期刊文献+
共找到200篇文章
< 1 2 10 >
每页显示 20 50 100
Discontinuous flying particle swarm optimization algorithm and its application to slope stability analysis 被引量:10
1
作者 李亮 于广明 +1 位作者 陈祖煜 褚雪松 《Journal of Central South University》 SCIE EI CAS 2010年第4期852-856,共5页
A new version of particle swarm optimization(PSO) called discontinuous flying particle swarm optimization(DFPSO) was proposed,where not all of the particles refreshed their positions and velocities during each iterati... A new version of particle swarm optimization(PSO) called discontinuous flying particle swarm optimization(DFPSO) was proposed,where not all of the particles refreshed their positions and velocities during each iteration step and the probability of each particle in refreshing its position and velocity was dependent on its objective function value.The effect of population size on the results was investigated.The results obtained by DFPSO have an average difference of 6% compared with those by PSO,whereas DFPSO consumes much less evaluations of objective function than PSO does. 展开更多
关键词 slope stability limit equilibrium method factor of safety particle swarm optimization.
在线阅读 下载PDF
Reliability analysis of earth slopes using hybrid chaotic particle swarm optimization 被引量:7
2
作者 M.Khajehzadeh M.R.Taha A.El-Shafie 《Journal of Central South University》 SCIE EI CAS 2011年第5期1626-1637,共12页
A numerical procedure for reliability analysis of earth slope based on advanced first-order second-moment method is presented,while soil properties and pore water pressure may be considered as random variables.The fac... A numerical procedure for reliability analysis of earth slope based on advanced first-order second-moment method is presented,while soil properties and pore water pressure may be considered as random variables.The factor of safety and performance function is