基于小波PLS的风电功率预测

风电场输出功率预测对接入大量风电的电力系统运行具有重要意义。针对风电的间歇性和波动性,以及传统物理方法预测精度低,提出了物理方法和小波PLS相结合的风电功率预测算法。该方法可较好地实现数据去噪和样本预处理,并可对输入因素进行成分提取,对因变量有较好的解释能力,且有利于提高风电功率的预测精度。最后通过某风场的实际运行数据对该算法进行了验证,将其他预测模型的预测结果与物理方法和小波PLS的组合预测结果进行了对比,结果表明文章预测法方精度更高,效果更好。     

基于增强型形态学滤波的风电机组轴承故障诊断方法

风电机组滚动轴承振动信号微弱故障特征易被背景噪声和其他频率干扰,提取难度较大.针对此类问题,提出一种增强型的形态学滤波及故障诊断方法.算法构造了一种新的形态学综合顶帽变换(morphological comprehen-sive filter-hat transform,MCFHT),将其用于强背景噪声下目标信号的故障...     

基于批次图像化的卷积自编码故障监测方法

针对间歇过程的非线性、多阶段性等特点及其三维数据形式,提出基于批次图像化的卷积自编码故障监测方法.首先,将每个批次数据看作一个灰度图,每个批次中数据变化可以看作图片的纹理变化,利用卷积自编码器(convolutional autoencoder,CAE)直接对间歇过程三维数据进行特征提取,避免三维数据展开成二维时导致的信息丢失,无需分阶段充分考虑批次全局信息,有效提取过程变量相关关系的动态变化;同时,利用卷积操作提取局部特征信息,自编码网络可以解决非线性问题,实现特征的无监督学习;然后,使用一类支持向量机(one-class support vector method, OCSVM)描述特征分布,构造新的统计量,确定控制限,实现故障监测;最后,通过将该方法应用到Pensim仿真平台及重组人粒细胞集落刺激因子发酵的实际生产数据,验证所提方法的准确性和有效性.     

基于多阶段动态PCA的发酵过程故障监测

针对间隙发酵过程具有多阶段、批次不等长,且过程动态非线性往往与发酵阶段密切相关等特点,提出一种基于多阶段动态主元分析(principal component analysis,PCA)的故障监测策略.该方法采用高斯混合模型(Gaussian mixture model,GMM)对过程数据进行聚类,能客观反映不同阶段操作模态的数据分布特点,可实现子阶段划分.针对各批次阶段划分后存在的不同步问题,采用动态时间错位(dynamic time warping,DTW)方法对各阶段进行轨迹同步,对同步后的子阶段建立动态PCA模型.最后以工业青霉素发酵过程和重组大肠杆菌制备白介素-2发酵过程为背景,采用多阶段动态PCA策略对其进行故障监测,发现算法能有效降低运行过程的漏报和误报率,验证了算法的有效性。     

基于阶梯式Tent混沌和模拟退火的樽海鞘群算法

针对樽海鞘群算法寻优迭代过程中存在容易陷入局部最优、收敛速度慢的问题,提出一种改进的樽海鞘群算法.引入Tent混沌映射初始化种群来提高算法迭代前期的收敛速度,通过惯性权值"阶梯式"调整策略来更好地兼顾算法全局探索能力和局部开发能力,通过模拟退火增强樽海鞘群算法迭代后期跳出局部最优解的能力,以基准测试函数和磁导航自动导引车模糊控制器参数寻优问题为例测试了算法性能.仿真结果表明,对于单峰和多峰测试函数,改进后的樽海鞘群算法具有更快的收敛速度和更强的全局寻优能力.相比较标准樽海鞘群算法的参数调节法,改进后的樽海鞘群算法所设计的磁导航自动导引车模糊控制器对磁偏差值控制性能更为优化,在控制器设计方面具有潜在的应用价值.     

基于中心损失的条件生成式对抗网络的冷水机组故障诊断

针对冷水机组产生的故障数据不足,数据集中正常数据和故障数据数量不平衡,进而导致故障诊断精度下降的问题,提出一种基于中心损失的条件生成式对抗网络(central loss conditional generative adversarial network,CLCGAN)和支持向量机(support vector machine,SVM)的故障诊断方法。首先,CLCGAN利用少量真实故障数据生成新的故障数据;然后,将生成的故障数据与初始数据集混合,使正常数据与故障数据的数量达到平衡;最后,利用平衡数据集构建SVM模型进行故障诊断。在GAN生成冷水机组故障数据时,构建动态中心损失项并加入到目标函数中,利用动态的中心损失减少冷水机组生成的各种故障数据的类内距离,从而降低各个故障生成数据之间的重叠程度,增加生成数据的可靠性。在生成故障数据之前配置相应的故障标签,并输入到CLCGAN中指导数据生成过程,使生成的故障数据可以均衡地分布于各个故障类别。在ASHRAE 1043-RP数据集上对所提方法进行了验证,结果表明,相较于其他解决数据不平衡问题的故障诊断方法,所提方法具有更高的故障诊断准确率。     

基于马尔可夫电池模型的节能调度算法研究

对于电池供电的便携式系统,电池的节能调度是提高系统性能的重要因素,而建立精确实用的电池模型是研究电池节能调度算法的必要前提。提出了一种电池建模方法,即在每个单位时间内模拟电池的基本行为,通过行为的叠加实现对电池整个放电过程的跟踪。仿真和实验结果均证明了建模方法的正确性,同时亦表明方法具有建模简单、模型精度较高等优点。针对现有的电池节能算法往往存在增加系统复杂度、影响系统实时性等缺点,文中提出两种改进的电池节能调度算法,并在电池模型上进行了仿真验证。结果显示,改进后的算法更易于实现,且在满足系统实时性能前提下,达到较好的节能效果。     

基于小波变换的动态心电信号伪差识别

由突变干扰引起的伪差会严重阻碍动态心电信号的自动分析和正确诊断,常规的小波消噪方法无法消除这类伪差干扰。提出一种新的识别心电信号突变干扰的方法,即利用小波多尺度分解并结合阈值判定算法对突变干扰这类伪差进行自动识别。采用实测的30组动态心电信号对该算法进行测试,实验结果表明,该算法能快速、有效地识别动态心电信号中的突变干扰,正确检出率达到96．4％,为正确诊断动态心电信号提供保障。     

基于LS_SVM的在线建模方法在大肠杆菌发酵过程中的应用

为了实现大肠杆菌发酵过程菌体浓度基于模型的优化控制,提出一种基于最小二乘支持向量机(LS_SVM)在线建立大肠杆菌发酵过程局部模型的方法.该方法首先将当前批次滑动时间窗内采集到的数据作为查询序列,以动态时间弯曲距离(DTW)为判断时间序列相似性的标准,从历史批次数据库中搜索与之相似度最高的数据区间,组成训练样本集.然后利用LS_SVM在线建立发酵过程的局部模型.最后通过实际的大肠杆菌发酵过程数据,对本建模方法与传统的LS_SVM离线全局建模方法进行了仿真验证.结果显示,本方法在线建立的大肠杆菌发酵过程菌体浓度预估模型具有更高的精度以及动态适应能力.