基于自适应粒子群算法的燃煤-捕碳机组热力系统优化设计

以某1 000 MW超超临界燃煤机组为例,提出了一种新型燃煤-捕碳机组热力系统设计方案,建立了该方案下机组的热经济性计算框架及回热系统参数优化模型,并引入自适应粒子群算法进行优化计算.结果表明:新设计燃煤-捕碳机组的热经济性显著改善,循环热效率比捕碳改造机组相对提高10.7%;自适应粒子群算法收敛快、稳定性好,其优化结果明显优于其他方法,能够适用于燃煤-捕碳机组的热力系统优化设计.     

基于粒子群优化神经网络的水轮机振动故障诊断

为了提高水轮机振动故障诊断正判率,提出粒子群算法优化BP神经网络的水轮机振动故障诊断方法,即把通过特征提取获得的机组故障特征量作为神经网络的输入,然后利用训练好的粒子群算法优化后的神经网络进行水轮机振动故障类型诊断。诊断结果表明,该方法具有良好的分类效果,比BP神经网络诊断模型诊断精度高。     

基于改进粒子群优化BP网络的水轮发电机故障诊断

针对常规BP神经网络在水轮发电机振动故障诊断中存在的收敛速度慢、易陷入局部极小等缺陷,提出了一种基于改进粒子群算法优化神经网络的方法,实现了BP网络的权值优化,并对水轮发电机的振动故障进行了诊断.实例仿真结果表明,该方法具有较好的分类效果,适用于水轮发电机的故障诊断.     

改进小生境粒子群算法应用于电网故障诊断

通过对电网中断路器、保护等设备动作信息分析,建立适合智能算法优化的电网故障诊断分析模型。电网故障模型维数高、离散型、非线性、动态性等特点对智能算法寻优性能要求极高。粒子群优化算法在多维函数寻优、动态目标寻优等方面有着收敛速度快、求解质量高和鲁棒性好等优点。针对电网故障模型的特点,从基本粒子群优化算法的优化特性出发,引入小生境搜索的思想,提出了改进的小生境粒子群优化算法。算例结果表明,改进的优化算法大幅度提高了搜索速度和收敛精度,从根本上提高了电网故障定位精度和故障抢修的反映速度,具有很好的应用前景。     

基于粒子群优化PCA-LSSVM算法的高压断路器机械故障诊断研究

为了对高压断路器操作机构进行故障诊断,提出了基于粒子群优化的PCA-LSSVM算法模型（PCA-PSO-LSSVM）,该模型的输入为高压断路器操作机构分合闸线圈电流曲线上的5组特征点,输出为1—5的故障类别。对某台高压断路器进行故障模拟,建立了PCA-PSO-LSSVM算法模型,对测试的断路器操作机构进行故障分类。结果表明,基于粒子群优化的PCA-LSSVM算法能够准确地对高压断路器操作机构进行故障分类。将PCA-PSO-LSSVM算法和多种基于SVM的故障诊断算法进行比较,比较结果表明：在综合考虑了算法准确率和运算时间的基础上,PCA-PSO-LSSVM算法是几种算法中最优的。     

基于粒子群优化BP神经网络的风电机组齿轮箱故障诊断方法

提出了一种基于粒子群优化BP神经网络风电机组齿轮箱故障诊断方法。粒子群算法不需要计算梯度,可以兼顾全局寻优和局部寻优。利用粒子群算法对BP网络权值和偏置进行优化,减少了BP神经网络算法陷入局部最优解的风险,提高了神经网络的训练效率,加快了网络的收敛速度。考虑风电齿轮箱振动信号的不确定性、非平稳性和复杂性,提取功率谱熵、小波熵、峭度、偏度、关联维数和盒维数作为故障特征。经测试,算法诊断结果正确,表明了PSO优化BP神经网络用于风电机组齿轮箱故障诊断的有效性和实用性。     

基于改进粒子群优化RBF网络的变压器故障诊断

为提高变压器故障诊断精度,提出了一种改进粒子群优化RBF网络算法,用于优化RBF网络的中心参数。首先通过非线性递减权值策略改进粒子群算法,再利用改进粒子群优化RBF网络,最后建立用于变压器故障诊断的RBF网络模型,并在Matlab平台上进行了仿真测试。结果表明,优化后的RBF网络比单一RBF网络故障诊断率有大幅提高。通过诊断国网某公司的5组故障实例,验证了所提算法的可行性。     

适用于核动力设备故障诊断的改进粒子群优化算法

提出一种基于改进粒子群优化(IPSO)算法的核动力设备故障诊断方法.利用已知核动力设备故障征兆集合,选用概率因果模型求解具有最大后验概率的故障集合;在传统粒子群优化(PSO)算法的基础上,利用佳点集原理对PSO算法进行初始化,优化了粒子群的初始化范围;借助自适应调整的惯性权重法,避免PSO算法未成熟收敛,加快了收敛速度.最后通过算例证明该方法的有效性.结果表明:基于改进粒子群优化算法的概率因果模型不受故障样本的限制,具有较好的通用性,且模型故障诊断精度较高、寻优速度快.     