formulated utilizing a new approach of the Morgenstern and Price method.To evaluate the minimum reliability index defined by Hasofer and Lind and corresponding critical probabilistic slip surface,a hybrid algorithm combining chaotic particle swarm optimization and harmony search algorithm called CPSOHS is presented.The comparison of the results of the presented method,standard particle swarm optimization,and selected other methods employed in previous studies demonstrates the superior successful functioning of the new method by evaluating lower values of reliability index and factor of safety.Moreover,the presented procedure is applied for sensitivity analysis and the obtained results show the influence of soil strength parameters and probability distribution types of random variables on the reliability index of slopes. 展开更多
关键词 reliability analysis stability assessment earth slopes particle swarm optimization harmony search
在线阅读 下载PDF
考虑并网监测信息的有源配电网μPMU优化配置
3
作者 梁振锋 田雨鑫 +1 位作者 闫俊杰 王晓卫 《电力系统及其自动化学报》 北大核心 2025年第3期66-74,共9页
为提高有源配电网状态估计精度,提出一种考虑并网监测信息的微型同步相量测量单元优化配置方法。分析有源配电网数据终端单元、分布式电源和电动汽车并网点监测装置、高级量测体系及微型同步相量测量单元等量测信息特征,建立以混合状态... 为提高有源配电网状态估计精度,提出一种考虑并网监测信息的微型同步相量测量单元优化配置方法。分析有源配电网数据终端单元、分布式电源和电动汽车并网点监测装置、高级量测体系及微型同步相量测量单元等量测信息特征,建立以混合状态估计平均绝对误差最小为目标函数、以微型同步相量测量单元安装数目和状态估计最大允许误差为约束条件的微型同步相量测量单元优化配置模型,并采用粒子群优化算法求解。算例分析表明,考虑并网点监测数据能有效提升状态估计精度,且可减少微型同步相量测量单元的配置数量。 展开更多
关键词 并网点监测 有源配电网 微型同步相量测量单元 优化配置 状态估计 粒子群优化算法
在线阅读 下载PDF
基于PSO-BP神经网络的单位注浆量预测 被引量:1
4
作者 陈泓 黄永辉 +1 位作者 张智宇 陈成志 《有色金属(中英文)》 北大核心 2025年第2期288-297,共10页
帷幕注浆作为矿山控制地下水的重要手段之一,对矿山的安全生产十分重要,单位注浆量作为注浆效果的关键评价指标,具有不确定性。基于尖山磷矿帷幕注浆试验段注浆数据,进行单位注浆量影响因素相关性分析,分别构建单位注浆量卷积神经网络(C... 帷幕注浆作为矿山控制地下水的重要手段之一,对矿山的安全生产十分重要,单位注浆量作为注浆效果的关键评价指标,具有不确定性。基于尖山磷矿帷幕注浆试验段注浆数据,进行单位注浆量影响因素相关性分析,分别构建单位注浆量卷积神经网络(CNN)、BP神经网络、遗传算法优化神经网络(GA-BP)和粒子群算法优化神经网络(PSO-BP)预测模型进行预测和准确性分析。结果表明:斯皮尔曼相关系数法和肯德尔相关系数法对单位注浆量影响因素分析结果一致,影响因素相关性由强到弱为:注浆持续时间、水灰比、注前透水率、注浆段长度、注浆压力、钻孔深度;PSO-BP神经网络模型预测效果明显优于另外三种预测模型,R^(2)达到0.94527,RMSE值分别降低80%、56%、49%;MAE值分别降低68.3%、48.6%、23.2%,验证了该模型的优越性。该模型能够更准确地对单位注浆量进行预测,对后续注浆工作的实施具有一定参考,可为帷幕注浆效果评价提供重要的指导建议。 展开更多
