基于GA-GRNN数据挖掘的SCR脱硝系统建模优化研究

火电厂选择性催化还原法(SCR)烟气脱硝系统是处理燃煤机组烟气排放NOx污染的主要途径,但该系统具有多输入变量、环境影响复杂、时变非线性等特征,因此建立准确的系统模型是SCR优化控制的基础。提出了一种融合遗传算法(GA)主元分析和广义回归神经网络(GRNN)数据挖掘的SCR系统建模方法。首先使用GA对运行数据进行变量选择优化计算;然后将最优变量作为GRNN的输入量,利用数据挖掘技术建立SCR系统数据模型。基于某电厂机组运行数据的实例分析表明,该方法建立的模型具有复杂度低、精度高、泛化能力强等优点。     

模拟退火算法在自动阻抗匹配器中的应用研究

介绍了基于搜索最优解的阻抗匹配调节原理,设计了以ARM7为核心的自动阻抗匹配系统.针对自动阻抗匹配器中使用的梯度下降搜索存在收敛速度慢和易陷入局部最优值的问题,提出将模拟退火算法应用于该系统,并给出了分析和设计过程.实验结果表明该算法收敛速度快,性能良好.     

基于人工蜂群算法优化支持向量机的燃气轮机故障诊断

针对基于SVM(支持向量机)的故障诊断方法中支持向量机的参数难以选取导致诊断结果较差的问题,采用ABC(人工蜂群算法)对支持向量机的惩罚因子C和核函数参数σ进行优化;并构建了ABC-SVM(人工蜂群优化支持向量机)对燃机涡轮叶片故障进行诊断。诊断实例表明,该方法诊断准确率达到96. 43%,具有很好的诊断效果,为燃气轮机故障诊断提供了一种新的方法,具有实际应用价值。     

宜兴油车水库工程通过蓄水安全鉴定

7月2—5日，宜兴市油车水库工程通过蓄水安全鉴定，分两期蓄水，一期按28米高程，二期按设计正常蓄水位38．30米蓄水。该水库位于宜兴市湖滏镇境内，集防洪、供水、景观旅游等功能于一体，集水面积37．4平方公里，总库容3324万立方米，年可供水量1748万立方米。     

基于改进深度信念网络的燃气轮机故障诊断

针对传统智能诊断方法使用的浅层模型难以准确挖掘信号特征量与对应故障原因之间复杂的映射关系,导致故障诊断精度不高的问题,提出了一种基于深度信念网络(DBN)的燃气轮机故障诊断方法。采用Apriori关联度分析法分析燃气轮机故障模式与故障特征向量之间的关系,生成关联度矩阵;根据关联结果筛选出满足精度的特征向量作为输入,同时结合遗传算法(GA)对深度信念网络的结构参数进行优化,建立了基于GA-DBN的燃气轮机故障诊断模型。最后通过诊断实例验证了所提方法的有效性。     

改进D-S证据理论在振动故障诊断中的应用

针对传统D-S证据理论对燃气轮机进行振动故障诊断时会出现一些悖论问题,提出D-S理论改进算法。首先,对采集的燃机振动信号分别从时域和频域进行特征提取,再利用三种不同类型的神经网络模型进行初步诊断,将初步诊断的结果经归一化构建原生证据,然后通过引入证据间的支持矩阵对原生证据进行修正,最后根据改进D-S规则进行决策融合。通过燃气轮机的振动故障诊断实验,证明了该算法能够充分利用各种信息,避免了传统方法出现的悖论现象,提高了燃气轮机振动故障诊断结果的准确性。     

含有用户自主选择行为分析的电价套餐设计策略

基于用户自主选择行为并趋优的特性,提出了一种新型的电价套餐制定策略。首先,采用K-means算法对电力用户负荷特性曲线进行聚类分析,生成各类典型的用户负荷特性曲线;构建效用模型及用户选择概率模型,以效用最大化确定不同用电习惯的用户选择套餐的概率。其次,制定基于CVaR的售电商成本与风险模型,并以用户自主选择行为和售电商成本与风险等作为约束,以售电商利润最大化为优化目标,建立了电价套餐定制模型。最后,结合算例验证所提出的电价套餐的合理性及可行性。     

基于IABC-Elman神经网络的电厂耗煤量短期预测

针对电厂耗煤量具有不确定性的特点及传统Elman神经网络利用梯度下降训练网络参数易陷于局部最优的缺点,基于人工蜂群(ABC)算法,提出了一种改进蜜源更新方式和跟随蜂选择引领蜂方式的改进ABC优化算法,结合进煤量、存煤量和发电量,建立了Elman神经网络电厂耗煤量短期预测模型(IABC-Elman)。实际算例表明,基于IABC-Elman电厂耗煤量短期预测模型结果能达到耗煤量短期预测的标准,与传统神经网络相比具有更高的预测精度。     

成组技术应用于备件加工

成组技术是一种先进的、成熟的生产组织方法,对于改变多品种、中小批生产企业的技术落后和管理落后的面貌,提高企业经济效益有着重要的作用,在机加工领域的应用前景广阔.介绍了杭钢备件加工应用成组技术的设想.