基于粒子群混合算法的风力发电机齿轮箱故障诊断

针对传统方法在风力发电机齿轮箱故障诊断中存在精度不高的问题,引入了一种改进粒子群算法优化神经网络的方法。该算法的惯性权重可进行自适应调整,以平衡全局和局部搜索能力。同时,收缩因子可加快算法的收敛速度,以更快收敛到全局最优。仿真结果表明,该方法能较好地识别故障模式,具有一定的实用性。     

热力系统传感器故障检测的动态神经元网络方法

采用动态神经元网络状态观测器的故障检测和诊断方法对非线性时变热力系统状态进行估计。通过对延时神经元网络和动态递归神经元网络在热水锅炉模型上的仿真试验,表明,基于动态神经元网络状态观测器的热力系统传感器检测和诊断方法是可行的。经过仿真试验对比,延时RBF网络具有比较好的推广能力。该方法在青岛煤气公司自控系统中的应用证实了其可靠性。     

基于粒子群算法的燃煤发电系统储能容量估计方法

考虑到传统方法在估计燃煤发电系统储能容量时存在较大误差的问题,提出基于粒子群算法的燃煤发电系统储能容量估计方法。利用迭代推进法更新发电系统的离线参数,基于递推最小二乘法设计离线参数识别流程,识别到发电系统的离线参数,通过建立发电储能容量优化配置的目标函数,给出优化的约束条件,根据粒子群算法的优化求解步骤,优化配置燃煤发电储能容量,结合燃煤发电储能容量估计模型的构建,实现燃煤发电储能容量估计。仿真分析结果表明,基于粒子群算法的燃煤发电系统储能容量估计方法可减小发电储能容量估计误差,提高估计值的准确性。     

基于粒子群神经网络的热力站供热负荷预测

结合河北省秦皇岛市碧水园热力站的供热实际情况,提出了利用BP神经网络进行热力站供热负荷的预测。为克服标准BP算法收敛速度慢和易于陷入局部最小的问题,提出利用进化算法——粒子群算法进行神经网络初始状态的优化。在此基础上,进一步提出了混合粒子群算法和速度变异粒子群算法两种改进算法提高优化性能。计算结果表明,采用粒子群算法和BP算法相结合的办法,可以明显提高热负荷的预测精度。     

基于改进粒子群算法的电池储能系统多控制器参数优化

针对电池储能系统的有功和无功多控制器参数同时优化易互相影响的问题,文章提出一种改进的粒子群算法(Improved Particle Swarm Optimization,IPSO)进行有功、无功多控制器的比例积分(Proportional Integral,PI)环节参数优化整定.IPSO算法通过采取全局领域搜索的速度...     

用“过程能量组合”方法优化电厂热力系统的设计

本利用“过程能量组合方法”对某热电联产装置的热力系统的设计进行了改造，新方案取得了明显的节能效果。     

基于动态时间归整技术的电站过程故障诊断方法

对于像电站这样的复杂工业过程,基于数学模型的故障诊断方法难以应用.为此,提出了一种基于动态时间归整（DTW）技术的故障诊断方法.该方法不依赖过程数学模型,而是基于过程数据分析来进行故障诊断,因而适合在电站生产过程中应用.首先,通过历史数据分析和过程知识,建立故障模式库.然后在故障诊断过程中利用DTW技术将检测样本与故障模式库进行模式匹配.最后根据相似性尺度找出故障模式库中与之最匹配的故障样本,从而得出诊断结果.以电站主汽温控制过程为例对该方法进行了仿真研究.实验结果表明,该方法具有较高的诊断精度,并对电站生产过程的时变特性具有良好的鲁棒性.图2表3参8     

电厂热力系统的长期动态特性模型

热力系统的长期动态特性对各种火电机组的仿真或控制系统设计具有十分重要的意义。通过合理的机理分析和简化,从整体高度建立起热力系统的长期动态过程的数学模型,这一整体动态模型能较为合理地反映出长期动态过程中热力系统的蓄热与做功规律,弥补了现有火电机组动态模型的不足,更好地满足了机组长期动态特性分析与负荷控制策略研究的需要。最后以此为工具对某600MW超临界机组的长期动态特性进行了仿真研究,仿真结果合理正确。     

基于粒子群-高斯过程回归的高拱坝变形预测模型及其应用

针对高拱坝变形问题,提出应用粒子群算法优化高斯过程回归参数的高拱坝变形预测模型,基于高斯过程回归可将低维非线性关系通过核函数投射到高维线性空间的特点,利用高斯过程回归模型来表征水压、温度、时效等因素与坝体变形之间的非线性关系;同时针对迭代求解高斯过程回归模型的超参数效率低的问题,采用粒子群优化算法全局搜索模型超参数,提高了求解效率。对某高拱坝径向位移的拟合预测结果表明,粒子群优化高斯过程回归模型能较好地表征输入因子与变形之间的关系,预测坝体变形,误差在工程允许范围内,可应用于坝体变形预测分析中。     

基于改进粒子群优化支持向量机的汽轮机组故障诊断

基于支持向量机（SVM）在核函数参数和惩罚因子人为选取的盲目性以及传统粒子群算法（PSO）后期易陷于局部最小值的不足,提出了一种改进的粒子群算法（MPSO）,建立了汽轮机组振动故障诊断模型并且利用故障数据进行了模式识别.结果表明：模型能够对SVM相关参数自动寻优,并且能达到较为理想的全局最优解;与PSO-SVM和GA-SVM算法相比,MPSO-SVM算法在收敛速度和准确率方面都有所提高.     

用_过程能量组合_方法优化电厂热力系统的设计

本文利用“过程能量组合方法”对某热电联产装置的热力系统的设计进行了改造,新方案取得了明显的节能效果。