关键词 帷幕注浆 单位注浆量 相关性分析 BP神经网络 粒子群优化算法
在线阅读 下载PDF
基于PSO-SVM模型的边坡稳定性预测研究
5
作者 徐智超 陈匀杉 +2 位作者 邓超 丁乐 计静 《安全与环境学报》 北大核心 2025年第9期3531-3537,共7页
为准确且高效地预测边坡稳定性,研究提出了一种基于粒子群优化支持向量机(Particle Swarm Optimization algorithm optimized Support Vector Machine,PSO-SVM)的边坡稳定性预测模型。该模型首先采用主成分分析法对特征数据进行降维,以... 为准确且高效地预测边坡稳定性,研究提出了一种基于粒子群优化支持向量机(Particle Swarm Optimization algorithm optimized Support Vector Machine,PSO-SVM)的边坡稳定性预测模型。该模型首先采用主成分分析法对特征数据进行降维,以提高模型的学习效率;其次,采用粒子群优化(Particle Swarm Optimization,PSO)算法优化支持向量机(Support Vector Machine,SVM)的超参数,以提高模型的预测精度与泛化能力。为验证模型有效性与可靠性,选取反向传播神经网络(Back Propagation Neural Network,BPNN)、随机森林(Random Forest,RF)与未优化的SVM作为对比试验模型,并将准确率、精确率、召回率与F_(1-score)作为各模型预测性能的评价指标,以对各模型的预测性能进行评估。研究结果显示,PSO-SVM模型在测试集的准确率、精确率、召回率与F_(1-score)分别为0.958、0.917、1和0.957,均为各模型的最高值,展现出最佳的预测性能与泛化能力。研究为边坡稳定性评估提供了有效参考,具有重要的工程意义。 展开更多
关键词 安全工程 边坡稳定性 主成分分析法 粒子群优化算法 支持向量机
在线阅读 下载PDF
基于AWPSO-GRU算法的盾构掘进姿态预测方法:以上海市域铁路机场联络线为例
6
作者 朱美恒 陈兆庚 +2 位作者 张冬梅 高俊华 黄忠凯 《科学技术与工程》 北大核心 2025年第14期6062-6071,共10页
为解决盾构掘进过程中参数设定标准不明确、盾构司机主观经验性过强而引发盾构姿态难以控制的工程问题,提出了一种考虑地层条件-隧道结构-掘进参数综合作用的盾构掘进姿态智能预测模型。首先建立了一种自适应权重粒子群优化(adaptive we... 为解决盾构掘进过程中参数设定标准不明确、盾构司机主观经验性过强而引发盾构姿态难以控制的工程问题,提出了一种考虑地层条件-隧道结构-掘进参数综合作用的盾构掘进姿态智能预测模型。首先建立了一种自适应权重粒子群优化(adaptive weight particle swarm optimization,AWPSO)算法;然后结合门控循环单元(gated recurrent unit,GRU)神经网络构建盾构姿态预测模型,其中AWPSO算法用于确定GRU神经网络中的最优超参数组合;最后结合上海轨道交通市域线机场联络线张江站-度假区站区间现场监测数据进行了案例验证。结果表明,基于AWPSO-GRU的盾构掘进姿态预测模型具有较高的可靠性和工程实用性,可为盾构掘进过程中施工参数的设定提供参考和依据。 展开更多
关键词 盾构隧道 粒子群优化 自适应惯性权重 门控循环单元 姿态预测
在线阅读 下载PDF
基于特征增强的Transformer-GRU库岸滑坡位移预测模型
7
作者 汪松林 唐辉明 邹宗兴 《安全与环境工程》 北大核心 2025年第5期183-195,共13页
