基于PSO-ELM模型的潜油柱塞泵冲次优化方法

为改进油井后期泵效低下、能耗高等缺陷，提出了一种基于PSO-ELM模型的潜油柱塞泵冲次优化方法.采用粒子群（PSO）算法与极限学习机（ELM）相结合的方式来实现动液面软测量建模；根据动液面及潜油柱塞泵工作电流变化，以油井运行经济性最优为目的建立目标函数得到潜油柱塞泵冲次，解决了在油井生产时不能准确调节抽油机冲次问题；最后以目标函数关系建立模糊控制器模型，根据输入参数调整潜油柱塞泵冲次.实验结果表明，建立的软测量模型预测动液面精度高，模糊控制器能够更加合理地调整抽油机冲次，最终达到智能调整冲次大小、提高油井采油率及节能的目的.     

基于支持向量机的潜油柱塞泵沉没度预测

潜油柱塞泵抽油系统可以及时、合理地调节直线电机的运行状态,使抽油机的抽汲能力与井下沉没度的变化相匹配,以达到可靠、稳产和节能的目的。针对潜油柱塞泵抽油系统沉没度时间序列非平稳、非线性的特点,提出基于支持向量机(SVM)的沉没度预测方法。对实测现场沉没度序列预处理和归一化,构成沉没度时间序列,并进行输入样本空间重构。用沉没度时间序列样本对SVM预测模型进行训练,选择测试样本对训练得到的预测模型进行测试,并将该方法与自回归滑动平均模型（ARMA）预测结果进行比较。最后,引入直线电机冲数信息作为预测模型的输入,形成改进的沉没度预测方法。对三种预测方法在相同的训练和测试条件下进行误差分析,证明改进的SVM方法具有更高的预测精度。研究结果可作为潜油柱塞泵在线监控系统控制直线电机运行状态的依据。     

基于乘积季节ARIMA模型的供热负荷预报

针对传统的供热调度缺乏对未来供热量进行有效估计这一问题,提出一种基于乘积季节ARIMA模型的供热负荷预报方法.将乘积季节ARIMA模型引入供热负荷预报,通过分析供热负荷数据其固有的趋势和周期性,建立适宜的季节性ARIMA模型,预测未来24小时的供热负荷.采用大庆地区某热力站的供热数据进行建模和仿真预测,其结果的最大误差为3.14%,日预报平均误差为1.45%.实验结果表明,给出的预报结果真实可靠,能够满足供热工程的实际需求,其预报值将成为供热负荷调度和节能的重要依据.     

供热过程时滞递推神经网络解耦器设计

针对供热过程质调一量调通道耦合特性和节能控制的需要,提出基于时滞递推神经网络的供热解耦方法.通过典型信号响应与最小二乘法结合的方法得到供热过程耦合系统模型,利用改进的假近邻法预估神经网络训练数据的嵌入维数,确定神经网络输入节点个数,引入时滞环节构建神经网络解耦器.采用时滞递推神经网络解耦器对供热耦合系统进行解耦,消除供热过程质调、量调通道间的非线性强耦合作用.仿真结果证明该方法具有良好的动态和静态解耦特性,能够满足供热过程多回路控制的要求,使供热系统能够跟踪节能设定值进行调节,实现供热节能和优质供热.     

纯电动汽车的再生制动力分配策略研究

针对电动汽车在低附着路面的驾驶稳定性的问题进行研究。因为汽车在冰雪路面制动时,大多数制动力分配方案以再生制动为主要制动力,此时很有可能发生抱死,从而发生汽车驾驶稳定性下降。本文中提出了一种在制动力分配上加入滑移率的控制方法,该方法以纯电动汽车为模型,设计出以汽车滑移率为控制对象的滑膜控制器。该控制方法在改进再生制动力分配策略上,特别在小制动强度时,电动汽车驱动轴有趋于抱死的情况立即减少再生制动力,使电动汽车恢复原有的稳定性。仿真结果表明:在强度恒定的制动工况下,电动汽车模型具有良好的驾驶稳定性,电动汽车模型在需要频繁制动的城市路况下,能量回收率提升了4.1%。     

基于C8051F与GPRS结合的抽油机无线数据传输研究

在抽油机数据采集方面提出了一种基于单片机C8051F与GPRS结合的无线数据传输系统。用高精度的传感器采集抽油机的实时数据,传送给由单片机C8051F为核心的终端装置,GPRS模块将数据实时传送给监测中心实现数据共享。无线数据采集系统实时性高,作业误差小,效率高。与传统人工方式相比,该系统可使油田监测实现经济化、数字化、智能化。     

Heating load interval forecasting approach based on support vector regression and error estimation

As the existing heating load forecasting methods are almostly point forecasting,an interval forecasting approach based on Support Vector Regression (SVR) and interval estimation of relative error is proposed in this paper.The forecasting output can be defined as energy saving control setting value of heating supply substation;meanwhile,it can also provide a practical basis for heating dispatching and peak load regulating operation.By means of the proposed approach,SVR model is used to point forecasting and the error interval can be gained by using nonparametric kernel estimation to the forecast error,which avoid the distributional assumptions.Combining the point forecasting results and error interval,the forecast confidence interval is obtained.Finally,the proposed model is performed through simulations by applying it to the data from a heating supply network in Harbin,and the results show that the method can meet the demands of energy saving control and heating dispatching.     

基于SVR的电梯交通流时间序列预测

为了使电梯群控系统更好地跟踪电梯交通流的变化以提高群控系统的性能,提出了基于支持向量回归(Support Vector Regression,SVR)的电梯交通流预测方法.针对电梯交通流时间序列小样本的特性,考虑了电梯交通流的横向和纵向变化趋势,采用SVR算法建立了电梯交通流时间序列的预测模型.给出了预测的评价指标,研...     

基于免疫粒子群的调峰炉热力站优化调度

为了实现供热节能,对调峰炉热力站进行优化调度．首先结合供热能耗最小和运行费用最小两种调度模型,建立一种综合节能最优的调度模型,该模型可适应不同调峰模式下的供热需要．然后将免疫粒子群算法(Immune particle swarm optimization,IPSO)应用于优化调度的寻优计算,采用免疫算法,对粒子群算法(PSO)进行改进,避免了粒子群算法中存在的算法早熟、容易陷入局部极值等问题,能更准确快速地求解出优化调度结果．通过实例验证了该算法的优越性,计算结果表明调峰炉热力站的优化调度达到了节能的目的．     

基于支持向量机沉没度预测的潜油泵冲次优化研究

在石油开采过程中,利用直线电机驱动潜油往复泵是一种新型举升方式。这种举升方式可使抽油机具有较好的可控性。在这一背景下,提出一种基于沉没度预测的潜油往复泵冲次优化方法。文中对在采油厂采集的沉没度数据进行时间序列的输入空间重构,基于支持向量机（support vector machines,SVM）建立沉没度预测模型。以抽油机的经济效益为目标,以预测得到的沉没度为参量,对直线电机的冲次进行优化。采用沉没度一冲次子区间匹配方法改进原优化算法,进一步降低原方法的计算量和数据量。改进的优化算法可以更好地适应现场计算机对计算量的限制。该优化方法可有效地提高往复泵的产油量,并避免直线电机长期工作于满载或过载状态。