一种T-S模糊模型的自组织辨识算法及应用

提出了一种新的具有自适应学习能力的T-S模糊模型辨识算法.该算法通过使同一条规则的高斯函数的宽度参数彼此相等建立与支持向量机等效的T-S模糊模型,在此基础上,利用模糊聚类算法和支持向量机分别建立前后件辨识模型,并利用一种改进粒子群优化算法优化输出误差函数使前后件参数联合辨识,从而获得T-S模糊模型的结构和参数.仿真结果表明,相比其它方法,文中方法具有较高的逼近精度和较好的泛化能力,由此算法获得的直拉单晶炉热场模型具有0.1171的均方差,完全符合均方差小于0.5的要求.     

基于最小二乘支持向量机的天然气负荷预测

对城市天然气负荷预测的研究,对于保证天然气管网用气量、优化管网的调度和设备维修具有极其重要的意义．在国内,对于城市天然气负荷预测的研究才刚刚起步,目前还没有较系统的理论．同技术与理论较为成熟的电力负荷预测研究相比较,两者既有许多相同点,又有不同之处．相同之处在     

基于自适应陷波的直拉单晶直径跟踪

为抵消单晶生长过程中晶体直径测量信号存在的周期性干扰,提出一种适合晶体直径测量信号的自适应陷波滤波方法。该方法采用抵消低频分量、保留高频分量的思想建立滤波器优化函数,利用一种改进的粒子群优化算法优化该函数获得周期性干扰的逼近信号,并用此逼近信号抵消周期性干扰。实验结果表明,所提出的滤波方法能有效跟踪直拉单晶直径的变化,精度优于常用的滤波方法,所提出的粒子群优化算法能够使滤波器系数较快收敛。     

基于模糊支持向量机的空气预热器温度预测

空气预热器的温度检测对于火力发电机组的安全运行非常重要,提出利用模糊支持向量机回归算法,通过空气预热器历史温度信号与相关联的锅炉负荷信号建立空气预热器温度回归预测模型,对转子内部温度进行软测量。利用一种改进的模糊C均值聚类方法确定训练数据的样本权重,联立遗传算法与K折交叉验证方法优化模型的不敏感损失区域、惩罚因子和径向基核函数作用范围。通过某电厂600 MW机组的实验数据测试,提出的方法具有较高的准确度和泛化能力,较好的满足了提前检测空气预热器二次燃烧征兆的实际需求。     

基于证据推理的电站锅炉空预器热点检测

准确检测空气预热器(以下简称空预器)热点对火力发电机组的安全运行具有重要意义.综合利用热电偶和红外传感器的温度信息,通过Dempster-Shafer(DS)证据理论对这两类温度信息进行融合推理,决策当前空预器内部的火情状态.为准确计算各证据体的基本概率,首先利用最小二乘支持向量机(LS-SVM)和Sigmoid函数建立多元分类器,实现对温度测点较精确的类别判断,然后根据类别票数情况计算各证据体的基本概率.实验结果表明:由最小二乘支持向量机(LS-SVM)和Sigmoid函数建立的多元分类器具有较高的分类准确率,所提出的空预器热点检测方法具有较高的判警准确率.     

施耐德电气Quantum PLC在空气预器热点检测系统中的应用

空气预热器是火力发电机组重要的换热设备。由于燃料的不完全燃烧以及低负荷或停炉后空预器内气体流速低造成散热条件变差等原因会引起空预器的再燃烧事故。本文介绍了基于施奈德电气Quantum PLC的电站锅炉空气预热器热点检测系统的主要内容。目前以施奈德电气PLC为主控制器的国内外用户已达64家,施奈德电气可靠的产品质量、友好的用户开发环境以及较高的性价比得到了用户的认可和肯定。     

Research on Natural Gas Short-Term Load Forecasting Based on Support Vector Regression

Natural gas load forecasting is a key process to the efficient operation of pipeline network. An accurate forecast is required to guarantee a balanced network operation and ensure safe gas supply at a minimum cost. Machine learning techniques have been increasingly applied to load forecasting. A novel regression technique based on the statistical learning theory, support vector machines (SVM), is investigated in this paper for natural gas short-term load forecasting. SVM is based on the principle of structure risk minimization as opposed to the principle of empirical risk minimization in conventional regression techniques. Using a data set with 2 years load values we developed prediction model using SVM to obtain 31 days load predictions. The results on city natural gas short-term load forecasting show that SVM provides better prediction accuracy than neural network. The software package natural gas pipeline networks simulation and load forecasting (NGPNSLF) based on support vector regression prediction     

基于红外阵列传感器的数据融合技术

电站锅炉空气预热器存在二次燃烧现象,现有检测技术还存在一些问题.针对这些问题,本设计采用基于红外阵列的多个红外传感器同时检测空气预热器温度,根据空气预热器的温度分布规律以及运用数据融合技术来判定火灾.首先根 据多传感器的检测值,自动建立空气预热器内部的温度分布规律模型,并在运行过程中对温度分布模型进行自我调节与修正.最...     

Mamdani模型在提高空气预热器热点检测准确度上的研究与应用

为进一步提高现有空气预热器热点检测系统的检测准确率,对原空气预热器热点检测系统进行了详细研究,结合空气预热器实际运行情况,提出了一种能够提高该系统检测准确率的辅助方法。即根据运行经验利用模糊理论建立了机组负荷与能量归一化因子的Mamdani模糊模型,通过模糊推理运算使能量归一化因子随着机组负荷变化进行自适应调整。实例分析表明,采用能量归一化因子自适应调整方法,能有效降低该系统的误报,从而提高了热点检测准确率。     

基于自适应步长的天然气管网动态仿真

根据天然气在管道内部流动缓慢时,压力变化小,反之压力变化大这一特点,提出一种步长依据流量值自适应调整的天然气管网动态仿真方法。该方法通过将管道各点的流量值与基准值进行比较来调整各点步长,然后采用直线法求解天然气流动的动态模型。实例仿真表明：自适应步长法在相同的计算精度下,相比固定步长法具有较高的计算速度。