三峡库区水系纵横,峡谷幽深,广泛分布软弱易滑的三叠系和侏罗系红层,为我国地质灾害防治的重点区域。滑坡位移作为滑坡变形最直观的表征,其高精度预测对地质灾害风险防范具有重要意义。以三峡库区典型库岸滑坡——黄土坡临江Ⅰ号滑坡为... 三峡库区水系纵横,峡谷幽深,广泛分布软弱易滑的三叠系和侏罗系红层,为我国地质灾害防治的重点区域。滑坡位移作为滑坡变形最直观的表征,其高精度预测对地质灾害风险防范具有重要意义。以三峡库区典型库岸滑坡——黄土坡临江Ⅰ号滑坡为应用实例,在特征提取、集成学习和参数优化方面改进模型,深入挖掘每日降雨、库水位和地表位移监测数据中的关键特征,同时结合自注意力机制动态赋权及并行运算的优势,用Transformer编码层堆叠门控循环单元(gated recurrent unit,GRU),并用粒子群优化(particle swarm optimization,PSO)算法寻找最优超参数组合,提出了一种基于特征增强的Transformer-GRU库岸滑坡位移预测模型。结果表明,相较于粒子群优化门控循环单元模型(particle swarm optimization-gated recurrent unit,PSO-GRU)、粒子群优化反向传播神经网络模型(particle swarm optimization-backpropagation neural network,PSO-BPNN)、粒子群优化支持向量回归模型(particle swarm optimization-support vector regression,PSO-SVR)这类传统位移预测模型,新模型的均方根误差(root mean square error,RMSE)降低了72.02%~75.53%,平均绝对误差(mean absolute error,MAE)降低了74.35%~78.86%,说明新模型在关键特征变量学习能力和位移预测精度上更具优势。该研究为滑坡位移预测研究提供了新思路。 展开更多
关键词 库岸滑坡 位移预测 特征增强 自注意力机制 门控循环单元(GRU) 粒子群优化(PSO)
在线阅读 下载PDF
基于GRU-IPSO算法的双馈风机控制参数辨识
8
作者 徐恒山 朱士豪 +2 位作者 黄永章 薛飞 张旭军 《华北电力大学学报(自然科学版)》 北大核心 2025年第4期70-80,共11页
针对特定风速下双馈风机(double fed induction generator,DFIG)控制参数辨识结果难以精确刻画随机风速下输出特性的问题,提出一种基于门控循环单元(gated recurrent unit,GRU)-改进粒子群优化(improved particle swarm optimization,IP... 针对特定风速下双馈风机(double fed induction generator,DFIG)控制参数辨识结果难以精确刻画随机风速下输出特性的问题,提出一种基于门控循环单元(gated recurrent unit,GRU)-改进粒子群优化(improved particle swarm optimization,IPSO)算法的双馈风机控制参数辨识方法。首先,将双馈风机运行状态分为MPPT、恒速和恒功率三种,并利用斯皮尔曼秩相关系数法分析控制参数与待选观测量的相关性,筛选出交/直轴电流和有功/无功功率作为观测量;然后,在三种运行状态下训练GRU神经网络,在不设寻优范围情况下初步获得控制参数值,以简化辨识流程,并利用IPSO算法对控制参数进一步寻优,以提高辨识精度;最后,根据各参数的相对误差提取三种状态辨识结果中的最优值作为最终控制参数,结合测试案例对GRU-IPSO控制参数辨识方法的有效性和可行性进行验证。测试结果表明:GRU-IPSO辨识算法的加权平均总偏差约为3%,相比于GRU辨识算法,GRU-IPSO辨识算法可将误差缩小5倍。 展开更多
关键词 双馈风机 参数辨识 随机特性 斯皮尔曼秩相关系数 门控循环单元 粒子群算法
在线阅读 下载PDF
基于改进的分数阶超临界机组水煤比控制方法仿真
9
作者 李士哲 杜毅恒 刘帅 《河北大学学报(自然科学版)》 北大核心 2025年第3期289-298,共10页
