考虑网络拓扑和换相受限的负荷平衡控制策略

为了有效地降低线路损耗和提高低压配电网的供电质量,本文提出了一种考虑网络拓扑结构和开关动作次数的负荷平衡控制策略。给出了叶节点负荷优先安排方案和根节点负荷优先安排方案,证明了这两种方案都能保证负荷节点之间传输线上的电流相对比较平衡。在此基础上,对未来一段时间内的负荷进行预测。用这两种方案及其改进方案的组合进行线路损耗估计,按照线路损耗最小的原则决定换相开关的当前状态,优化换相开关动作顺序。所提方案具有计算速度快的特点,能有效解决低压配电网三相不平衡问题。     

基于OBLPSO-LSSVM的一氧化碳浓度检测

为了提高CO浓度检测精度,提出一种反向学习机制粒子群算法（OBLPSO）优化最小二乘支持向量机（LSSVM）的CO浓度检测模型（OBLPSO-LSSVM）。构建CO浓度检测的学习样本,输入到LSSVM中训练,通过引入反向学习机制的粒子群算法找到LSSVM的最优参数建立CO浓度检测模型,在Matlab2012平台对模型性能进行仿真测试。结果表明,OBLPSO．LSSVM可以精确描述CO检测系统的输入与输出间的非线性变化关系,提高了CO浓度检测精度,具有一定的实际应用价值。     

基于RBF神经网络的单一催化传感器检测混合气体研究

根据催化传感器在不同的工作温度下具有不同气体检测灵敏度的特点,提出基于恒温检测与RBF神经网络的单一热催化传感器检测可燃混合气体的新方法.采用动态学习算法的RBF神经网络建立了多种可燃气体分析的数学模型.通过对甲烷,一氧化碳和氢气三种气体混合的样本进行实验,结果表明所研究的方法可以较好地实现单一催化传感器对多种可燃混合气体的分析.