遗传算法在数据挖掘中的应用实例分析

该文主要分析了数据挖掘的有关概念及其数据挖掘的过程,详细阐述了遗传算法的基本思想、步骤及其在数据挖掘中的应用,以遗传算法在旅行商问题中的应用为例,全面分析了遗传算法在数据挖掘中的应用过程及其实现的计算效果,同时对简单的遗传算法在数据挖掘应用中存在的问题进行了讨论.     

计及雾霾影响因素的光伏发电超短期功率预测

近年来频繁出现的雾霾天气,对光伏发电的输出功率造成了显著影响。首先,针对太阳辐射削弱情景,采用机器学习方法对大气气溶胶光学厚度进行估计,进而利用经云遮系数修正的晴空太阳辐射模型计算光伏电池面板接收的辐射强度;其次,针对光伏电池面板积灰情景,开展功率测量实验,构造颗粒物累积浓度——功率衰减率样本集,从而通过相似日筛选估计不同积灰状态下的功率输出衰减率;最终,结合光电转换模型,基于地面颗粒物浓度预测以及精细天气预报信息,提出一种光伏发电超短期功率预测方法。实验结果表明,所提出的预测方法具有较高的精度,且易于工程实现。     

基于MMI-PCA-KLPP二次降维和模糊树模型的NO_X浓度软测量方法

针对火电厂气体分析仪测量存在滞后和NO_X软测量不准确的问题,提出了一种基于改进互信息-主成分分析-核局部保持投影(MMI-PCA-KLPP)二次降维和模糊树模型(FT)的NO_X浓度软测量方法。首先对样本进行剔除离群点等预处理,再通过查阅文献大体确定模型的输入变量,并采用MMI方法对输入变量进行降维处理;针对MMI降维后依然有较多输入变量的问题,综合考虑了样本全局结构特性和局部结构特性,用PCA-KLPP方法对MMI降维后的变量二次降维;最后针对二次降维后的数据,基于模糊树算法建立了NO_X软测量模型。实验结果表明,模糊树模型精度高且泛化能力强,结合MMI-PCA-KLPP二次降维处理后,大大缩短了模型的训练时间且精度未出现较大程度的降低。     

基于余弦决策法的电力企业人才选拔与评价

本文应用余弦决策法的基本决策理论,针对电力人才选拔的众多因素,以五位候选人为对象,建立多指标决策问题的优化模型。结合实例数据,构造决策矩阵,确定指标权重,根据总排序结果,确定了适合上级职位的最佳人选。     

一种改进的遗传算法及其在热工过程控制中的应用

设计了一种改进的快速遗传算法。该算法采用浮点数编码方法、排序选择、最优保存策略、分组并行运算等措施，有效抑制了算法早熟，提高了算法的全局和局部搜索能力。在Matlab平台上编制了通用算法程序，用于控制系统参数优化、热工对象模型辨识。仿真研究表明，该算法是一种简单易行的实用寻代方法。     

基于小生境的极性PSO多目标优化研究及应用

提出一种改进粒子群算法,即将子群优化的小生境技术应用于极性粒子群算法,每个子群单独进化,内部粒子群进化增加了极性加速度,仅在边界处进行社会信息的传递.这样既保证了子群内部的有效收敛,又增加了全局多样性.将改进的粒子群算法与多目标优化相结合应用于蒸汽发生器的液位控制器参数整定,仿真结果表明,应用该算法的系统特性与使用传统...     

基于改进粒子群算法的水轮机调速器参数优化

提出一种改进的粒子群算法,即将微分进化算法与粒子群算法相结合,在更新粒子位置之前,加入微分进化算法,微分进化算法在变异时,考虑了粒子群算法中当前所寻找到的个体粒子所经过的最优位置及其整个粒子群所经历过最优位置,使粒子的进化具有了一定的方向性.利用典型函数证明了该方法具有较好的全局收敛性和收敛精度.将其应用在水轮机的调速系统参数寻优中,通过二次优化,有效地改善水轮机控制系统过渡过程的动态性能,很好地缓解了该工况下稳定性与抗负荷扰动能力的矛盾.     

大型锅炉热应力在线监视系统的开发

目前，国内对锅炉热应力的研究多以三维计算为主，但运行机组的状态千变万化，不可能对每一工况对采用三维计算来指导运行操作。热应力在线监视系统采用简化的热应力计算方法，实时地监视锅炉机组各个主要部件的热应力。文章介绍了锅炉热应力微机在线监视系统的软、硬件结构及热应力动态计算的简化方法。     

基于C#的DCS操作员仿真软件设计与开发

随着火电机组向大容量、高参数的发展,DCS得到了广泛的应用。仿真培训不仅使运行人员掌握了运行技术,而且对电力生产的安全性也起着至关重要的作用。同时由于培训仿真机的造价大大降低,又能减少培训成本、降低硬件维护、培训和备品备件费用等,利用仿真机来培训运行人员和管理人员已经得到普遍认同。设计与开发出一套合理的能够在Windows平台上运行的火电厂仿真机DCS操作员界面越发显得重要。本组态软件应能够进行在线／离线组态,能进行控制系统、逻辑保护的调试和诊断,支持全局变量,从而实现站间通信和不同画面的点与点之间的连接。     

反激式光伏微型逆变器并网电流逆控制方法

为改善反激式光伏微型逆变器的并网电流波形质量,提出一种基于支持向量机(SVM)的逆控制方法。基于小信号分析方法建立该逆变器的数学模型,归纳影响其并网电流的主要因素;利用支持向量机方法建立系统的逆模型,并利用萤火虫算法进行模型参数优化;将逆模型的输出作为前馈,与单闭环PI控制相结合,提出一种新颖的并网电流控制方法。仿真结果表明,与传统PI控制相比,该方法可有效降低并网电流的谐波含量。制作220 W微型逆变器样机进行试验,结果表明了所提方法的可行性与有效性。