针对超临界机组给煤量与给水流量响应速度不匹配以及工况变动引发的参数摄动问题,提出将燃料-中间点温度控制系统简化为具有参数不确定性的单输入单输出形式,以便确定参数变动范围.设计了一种针对该参数不确定性系统的分数阶定量反馈控... 针对超临界机组给煤量与给水流量响应速度不匹配以及工况变动引发的参数摄动问题,提出将燃料-中间点温度控制系统简化为具有参数不确定性的单输入单输出形式,以便确定参数变动范围.设计了一种针对该参数不确定性系统的分数阶定量反馈控制方案,并引入多重性能指标以优化控制效果.采用改进的多目标粒子群算法来解决控制系统性能优化与迭代效率之间的平衡并提升参数寻优的准确性.仿真结果表明,所提出的分数阶定量反馈控制系统能够显著提升超临界机组水煤比系统的控制性能,保障机组安全稳定运行. 展开更多
关键词 超临界机组 水煤比控制系统 分数阶控制 定量反馈理论 多目标粒子群算法
在线阅读 下载PDF
基于PSO-LightGBM模型的边坡稳定性预测研究
10
作者 张仕杰 张煜 张宁 《防灾减灾工程学报》 北大核心 2025年第5期1233-1240,共8页
边坡稳定性的准确预测对降低边坡失稳风险具有重要意义。为高效且准确地预测边坡稳定性,提出了一种基于粒子群(PSO)优化轻量级梯度提升机(LightGBM)的边坡稳定性预测模型,即PSO-LightGBM模型。该模型首先采用粒子群算法优化LightGBM模... 边坡稳定性的准确预测对降低边坡失稳风险具有重要意义。为高效且准确地预测边坡稳定性,提出了一种基于粒子群(PSO)优化轻量级梯度提升机(LightGBM)的边坡稳定性预测模型,即PSO-LightGBM模型。该模型首先采用粒子群算法优化LightGBM模型中的重要参数,在实际工程应用中,降低了LightGBM模型参数所产生的影响。然后采用优化后的LightGBM模型对边坡稳定性进行分类预测。选取K近邻(KNN)、支持向量机(SVM)、LightGBM、网格搜索优化LightGBM(GS-LightGBM)以及遗传优化LightGBM(GA-LightGBM)作为对比模型,并采用准确率、精确率、召回率与F1分数作为各模型预测性能的评价指标,并通过混淆矩阵可视化各模型的分类结果。基于PSO-LightGBM模型的特征重要性分析,量化了各因素在边坡稳定性预测中的相对重要性。研究结果表明,在测试集上PSO-LightGBM模型的各项评价指标上均显著优于其他对比模型,表现出较强的分类预测性能与泛化能力。通过特征重要性分析,影响边坡稳定性的因素从大到小依次为:坡角、坡高、内聚力、内摩擦角、土体重度与孔隙水压力。本研究为边坡稳定性的准确预测提供了一种新方法,对边坡工程安全设计与风险评估具有重要参考意义。 展开更多
关键词 边坡稳定性 机器学习 轻量级梯度提升机(LightGBM) 粒子群算法
在线阅读 下载PDF
基于改进广义单位线模型的中小流域洪水预报
11
作者 董玮捷 刘智勇 +4 位作者 陈晓宏 林凯荣 涂新军 葛阳 颜宇 《湖泊科学》 北大核心 2025年第5期1771-1781,共11页
传统的产汇流模型进行洪水预报需要大量的参数与数据。为了简化模型参数与降低洪水预报的复杂度,本研究构建了一种考虑降雨损失与降雨前期流域流量的简易广义单位线(GUH)模型。采用多目标粒子群算法优化参数,以岳城流域和九洲流域为研... 传统的产汇流模型进行洪水预报需要大量的参数与数据。为了简化模型参数与降低洪水预报的复杂度,本研究构建了一种考虑降雨损失与降雨前期流域流量的简易广义单位线(GUH)模型。采用多目标粒子群算法优化参数,以岳城流域和九洲流域为研究区域,对改进GUH模型、SCS-CN模型、Nash单位线构建的不同洪水预报组合进行对比分析,并对改进GUH模型在中小流域洪水预报的适用性进行评估,探讨了不同预见期下改进GUH模型的预报精度。研究结果表明:(1)改进GUH模型预报精度优于另外两个洪水预报组合;(2)改进GUH模型在岳城流域和九洲流域都达到了乙等预报水平,确定性系数均值分别为0.79和0.84,合格率分别为90.91%和83.33%;(3)改进GUH模型的预报精度随着预见期的延长逐渐下降,当预见期小于4 h时仍能保持一定的预测水平。考虑降雨损失和前期流域流量的改进GUH模型参数少、结构简单,具有一定洪水预报潜力,为中小流域的洪水预报提供了新思路。 展开更多
关键词 广义单位线 洪水预报 降雨-径流关系 粒子群算法 中小流域
在线阅读 下载PDF
计及新能源构网控制参数的机组组合模型
12
