山东省软科学研究计划(2009RKB190)
- 作品数：6 被引量：49H指数：4
- 相关作者：于新花师彪闫旺孟欣李鹏更多>>
- 相关机构：西安理工大学青岛科技大学更多>>
- 发文基金：陕西省自然科学基金山东省软科学研究计划国家火炬计划更多>>
- 相关领域：电气工程自动化与计算机技术水利工程动力工程及工程热物理更多>>
- 水轮机智能调速系统数学模型仿真及参数辨识被引量：13
- 2010年
- 为建立与电网稳定计算有关的水轮机调速系统数学模型及模型参数测量辨识,提出一种基于自适应人工鱼群-神经网络技术并适用于水轮机调速系统控制的新技术,建立智能调速系统数学模型,使之符合实际调节及微机优化控制。分析了该模型组成部分的传递函数,提出采用自适应人工鱼群算法来弥补人工鱼群和神经网络算法的不足,阐述了自适应人工鱼群算法-神经网络优化器的算法。给出了自适应人工鱼群优化算法参数辨识算法设计和实现步骤。利用Matlab和自适应人工鱼群算法进行模型参数辨识,对一次调频和二次调节试验过程进行仿真并与实测对比。结果表明,仿真值与实测值相当接近,所研制的自适应人工鱼群-神经网络优化器,达到了优化PID调节器控制输出量的目标;所建立的调速系统数学模型真实地反映调速系统在机组并网工况下的调节特性,说明该方法原理正确,可用于优化控制。
- 师彪李郁侠何常胜于新花闫旺孟欣李鹏
- 关键词：水轮机调速系统BP神经网络仿真
- 基于弹性自适应人工鱼群-BP神经网络的风轮节距控制环被引量：4
- 2010年
- 为了研制一种调节桨叶节距角的智能控制器,使风力发电机组在变化的风力中获得最大的能量并使转速、功率和机械负载变化最小,提出了一种基于弹性自适应人工鱼群-BP神经网络的风轮节距控制环并用于风轮节距角控制,分析了弹性自适应人工鱼群优化算法-BP神经网络,建立智能控制的风力发电机组模型。使用该方法模拟了在不同桨叶节距角下功率系数、叶尖速比、功率和电压变化,模拟值与实测值进行了对比。试验表明,模拟值与实测值比较接近,仿真效果较佳。结果表明该方法原理正确,符合实际调节及微机控制,可用于实时控制。
- 师彪李郁侠于新花闫旺孟欣何常胜
- 关键词：神经网络风力发电机组
- 自适应变系数粒子群和径向基神经网络在短期电价预测中的应用(英文)被引量：3
- 2010年
- 分析了传统的粒子群优化(particle swarm optimization,PSO)算法和径向基(radial basis function,RBF)神经网络的优缺点,提出一种自适应变系数粒子群优化算法(adaptive variable coefficients particle swarm optimizer,AVCPSO)。该算法与RBF神经网络结合形成自适应变系数粒子群-径向基(AVCPSO-RBF)神经网络混合优化算法。基于此优化算法,建立了短期电价预测模型,并利用贵州电网历史数据进行短期电价预测。仿真计算结果表明,AVCPSO-RBF混合优化算法在短期电价预测中优于传统RBF神经网络法和PSO-RBF神经网络方法,克服了上述2种方法的缺点,改善了RBF神经网络的泛化能力,具有输出稳定性好、预测精度高、收敛速度快等特点,使用该方法得到的各日预测电价的平均百分比误差可控制在2%以内,平均绝对误差最大值为1.652RMB/MW·h。
- 师彪李郁侠于新花闫旺李娜孟欣
- 关键词：电价预测混合优化算法泛化能力
- 自适应人工鱼群-BP神经网络算法在径流预测中的应用被引量：12
- 2009年
- 为了提高水库和河流中长期径流预测精度,提出了弹性自适应人工鱼群算法(RAAFSA)。应用RAAFSA算法训练BP神经网络,实现BP神经网络参数优化,形成弹性自适应人工鱼群-BP神经网络混合算法(RAAFSA-BP),对石泉水库进行中长期径流预测。仿真计算表明,弹性自适应人工鱼群优化的BP神经网络算法收敛速度快于BP神经网络算法、人工鱼群-BP神经网络算法和RBF神经网络算法。该混合算法克服了BP神经网络和人工鱼群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了BP神经网络的泛化能力,输出稳定性好,预报精度显著提高,每次预测相对误差绝对值都小于6%,合格率达到100%。该算法成功地解决了石泉水库中长期径流预测精度不高的难题,可有效用于水库和河川中长期径流预测。
- 师彪李郁侠于新花闫旺李鹏
- 关键词：径流预测BP神经网络
- 动态调整粒子群-霍尔特模型在径流预测中的应用被引量：7
- 2010年
- 为了提高水库和河流中长期径流预测精度,针对粒子群算法存在的缺陷,提出了动态调整粒子群算法(DAPSO)。借助霍尔特-温特斯线性季节性模型的预测功能,应用DAPSO算法求解和优化霍尔特-温特斯线性季节性模型组合参数,形成动态调整粒子群-霍尔特-温特斯线性季节性模型组合算法,对石泉水库进行中长期径流预测。仿真计算表明,动态调整粒子群-霍尔特-温特斯线性季节性模型算法收敛速度快于霍尔特-温特斯线性季节性模型算法、粒子群-霍尔特-温特斯线性季节性模型算法。该组合算法克服了按梯度试算法搜索质量差和精度不高的缺点,输出稳定性好,预报精度显著提高,置信度为95%时的预测相对误差小于6%。该算法可应用于水库和河川中长期径流预测。
- 师彪李郁侠于新花牛艳利
- 关键词：径流径流预测
- 动态调整蚁群-BP神经网络模型在短期负荷预测中的应用被引量：11
- 2011年
- 为提高短期电力负荷预测精度,提出了动态调整人工蚁群算法(DAACS),对BP神经网络参数进行优化,建立了动态调整人工蚁群-BP神经网络组合算法(DAACS-BP)预测模型,综合考虑气象、天气、电价、日期类型等影响因素,对四川电网进行短期电力负荷预测。仿真表明,该方法克服了BP神经网络和人工蚁群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了BP神经网络的泛化能力,收敛速度快,输出稳定性好,提高了电网短期负荷预测的精度,可有效用于电力系统短期负荷预测。
- 师彪李郁侠于新花闫旺
- 关键词：水电工程短期负荷预测BP神经网络
