故障诊断具有可行性和有效性。     

运用广义回归神经网络预测风电场功率

运用广义回归神经网络对风电场出力提前了24h预测。对引入数值气象预报信息与不引人数值气象预报信息两种情况的预测结果进行了比较分析。首先,对前15d的风功率数据进行训练,通过交叉验证,建立模型,预测了未来一天的风电场出力。然后加入历史风速数据,对历史风速和风功率进行训练,利用数值气象预报信息,预测未来1d的风功率。通过算例表明,使用广义回归神经网络模型预测未来1d的风电场出力,预测结果能够跟踪实际风功率,同时加入数值气象预报信息的预测结果较不加入数值气象预报信息的神经网络预测,精度有所提高。     

基于果蝇算法与自适应性遗传算法组合优化神经网络的光伏电站短期出力预测

光伏电站的输出功率会随着很多因素发生波动,若能够提高光伏系统出力预测的准确性,则能有效地降低光伏电站并网后对电网造成的冲击,提高电力系统的稳定性。建立了果蝇算法与自适应遗传算法组合优化的BP神经网络的预测模型。从预测结果可以发现,采用组合优化算法的BP神经网络模型能够有效避免地BP神经网络易陷入局部极小值点的缺陷,相比于仅优化权值和阈值的BP神经网络模型提高了预测精度,具有一定的应用价值。     

基于果蝇优化算法的GRNN水电机组状态趋势预测

针对水电机组振动的非线性、非平稳特性,提出了一种基于果蝇优化算法（FOA）的广义回归神经网络（GRNN）模型（FOAGRNN ）,实现了GRNN分布参数的优化选择,并对四川省新政航电工程3台机组5个不同部位的振动序列峰峰值进行了预测,与BP神经网络预测结果的均方误差（MSE）对比结果表明,FOAGRNN预测精度较高。     

基于果蝇优化算法的配电网状态估计

配电网状态估计的目的是根据获取的配电网的各种量测信息,估计配电网系统的运行状态,是配电管理系统（DMS）的重要核心功能之一。根据配电网特点,以电压幅值和相角为状态变量,以量测值和估计值误差最小为目标函数,以潮流方程和估计值的上、下限为约束条件,构建配电网状态估计的优化模型,采用果蝇优化算法对该模型进行求解。算例表明,基于视觉和嗅觉的觅食行为启发的果蝇优化算法可有效求解该优化模型,具有易于实现、控制参数少和计算精度高的特点,为配电网状态估计提供了新的途径。     

基于神经网络模型的锅炉广义预测控制

针对目前电站锅炉运行中,控制性能不佳,热效率低下等不足,提出了运用基于神经网络模型的ＧＰＣ控制方法（ＮＮＧＰＣ）以改善控制器性能的策略,并通过大量的仿真研究对其进行了验证。另外,为简化模型结构,便于实时在线计算,又利用改造后的Elman网络模型代替原有的多层前向ＢＰ网络模型进行了对比实验,效果令人满意。最后,利用仿真结果,讨论了ＮＮＧＰＣ的参数选择及工程应用中的实际问题。     

基于果蝇优化算法的GRNN模型在边坡稳定预测中的应用

鉴于边坡系统是一个复杂的多因素影响的非线性系统,综合考虑边坡的物理状态和环境因素,采用了一种基于果蝇优化算法(FOA)的广义回归神经网络(GRNN)模型(FOAGRNN)预测边坡的稳定状态,并与BP神经网络预测模型结果进行比较。结果表明,FOAGRNN预测的精度较高,基本反映了边坡稳定的真实状态。     

基于非线性自回归神经网络的GHI预测

针对水平面总辐照度(global horizontal irradiation,GHI)短期预测问题,提出一种基于非线性自回归神经网络的短期水平面太阳总辐照度预测模型。首先,提出一种并联结构训练样本,以保证训练样本内部的时间耦合性。其次,通过对9项气象参数共511种组合作为输入的模型预测精度进行分析,确定模型最优输入组合。最后,利用4种典型气象条件下GHI时延神经网络预测模型,非线性自回归动态神经网络预测模型预测标准均方根误差均降低。     