作者 黄慧 丁浩寅 +3 位作者 郄朝辉 常海军 黄志光 吕睿 《电力工程技术》 北大核心 2025年第2期100-110,共11页
为了在新能源机组组合时充分发挥其灵活调节能力,弥补新能源接入造成的系统惯量缺失,文中以构网型新能源惯量支撑与一次调频能力为基础,采用新能源减载存储备用容量的手段,构建计及动态频率约束及新能源构网控制参数的机组组合模型,并... 为了在新能源机组组合时充分发挥其灵活调节能力,弥补新能源接入造成的系统惯量缺失,文中以构网型新能源惯量支撑与一次调频能力为基础,采用新能源减载存储备用容量的手段,构建计及动态频率约束及新能源构网控制参数的机组组合模型,并将该非线性混合整数规划模型转化为多目标双层优化问题进行迭代求解,从而获得满足系统频率约束条件的同步机最优开机方式以及新能源最优减载量与对应的控制参数。以甘肃某风电高占比送端电网为例进行仿真验证分析,算例结果表明,与现有仅考虑频率约束的方案以及恒定构网控制参数的机组组合方案相比,文中所提可变构网控制参数的机组组合方案在频率安全约束条件下能进一步提升系统运行经济性和新能源利用率。 展开更多
关键词 构网型新能源 机组组合 双层优化 多目标粒子群优化 频率约束 构网控制参数
在线阅读 下载PDF
基于PSO-LSSVM-BP模型的高边坡力学参数反分析及稳定性评价 被引量:6
13
作者 徐卫亚 陈世壮 +5 位作者 张贵科 胡明涛 黄威 许晓逸 张海龙 王如宾 《河海大学学报(自然科学版)》 CAS CSCD 北大核心 2024年第5期52-59,共8页
基于粒子群优化(PSO)算法和最小二乘支持向量机(LSSVM)算法构建非线性映射关系,结合反向传播(BP)神经网络对非线性映射关系生成的数据库进行机器学习,构建了PSO-LSSVM-BP模型确定最优岩体力学参数。PSO-LSSVM-BP模型以高边坡监测位移数... 基于粒子群优化(PSO)算法和最小二乘支持向量机(LSSVM)算法构建非线性映射关系,结合反向传播(BP)神经网络对非线性映射关系生成的数据库进行机器学习,构建了PSO-LSSVM-BP模型确定最优岩体力学参数。PSO-LSSVM-BP模型以高边坡监测位移数据作为输入信息,通过反分析获得高边坡岩体力学参数,将反分析参数用于FLAC3D位移数值计算,结果表明模拟结果与监测数据吻合较好,验证了该模型的可行性和有效性。基于PSO-LSSVM-BP模型,对不同蓄水位下两河口水电站进水口高边坡稳定性进行了评价,发现水位是影响边坡稳定性的主要因素,随着水位上升,边坡位移逐渐增大,其表面和断层处损伤程度加深,边坡局部点安全系数有所下降,但整体点安全系数均大于1.30,有一定安全裕度。 展开更多
关键词 高边坡 力学参数反分析 粒子群优化 最小二乘向量机 反向传播神经网络 两河口水电站
在线阅读 下载PDF
基于混沌粒子群改进支持向量机对露天矿边坡稳定性的分类预测 被引量:4
14
作者 赵国彦 邹景煜 王猛 《矿冶工程》 CAS 北大核心 2024年第2期8-12,共5页
为了简便有效地评估边坡稳定性状态,针对目前传统机器学习的算法选择与超参数优化等难题,提出了基于混沌粒子群优化算法的4种机器学习模型,并对其预测性能进行了对比。建立了包含221组露天矿边坡稳定性案例的数据库,其中80%的数据用于训... 为了简便有效地评估边坡稳定性状态,针对目前传统机器学习的算法选择与超参数优化等难题,提出了基于混沌粒子群优化算法的4种机器学习模型,并对其预测性能进行了对比。建立了包含221组露天矿边坡稳定性案例的数据库,其中80%的数据用于训练,20%的数据用于模型测试。4种模型预测结果及工程实例验证结果表明,基于混沌粒子群改进支持向量机模型的预测效果上总体优于其他3种机器学习模型,预测准确率88%,能够有效预测边坡稳定性,可为露天矿边坡安全提供可靠的预测结果。 展开更多
关键词 边坡稳定性 混沌粒子群优化 支持向量机 预测
在线阅读 下载PDF
灵活性驱动下的热电联产机组多目标协同控制策略 被引量:1
15
作者 王玮 王子欣 +3 位作者 孔德安 杨健 韩宏志 钱白云 《动力工程学报》 CAS CSCD 北大核心 2024年第12期1907-1915,共9页
