基于改进权值优化模型的光伏功率区间预测

区间预测方法可以反映光伏发电功率可能的变化范围，提供比点预测方法更丰富的预测信息。文章提出了一种基于径向基函数（radial basis function，RBF）神经网络的区间预测模型以直接输出光伏功率预测区间。为优化模型输出区间的性能和避免惩罚系数选择问题，构建了一种考虑区间预测偏差信息的改进预测区间优化模型，并采用粒子群算法（particle swarm optimization，PSO）求解，获得最优RBF神经网络输出权值以提高预测区间的可信度和准确性。通过对比传统区间优化模型和所提改进区间优化模型的预测结果，发现改进区间优化模型能够获得宽度更窄和预测偏差更小的光伏功率预测区间，可为调度决策提供更准确的辅助信息。     

基于PSO-BP数据融合的环境监控系统设计

传统的温室大棚监控系统一般都采用手动布线,存在控制难度大、成本高等问题,已不能满足农业发展的需求。针对上述问题,该文设计了一款基于PSO-BP的无线温室大棚环境监控系统。在大棚内部署Zig Bee传感器节点网络采集环境信息,利用ECDS算法选择路由节点。同时为了能够直观地展示大棚内各环境信息的分布情况,使用Kriging方法构建环境信息分布图。构造了反馈调节系统:由于大棚的各因数之间是相互作用的,为了有一个准确的决策结果,该系统将BP神经网络和PSO算法结合。利用改进后算法良好的映射能力和优化能力,对温室数据进行融合,精确决策。实验结果表明,该系统能够合理分配路由节点节省网络开销,较好地展示环境信息分布情况,同时能够精确地调节大棚环境。     

基于PSO-Elman模型的火电厂烟气含氧量预测

针对火电厂烟气含氧量测量精度较低、测量成本较大等问题,提出基于PSO-Elman网络模型的烟气含氧量预测方法。选择合理的相关辅助变量,引入Elman神经网络建立辅助变量与烟气含氧量的关系模型;利用PSO对Elman中所有的权值、阈值进行寻优,将其最优权值和阈值作为初值赋给Elman;经过训练,建立基于PSO-Elman模型的预测模型,完成火电厂烟气含氧量的软测量。通过仿真,与Elman网络和LSSVM模型的预测结果作对比,所提模型具有较高的预测精度和良好的泛化能力。     

部分遮挡下光伏组件MPPT技术研究

因云雾、植物、建筑等物体遮挡,或光伏器件本身的不一致性,可能导致多个功率极值出现,从而使传统的最大功率点跟踪方法失效。在光伏组件出现多功率极值的条件下,采用合理最大功率追踪算法,不陷入局部最大功率点,找到全局最大功率点值得研究。文中提出结合粒子群优化和常规最大功率点跟踪的复合算法,用于实现最大功率点跟踪,并与常规最大功率点跟踪算法进行仿真实验比较。以解决光伏组件工作在恶劣条件下的严重功率失配问题,提高光伏组件的能量转换率,保护光伏组件不受损坏。     

基于Memetic算法的DNA序列数据压缩方法

该文提出一种基于CPMA(Collaborative Particle swarm optimization-based Memetic Algorithm) 算法的DNA序列数据压缩方法,CPMA分别采用综合学习粒子群优化(Comprehensive Learning Particle Swarm Optimization, CLPSO)算法和动态调整的混沌搜索算子(Dynamic Adjustive Chaotic Search Operator, DACSO)进行全局搜索和局部搜索。该文采用CPMA寻找全局最优的基于扩展操作的近似重复矢量(Extended Approximate Repeat Vector, EARV)码书,并用此码书压缩DNA序列数据。实验结果表明,CPMA比其它优化算法有很大的改善,对文中采用的大部分测试函数,其解都非常接近全局最优点;对于DNA基准测序序列,与文中所列的经典DNA序列压缩算法相比,基于CPMA算法的压缩性能得到了显著提升。     

基于粒子群算法的强迫风冷散热器多目标优化

电力电子系统对强迫风冷散热器提出了低热阻、小型化和轻量化的要求,本文在考虑现有散热器设计方法的不足之后,通过散热器结构及其等效热阻网络构建热阻、压降和质量最小的多目标优化模型.针对当前粒子群算法求解多目标模型时存在的局限性,本文采用多种改进策略提高算法的性能.计算和仿真结果显示,优化后的强迫风冷散热器的热阻、压降、质量...     

基于PSO-RBF混合算法的最优实验参数设计方法

科学实验由于受时间和经费的限制,通过有限次的实验很难得到实验模型的最优结果和对应的实验参数。本文提出一种基于径向基RBF神经网络和粒子群优化算法PSO的最优实验参数设计方法。这种基于PSO-RBF的混合算法,能够快速、高效地找到最优实验参数。这一最优实验参数可能在已知实验数据中,也可能并不在已知数据中。该混合算法在有限实验次数的条件下所体现的方便性和高效性,可将其广泛地应用于工程实验、机械制造、材料工艺,航空航天、园林设计、医学研究、金融保险等各个领域的模型参数优化,具有重要的工程应用价值。     

基于粒子群算法的矿山串级排水系统喂水泵调速技术研究

为解决矿山排水系统能耗高、效率低的问题，基于粒子群(PSO)算法开展了矿山串级排水系统优化设计。依据两台不同型号的离心泵串联运行理论，结合变频调速比例定律，推导主排水泵流量、扬程与喂水泵速度之间关系。以排水系统效率为优化目标，利用PSO算法对其进行极值寻优，以喂水泵额定转速对应的主排水泵和喂水泵电机电流、电压、功率因数以及喂水泵和主排水泵出口压力、流量为初始参量，通过限制迭代次数得到排水系统总效率理论极值，确定喂水泵最佳转速，并通过变频调速实验对其进行可行性验证。结果表明：所提出的喂水泵最佳转速确定方法具有较高的调速精度，可确保排水系统在高效工况区运行，进而达到节能降耗目的。     

粒子群算法在无线网络节点位中的应用研究

随着无线通信技术的发展以及物联网设备在室内环境的广泛部署,作为物联网服务的重要支撑技术之一的无线传感器网络的位技术再一次成为工业界和学术界的研究热点。本文根据DV-Hop算法在无线传感器网络位过程中存在的误差问题,引入粒子群算法对位误差进行优化,提出PSO-DV-Hop算法。仿真实验结果表明,本文提出的PSO-DV-Hop算法(基于粒子群算法的DV-Hop位算法)的位精确度较DV-Hop算法提高25%左右,在实际应用中具有重要的参考意义。