基于混沌DNA遗传算法与PSO组合优化的RNN短期风电功率预测

提高短期风电功率的预测精度对保证电力系统安全、稳定地运行具有重大意义。针对风速信号的强奇异性,采用脊波神经网络建立短期风电功率的预测模型;同时利用混沌DNA遗传算法确定脊波神经网络的隐层结构,采用粒子群算法优化网络的连接权值及方向向量。对新疆某风电场的输出功率进行了预测实验,并比较了优化前后脊波网络模型的预测性能。研究结果表明采用粒子群与混沌DNA遗传算法组合优化后的脊波神经网络均方根误差降至12.3%,预测精度得到显著提高。     

风电机组输出功率超短期预测的组合模型研究

为了提高风电功率的预测精度,基于多模型的预测MS-RBF神经网络的进行组合,通过Bayesian分类训练各子模型的权值,然后根据权重计算最终预测值;基于新疆某风电场实测历史数据,采用该组合模型与RBFNN模型分析对比,验证结果表明该组合模型有效减少了较大误差出现的频率,提高了整体的预测精度。     

神经网络预测控制在中央空调水系统控制中的应用

针对中央空调水系统的非线性、大迟延、大惯性等特点,分析了现有的控制方法在中央空调水系统控制中存在的问题;文章将神经网络与预测控制相结合直接应用于非线性大延迟的中央空调控制系统,该控制方法克服了单纯PID控制对大迟延大惯性对象调节品质差、抗干扰性弱的缺点,神经网络预测控制还有效地补偿了传统预测控制基于线性模型的局限性;工程实例表明,该算法具有优良的控制性能,有利于工程实现。     

智慧电厂建设的相关问题与技术路线研究

信息技术在各个行业中已经有了成功和广泛的应用。智慧电厂是能源与信息深度融合的产物。建设智慧电厂,提升能源转换效率,建设基于信息化、数字化的能源生产和消费生态体系,是我国能源相关产业发展和升级的必然要求。虽然相关专家关于智慧电厂的建设已经有了一定的研究和实践,但智慧电厂在研究和建设过程中遇到的共性问题、智慧电厂的建设方案、技术路线目前仍处于探索阶段。本文基于智慧电厂的研究现状,探讨了智慧电厂在研究和建设过程中存在的问题,提出了建设智慧电厂的技术路线,并依据技术路线设计了智慧电厂的总体架构。     

钻井工程常见事故分析及处理

随着油田勘探的不断进行,钻井的数量不断的上升,工程量的不断加大,同时又受到多种因素的制约,因此在钻井过程中很难避免各种事故的发生,一旦发生事故,所造成的人力、物力、财力的损失将是无法估量的,甚至导致全井报废及人员的伤亡,因此,在钻井过程中采取合理的措施减少或是避免事故的发生,保证钻井工作的顺利进行,这已成为当前钻井工程面临的重要问题。文中对钻井工程事故的处理原则进行了分析,并对造成钻井过程中的主要影响因素及常见影响因素及处理措施进行了具体的阐述。     

一种改进BP算法在转炉轴承故障诊断中的应用

轴承故障的及时诊断非常重要,针对传统BP算法在炼钢转炉轴承等机械设备故障诊断应用中存在故障识别速度慢、精度不高的缺点,提出了同时调整神经元温度常数T、位置常数θ和联接权值W的观点,并推导出相应的改进算法公式;对比试验结果表明,改进BP算法能加快网络训练速度,提高识别精度,在轴承故障诊断领域中显示出良好的非线性模式识别能力;该算法经过一年多的现场实际运行,效果良好,证实此方法可靠,易于推广。     

基于BP神经网络的炼钢转炉轴承故障诊断系统

轴承故障的及时诊断非常重要,鉴于传统的故障诊断方法对多征兆故障的情况难以准确定位,提出了基于BP神经网络的故障诊断方法。该方法利用BP神经网络对炼钢转炉耳轴轴承运转时的典型故障和信号进行学习与分析,设计了一个具有多征兆故障分析和数据管理等功能的故障诊断系统。该系统经过一年多的现场实际运行,效果良好,证实此方法可靠,易于推广。