灵活性提升会显著影响热电联产机组的热舒适性及运行经济性等性能,为实现机组大范围快速变负荷过程中的综合性能优化,提出了一种基于预测控制的机组多目标协同控制策略。首先,建立了一套考虑灵活性、热舒适性、经济性及平稳性的机组多... 灵活性提升会显著影响热电联产机组的热舒适性及运行经济性等性能,为实现机组大范围快速变负荷过程中的综合性能优化,提出了一种基于预测控制的机组多目标协同控制策略。首先,建立了一套考虑灵活性、热舒适性、经济性及平稳性的机组多目标评价指标体系,为实现多目标协同,设计了一种基于预测控制的机组电热协调控制策略,在滚动优化中引入煤耗指标实现经济优化,并给出了多目标控制律的求解方法;然后,以多目标评价指标作为粒子群优化的目标函数,基于仿真模型离线寻优,获得了控制策略中的最佳参数设定,实现了机组综合性能的优化;最后,以某300 MW机组为例进行了仿真测试。结果表明:该策略可提升热电联产机组的运行灵活性,并在较大程度上保证机组的热舒适性和运行经济性,为热电联产机组的多目标优化控制提供了依据。 展开更多
关键词 热电联产机组 灵活性 多目标优化 模型预测控制 粒子群算法
在线阅读 下载PDF
基于LSTM和粒子群算法的多机组风电功率预测 被引量:9
16
作者 吴振龙 莫艺鹏 +3 位作者 王荣花 范鑫雨 刘艳红 郭小联 《郑州大学学报(工学版)》 CAS 北大核心 2024年第6期114-121,共8页
目前,风电功率预测所使用的模型想要达到预测效果,需要对模型选择合适的超参数,但手动调参数时间成本大、可信度较低。基于此,提出了一种基于长短期记忆网络(LSTM)的多机组风电功率预测方法。首先,采用斯皮尔曼相关系数法对数据进行量... 目前,风电功率预测所使用的模型想要达到预测效果,需要对模型选择合适的超参数,但手动调参数时间成本大、可信度较低。基于此,提出了一种基于长短期记忆网络(LSTM)的多机组风电功率预测方法。首先,采用斯皮尔曼相关系数法对数据进行量化分析;其次,运用主成分分析对输入特征进行降维,提取关键信息。除此之外,针对LSTM调参困难这一问题,采用粒子群算法对LSTM每层隐含层神经元的个数进行优化。对于多机组的风电功率预测问题,以单机组为切入点,找出单机组中表现最为优异的模型,将该预测模型应用至多机组预测。实验结果表明:与其他模型相比,所提方法均方根误差下降了11.8%,平均绝对误差下降了5.03%。 展开更多
关键词 长短期记忆网络 风电功率预测 多机组 粒子群优化算法 特征选择
在线阅读 下载PDF
基于数字孪生与融合神经网络的光伏阵列故障诊断 被引量:4
17
作者 刘卫亮 姜锴越 +3 位作者 许之胜 刘帅 刘长良 王昕 《太阳能学报》 EI CAS CSCD 北大核心 2024年第11期303-312,共10页
提出一种基于数字孪生模型与融合神经网络的光伏阵列故障诊断方法。首先,设计并初步实现包含孪生模型、数据采集与传输模块、服务应用系统的光伏电站数字孪生系统整体框架;其次,结合机理建模方法与粒子群(PSO)优化算法,建立光伏阵列数... 提出一种基于数字孪生模型与融合神经网络的光伏阵列故障诊断方法。首先,设计并初步实现包含孪生模型、数据采集与传输模块、服务应用系统的光伏电站数字孪生系统整体框架;其次,结合机理建模方法与粒子群(PSO)优化算法,建立光伏阵列数字孪生模型;再次,通过评估数字孪生模型输出与物理实体输出之间的残差,对故障进行检测;最后,采用时间卷积网络(TCN)结合双向门控循环单元(BiGRU)的融合神经网络,对光伏阵列故障进行诊断。实验结果表明,所提光伏阵列故障诊断方法较其他方法具有更高的精度,准确率可达97.8%。 展开更多
关键词 数字孪生 光伏阵列 粒子群算法 时间卷积网络 双向门控循环单元 故障诊断
在线阅读 下载PDF
粒子群优化的门控循环单元网络漂流浮标轨迹预测 被引量:1
18
作者 刘凇佐 王虔 +2 位作者 李磊 李慧 余赟 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第8期3295-3304,共10页
