排序方式: 共有4条查询结果,搜索用时 46 毫秒
1
1.
为提高光伏阵列故障诊断的精度,提出一种基于核主成分分析(KPCA)和改进麻雀搜索算法(ISSA)优化核极限学习机(KELM)的光伏故障诊断方法。利用KPCA降维提取故障数据的非线性特征,减少外界条件产生的冗余数据,有效提高复杂故障识别准确率。通过融入Levy飞行和自适应权重t对麻雀搜索算法进行改进,并利用ISSA对KELM中的核参数γ和正则化系数C进行优化,建立了基于KPCA-ISSA-KELM的光伏阵列故障诊断模型。实验结果表明,经ISSA优化KELM的光伏阵列故障诊断模型与其他光伏阵列诊断模型相比,在故障诊断精度上达到97%,验证了该模型的准确性和有效性。 相似文献
2.
针对传统BP神经网络在光伏阵列故障诊断时受初始权值阈值的影响,易导致全局搜索过程陷入局部最优这一问题,提出了一种基于改进麻雀搜索算法优化RBF神经网络(ISSA-RBF)的光伏故障诊断方法。首先,利用Matlab建立光伏阵列故障仿真模型,提取出故障诊断模型的特征参数;其次,融入Levy飞行和自适应权重φ对麻雀搜索算法进行改进,用优化后的算法建立ISSA-RBF故障诊断模型;最后,与传统BP和SSA-RBF模型进行对比验证,实验结果表明,ISSA-RBF模型在故障诊断精度上达到94.8%,可以有效诊断光伏阵列的故障类型。 相似文献
3.
针对传统BP神经网络在光伏阵列故障诊断时受初始权值阈值的影响,易导致全局搜索过程陷入局部最优这一问题,提出了一种基于改进麻雀搜索算法优化RBF神经网络(ISSA-RBF)的光伏故障诊断方法。首先,利用Matlab建立光伏阵列故障仿真模型,提取出故障诊断模型的特征参数;其次,融入Levy飞行和自适应权重φ对麻雀搜索算法进行改进,用优化后的算法建立ISSA-RBF故障诊断模型;最后,与传统BP和SSA-RBF模型进行对比验证,实验结果表明,ISSA-RBF模型在故障诊断精度上达到94.8%,可以有效诊断光伏阵列的故障类型。 相似文献
4.
利用 Chemkin 软件中对冲火焰模型对 CO2和 H2O 气氛下甲烷 MILD 富氧燃烧进行详细数值模拟,对比了两种气氛下 NO 和 CO 的排放规律和生成机理.结果表明,MILD-CO2燃烧模式下 CO 排放浓度约为 MILD-H2O 燃烧模式下的 3 倍.敏感性分析发现 CO2的分解会增加 CO 排放浓度,而 MILD-H2O 燃烧模式下 H2O 分解生成的 OH 基团促进了 CO 的氧化,降低了 CO 的排放浓度.同时,MILD-CO2燃烧模式下 NO 排放浓度约为MILD-H2O 燃烧时的 4 倍,且 MILD-H2O 燃烧模式下 NO 生成对氧化剂进口温度的变化不敏感.通过分离 NO 生成路径发现,两种气氛下 N2O 中间体路径主导了 NO 的生成,NO 再燃可以消耗 20%以上生成的 NO,其余路径相对不重要.结果表明 MILD-H... 相似文献
1