基于智能水滴算法优化Elman神经网络的光伏电站输出功率预测

提出一种智能水滴(intelligent water drops,IWD)算法优化Elman神经网络的光伏电站输出功率预测模型。利用智能水滴算法对Elman神经网络的权值和阈值进行优化,可提高网络的训练效率。将IWD优化Elman神经网络模型、传统Elman神经网络模型和BP神经网络模型的预测结果分别与光伏电站的实际出力数据进行对比。结果表明,所提出的IWD-Elman神经网络模型具有较高的预测精度。     

基于数学形态学聚类与果蝇优化算法的风电功率短期预测

针对预测模型训练数据的选择以及模型参数最优化的问题,提出一种基于数学形态学聚类与果蝇优化算法相结合的风电功率短期预测方法。数学形态学聚类方法通过膨胀腐蚀运算,自动将数值天气预报数据聚成类,然后寻找与预测日相似的类作为训练样本。果蝇优化算法能较快确定模型的最优参数。通过对依兰风电场的发电功率进行预测,证实该方法的有效性,其精度比基于K均值聚类方法和粒子群优化算法的预测模型要高,且训练数据对模型精度的影响会高于模型本身参数的优化。     

基于SVR的凝汽器真空冗余测量

针对实际运行的凝汽器,分析了影响凝汽器真空的因素,建立了基于支持向量回归的凝汽器真空的冗余测量计算模型,然后利用某300MW机组的数据,对模型进行了验证,并与RBF回归模型进行了比较.结果表明,采用支持向量回归算法得到的凝汽器冗余测量计算模型具有较好的泛化能力和稳定性,并适用于在线应用,可以在凝汽器真空测点发生故障时准确计算真空值,为凝汽器真空冗余测量和故障诊断提供了一种更简单的方法.     

基于改进粒子群优化神经网络算法的波浪捕获功率预测

传统BP神经网络算法应用于波浪发电系统捕获功率预测,易陷入局部最优和泛化能力不足,为此提出一种改进的粒子群优化神经网络算法,动态调整学习因子并添加变异算子。采用间接预测策略,搭建从波浪数据到波浪捕获功率的直驱式波浪发电系统模型;应用改进算法预测分析波浪历史数据,输入搭建模型,进而获得波浪捕获功率预测值。比较分析不同预测步数和不同算法的仿真结果可知,改进算法能有效克服传统算法不足,提高预测精度。     

基于广义回归神经网络的转子系统质量不平衡辨识

提出了一种基于广义回归神经网络(GRNN)模型的转子系统质量不平衡定量辨识方法:采用拉丁超立方抽样和转子系统的有限元模型获取训练样本,随后采用优化的GRNN模型建立不平衡参数与各测点振动响应的对应关系,降低反演优化迭代过程中冗繁的有限元计算;构建用于求解质量不平衡参数的目标函数,借助建立的GRNN关联模型,采用PSO算法寻找满足符合目标函数的全局最优解,从而达到质量不平衡定量识别的目的。此外,为了降低噪声的影响,采用零相位带通滤波器进行实测振动信号的去噪滤波。仿真结果表明该方法能有效地辨识出转子系统中的质量不平衡参数,辨识结果的准确度较高。     

基于果蝇优化算法的汽轮机调节系统参数辨识

为了建立用于电力系统稳定计算的汽轮机调节系统的准确模型,通过现场试验的方法得到某电厂试验数据并进行了相关预处理,采用果蝇优化算法对该电厂汽轮机调节系统各环节的参数进行辨识,最后对辨识结果进行仿真校核,给出仿真曲线与实测曲线的对比结果,并计算出各误差指标.结果表明:所采用的果蝇优化算法适用于汽轮机调节系统参数辨识,经过仿真校核得到的模型与机组实际特性趋于一致,验证了该方法的实用有效性.     

基于模糊神经网络的凝汽器故障诊断系统

凝汽器是凝汽式汽轮机的主要辅助设备之一,凝汽器系统运行中出现的故障与故障征兆之间是非线性关系,具有复杂性、模糊性和随机性,难以用数学公式表示.针对此情况,结合模糊理论与神经网络两种故障诊断方法的优势,建立凝汽器故障诊断专家系统.系统采用模糊隶属度函数表示难以准确描述的领域专家知识,采用神经网络进行推理,使诊断结果具有较高的可靠性.