DP-ADPSO算法在机组负荷优化组合分配问题中的应用

针对离散粒子群应用于机组负荷优化问题中存在早熟收敛的难题,提出了动态规划-自适应离散粒子群算法求解机组负荷优化组合问题.该方法首先保证所有随机生成的粒子均为满足基本约束条件的可行解,使整个算法只在可行解区域内进行动态优化搜索,缩短了计算时间.计算实例表明:动态规划-自适应离散粒子群算法能较好地收敛到最优解,而且该方法得出的解具有精度高、收敛速度快的优点,应用效果优于动态规划法和离散粒子群算法,说明该方法是有效的、合理的,具有较好的应用前景.     

基于河流分段与分季节的涑水河水环境容量计算及模型预测

【目的】建立适合于干旱和半干旱地区季节性河流的水环境容量计算模式及预测模型。【方法】以山西省涑水河为例,基于河流分段(上游(横水铁路桥断面以上)、中游(吕庄水库断面至横水铁路桥断面)、下游(吕庄水库断面以下))和分季节(丰水期、平水期、枯水期)的原则,在传统水环境容量计算模型的基础上,利用涑水河流域现有的水文资料、环境资料及生态、经济等资料,探索影响干旱和半干旱地区河流生态环境容量的主要因素,构建涑水河水环境容量计算模式与自适应调整粒子群-RBF神经网络预测模型,并用涑水河流域监测数据、历史资料进行验证。【结果】水体原污染物质量浓度、当前水环境的质量标准、河流距离、河流流量、排放污水量和排放时间是影响干旱和半干旱地区河流生态环境容量的主要因素。在丰水期、平水期、枯水期涑水河3个断面之间水环境容量计算值与预测值均非常接近,计算值相对误差为0.12%~1.47%,预测值相对误差为0.09%~2.02%,可见计算方法和预测方法的精度均较高。【结论】涑水河水环境容量预测值可用于指导涑水河水资源优化配置和水环境污染控制,对推动干旱和半干旱地区流域的可持续发展具有积极意义。     

动态调整粒子群-霍尔特模型在径流预测中的应用

为了提高水库和河流中长期径流预测精度,针对粒子群算法存在的缺陷,提出了动态调整粒子群算法（DAPSO）。借助霍尔特-温特斯线性季节性模型的预测功能,应用DAPSO算法求解和优化霍尔特-温特斯线性季节性模型组合参数,形成动态调整粒子群-霍尔特-温特斯线性季节性模型组合算法,对石泉水库进行中长期径流预测。仿真计算表明,动态调整粒子群-霍尔特-温特斯线性季节性模型算法收敛速度快于霍尔特-温特斯线性季节性模型算法、粒子群-霍尔特-温特斯线性季节性模型算法。该组合算法克服了按梯度试算法搜索质量差和精度不高的缺点,输出稳定性好,预报精度显著提高,置信度为95%时的预测相对误差小于6%。该算法可应用于水库和河川中长期径流预测。     

基于弹性自适应人工鱼群-BP神经网络的风轮节距控制环

为了研制一种调节桨叶节距角的智能控制器,使风力发电机组在变化的风力中获得最大的能量并使转速、功率和机械负载变化最小,提出了一种基于弹性自适应人工鱼群-BP神经网络的风轮节距控制环并用于风轮节距角控制,分析了弹性自适应人工鱼群优化算法-BP神经网络,建立智能控制的风力发电机组模型。使用该方法模拟了在不同桨叶节距角下功率系数、叶尖速比、功率和电压变化,模拟值与实测值进行了对比。试验表明,模拟值与实测值比较接近,仿真效果较佳。结果表明该方法原理正确,符合实际调节及微机控制,可用于实时控制。     

基于改进粒子群与神经网络的机械结合面法向刚度建模

为了提高机械结合面法向接触刚度预测精度,提出一种改进粒子群优化算法,并用改进粒子群算法优化BP神经网络的参数组合,实现了粒子群和BP神经网络相结合的算法模型。将影响结合面法向接触刚度的因素进行了特征分析和定量化描述,并用该算法进行法向接触刚度预测和相对误差分析。计算结果表明,计算准确度可达92%,实现了多种影响因素组合下的机械结合面法向接触刚度的建模。     

自适应人工蚁群算法在水资源优化配置中的应用

为实现水资源合理调度,建立了水资源优化配置模型,针对该非线性模型求解较困难及其他方法求解精度不高的问题,提出了自适应人工蚁群算法(AACS)。以闻喜涑水灌区和陈村灌区水资源优化配置为实例,对涑水河陈村峪水库、紫家峪水库和杨家园水库给灌区供水调度进行优化,采用AACS法求解灌区水资源优化配置模型。结果表明:该模型可真实地反映灌区供需水平衡变化的总体趋势,所建模型是合理的,为判断时间序列数据的非线性提供了一种新方法。