该文针对漂流浮标的轨迹预测问题,提出一种基于深度学习框架的端对端预测模型。由于不同海域的水动力模型存在较大差异,针对海面漂流浮标的流体载荷计算也较为复杂。因此,该文根据漂流浮标历史轨迹形成的多维时间序列,提出更具有普适性... 该文针对漂流浮标的轨迹预测问题,提出一种基于深度学习框架的端对端预测模型。由于不同海域的水动力模型存在较大差异,针对海面漂流浮标的流体载荷计算也较为复杂。因此,该文根据漂流浮标历史轨迹形成的多维时间序列,提出更具有普适性的基于数据驱动的轨迹预测模型。该模型将粒子群优化算法(PSO)与门控循环单元(GRU)结合,使用PSO算法对GRU神经网络的超参数进行初始化,经过多次迁移迭代训练后获得最优漂流浮标轨迹预测模型。最后使用多个北大西洋真实漂流浮标轨迹数据进行验证,结果表明PSOGRU算法能够实现准确的漂流浮标轨迹预测。 展开更多
关键词 漂流浮标 轨迹预测 粒子群优化 门控循环单元
在线阅读 下载PDF
抽水蓄能机组新型变工况自适应模糊控制策略 被引量:6
19
作者 冯陈 刘朝爽 +1 位作者 吴春旺 郑源 《电网技术》 EI CSCD 北大核心 2024年第7期2815-2822,I0053-I0055,共11页
针对抽水蓄能机组工况之间频繁转换、常规比例-积分-微分控制(proportional-integral-derivative control,PID)控制对不同工况变化下适应性弱及现有的新型控制方法难以应用于实时性要求较高的可编程逻辑控制器(programmable logic contr... 针对抽水蓄能机组工况之间频繁转换、常规比例-积分-微分控制(proportional-integral-derivative control,PID)控制对不同工况变化下适应性弱及现有的新型控制方法难以应用于实时性要求较高的可编程逻辑控制器(programmable logic controller,PLC)调速系统中等问题,同时考虑到导数分量易引入高频测量噪声。结合模糊控制理论,创新地提出了一种以水头和功率作为模糊推理输入变量的新型自适应模糊PI控制器(innovative adaptive fuzzy PI,IAFPI)。首先结合所设计的控制器建立了基于弹性水击和对数投影曲线法的抽水蓄能调节系统精细化模型;然后利用多目标粒子群算法(multiple objective particle swarm optimization,MOPSO)优化该模型的控制参数;最后结合我国某实际抽水蓄能电站数据,分别与传统PI、传统模糊PI控制在不同负荷不同水头下进行对比仿真试验;验证所设计的新型自适应模糊PI控制器可有效提高机组对工况变化的自适应性。 展开更多
关键词 抽蓄机组调节系统 PI控制 模糊控制 自适应控制 多目标粒子群算法 控制优化
在线阅读 下载PDF
基于VMD-LSTM-IPSO-GRU的电力负荷预测 被引量:6
20
作者 肖威 方娜 邓心 《科学技术与工程》 北大核心 2024年第16期6734-6741,共8页
为了挖掘电力负荷数据中的潜藏信息,提高短期负荷预测的精度,针对电力负荷强非线性、非平稳性等特点,提出一种基于变分模态分解(variational mode decomposition,VMD)、长短时记忆神经网络(long-term and short-term memory network,LS... 为了挖掘电力负荷数据中的潜藏信息,提高短期负荷预测的精度,针对电力负荷强非线性、非平稳性等特点,提出一种基于变分模态分解(variational mode decomposition,VMD)、长短时记忆神经网络(long-term and short-term memory network,LSTM)、改进的粒子群算法(improve particle swarm optimization,IPSO)和门控循环单元(gated recurrent unit neural network,GRU)的混合预测模型。首先,使用相关性分析确定输入因素,再将负荷数据运用VMD算法结合样本熵分解为一系列本征模态分量(intrinsic mode fuction,IMF)和残差量,进而合理地确定分解层数和惩罚因子;其次,根据过零率将这些量划分为低频和高频,低频分量使用LSTM网络,高频分量利用IPSO-GRU网络分别进行预测;最后,将预测结果重构得到电力负荷的最终结果。仿真结果表明:相对于其他模型,所提混合模型可有效的提取模态特征,具有更高的预测精度。 展开更多
关键词 短期负荷预测 变分模态分解(VMD) 长短时记忆神经网络(LSTM) 门控循环单元(GRU) 改进的粒子群优化算法(IPSO)
在线阅读 下载PDF
上一页 1 2 10 下一页 到第
使用帮助 返回顶部