针对传统松散式(Genetic Algorithm Based Back Propagation Neural Network,GABP)模型应用于复杂煤与瓦斯突出预测时,存在GA自身性能及模型间相对孤立等不足,提出二者优势互补的IGABP一体化模型。IGABP首先在自适应交叉、变异率等方面...针对传统松散式(Genetic Algorithm Based Back Propagation Neural Network,GABP)模型应用于复杂煤与瓦斯突出预测时,存在GA自身性能及模型间相对孤立等不足,提出二者优势互补的IGABP一体化模型。IGABP首先在自适应交叉、变异率等方面进行改进,以提高GA自身的性能。其次,将BP导向性训练以算子的形式引入到标准GA进化过程,实现了GA寻优搜索的随机性向自主导向性转变。BP对GA搜索到的近似最优值进行微调,GA算法的收敛速度得到提升,确定精确解的位置能力加强,同时,又避免了单一BP网络本论文易陷入局部极小值的缺点,实现了两者一体化结合。仿真实验表明,构造出的进化神经网络更能反映煤与瓦斯突出强度样本的复杂非线性关系,有效克服了传统模型的不足,其运行效率、预测精度、可靠性等方面均优于传统模型,为瓦斯智能预测提供了新的解决方案。展开更多
文摘针对传统松散式(Genetic Algorithm Based Back Propagation Neural Network,GABP)模型应用于复杂煤与瓦斯突出预测时,存在GA自身性能及模型间相对孤立等不足,提出二者优势互补的IGABP一体化模型。IGABP首先在自适应交叉、变异率等方面进行改进,以提高GA自身的性能。其次,将BP导向性训练以算子的形式引入到标准GA进化过程,实现了GA寻优搜索的随机性向自主导向性转变。BP对GA搜索到的近似最优值进行微调,GA算法的收敛速度得到提升,确定精确解的位置能力加强,同时,又避免了单一BP网络本论文易陷入局部极小值的缺点,实现了两者一体化结合。仿真实验表明,构造出的进化神经网络更能反映煤与瓦斯突出强度样本的复杂非线性关系,有效克服了传统模型的不足,其运行效率、预测精度、可靠性等方面均优于传统模型,为瓦斯智能预测提供了新的解决方案。
文摘新能源发电具有随机性和波动性,“沙戈荒”大型风光基地的新能源并网导致电网潮流复杂多变,线路阻塞几率增大,这对电网规划带来新挑战。动态热定值(dynamic thermalrating,DTR)技术能根据天气条件和设备状态评估线路的载流能力,可有效挖掘电网侧的灵活调节潜力。此外,储能的双向快速调节可缓解电网传输压力,具有一定的输电替代作用。因此,该文集成DTR技术,提出储能与输电网协同的鲁棒规划模型。为充分考虑输电线路DTR技术和储能的协同效果,规划模型中嵌入了基于典型日的运行模拟。通过基于多区域气象数据的DTR评估方法量化典型日内线路的动态传输能力,并在典型日运行模拟中采用鲁棒优化方法考虑新能源出力的不确定性,以更好地发挥储能的灵活调节作用。针对建立的鲁棒规划模型,提出一种适用于混合整数线性规划的改进列约束生成(column and constraint generation,C&CG)算法对模型进行求解,并引入一种新的不精确C&CG迭代过程进行加速。通过西北电网实际系统分析表明,考虑DTR的输–储协同规划将规划线路数量从29条减少到10条,并提升了线路利用效率。此外,系统运行成本降低了9.6%,新能源消纳率从87.7%提升到95.1%。
