智能网联汽车多目标预测优化换道决策方法

换道决策是智能网联汽车的核心难题之一,其面临着高动态、复杂交通场景下需要综合考虑行驶安全及效率等目标的巨大挑战。提出一种多目标预测优化的换道决策方法,主要包括动力学矩阵建模及多目标预测优化问题解算。基于智能网联汽车的通讯大数据信息构建交通流矩阵模型,然后分别设计表征车辆换道安全、行驶效率的动力学模型,通过多目标综合预测优化方法,求解条件约束下预测优化问题从而优化出最优换道决策指令。结果表明,所提出的预测优化换道方法较其他方法提高了智能汽车的行驶安全性和效率。

基于AI大模型技术的新能源发电功率预测优化方法及系统

文章就AI大模型技术的新能源发电功率预测优化方法及系统进行探讨,结合AI大模型的核心技术及特点,分析了AI大模型预测优化的方法及预测优化系统,旨在能为新能源发电的发展提供重要的理论支撑和科学依据。结果表明,优化后AI大模型技术的新能源方法,解决了传统预测手段难以全面捕捉和解析气象因素与发电效能之间复杂且多变的互动问题,为电网的稳定运行和高效管理提供了依据。

预测优化PID方法在含风电电力系统AGC中的应用

随着现代电力系统中清洁能源发电容量占比不断提高,外部环境的不确定性对自动发电控制AGC效果的影响不容忽视。本文首先考虑风电影响,构建了含风电电力系统AGC模型。在此基础上,提出了一种预测优化比例积分微分PID控制器设计方法,并将优化后的PID控制器融入系统模型中,根据预测算法获取系统的最优预测序列,并据此调整PID控制器的输入,以解决传统PID控制器参数固定对系统动态特征所表现的不适应性,从而获取最优的AGC效果。仿真结果说明,所提方法能有效应对风电接入后带来的不确定性,具有更好的控制性能表现。

转子系统振动的灰色预测优化控制研究

以灰色预测控制理论为基础 ,采用现代控制理论中的二次型优化原理 ,以控制力和响应加权最小为目标函数 ,设计了转子系统振动的灰色预测优化控制方案。并将该方案应用于带电磁阻尼器转子轴承系统的转子振动主动控制中 ,仿真结果显示转子振动的灰色预测优化控制具有建模迅速 ,控制及时、准确等优点。

基于组合预测优化模型的交通事故预测研究

为提高交通事故预测精度,基于熵值法构建UGM(1,1)-Holt组合预测模型,将滑动转移概率思想引入马尔科夫链模型,实现组合预测优化。应用该模型拟合分析2003—2011年湖北省交通事故死亡人数的历史数据,并以2012—2014年数据验证其有效性。通过实例对比UGM(1,1)模型、Holt指数平滑模型、组合预测模型和组合预测优化模型的预测精度。结果表明:相比前3种模型,提出的组合预测优化方法拟合值平均相对误差(MRE)为0.45%,3年预测值MRE为1.25%,能有效获取单一模型优势,预测精度更高。

考虑风机虚拟惯性的预测优化PIDD^2自动发电控制方法

风电的大规模渗透,使分布式发电系统的自动发电控制(automatic generation control,AGC)必须应对自然环境不确定性所带来的影响,构建了风电机组参与频率调节的区域互联电网AGC模型;然后,对风机虚拟惯性的控制特性进行了分析,将其应用于短时负荷波动的快速响应;在此基础上,提出一种对带有二阶微分的比例积分微分控制器(proportional integral differential plus second order derivative,PIDD^2)进行预测优化的控制策略。通过建立含PIDD^2控制器的AGC模型,采用预测算法计算该系统的最优预测序列,并据此调整PIDD^2控制器的参考信号,从而获取最优的AGC效果。仿真结果表明:在大规模风电渗透的AGC系统中,所提方法能有效解决传统固定参数PID控制器对系统动态变化所表现的不适应性问题。

转子振动的灰色Verhuslt预测优化控制研究

以灰色预测控制理论为基础 ,首次将非线性GM模型引入到转子振动主动控制中 ,并采用现代控制理论中的二次型优化原理 ,以控制力和响应加权最小为目标函数 ,设计了转子系统振动的灰色Verhuslt预测优化控制方案。将该方案应用于带电磁阻尼器转子轴承系统的转子振动控制中 ,仿真结果显示转子振动的灰色预测Verhuslt优化控制是有效的。

基于预测优化控制的变风量空调系统控制策略的研究

基于变风量空调送风系统的运行特点,建立了风量预测优化控制模型,设计了变风量空调前馈-反馈综合控制系统。实验结果表明:基于预测优化控制的空调系统运行稳定,各个空调小室的温度都能够稳定于设定温度所要求的精度范围内;各个控制环节的耦合度很小,能够实现独立控制调节,系统运行灵活、稳定。

基于时变预测优化PID的风电参与AGC方法

在风电高渗透率的电力系统中,风电参与系统调频是保证其安全稳定运行的有效手段,但风电的不确定性,使该过程面临新的挑战。针对此问题展开研究,首先,构建虚拟惯性控制下,风电参与自动发电控制(Automatic Generation Control,AGC)一次调频的系统模型;其次,针对风电输出的不确定性,描述了风电参与调频过程中,风速变化对AGC系统参数的影响;最后,设计了一种时变预测优化比例积分微分(Proportional Integral Derivative,PID)控制方法,以时变预测优化模型表征风速变化对系统参数的影响,以PID控制器对前级预测优化控制变量的输出结果进行调整。仿真结果表明:当风电参与电力系统负荷频率控制时,所提方法能够针对风速变化带来的AGC系统参数变化进行控制变量的动态调整,具有更好的频率控制效果。

深圳市人口预测优化模型的构建及应用

利用现有的几类人口预测模型构建成一个人口预测的优化模型,并对深圳市未来几年常住人口进行预测应用。结果表明,2014年的深圳市常住人口预测值为1 087.03万人,相对误差仅为0.008 48。预测优化模型不仅提高了人口预测精度,降低了预测误差,还克服了单一预测模型在人口预测中的缺陷。

基于有限集合的功率预测优化控制研究

针对三相电压型并网逆变器(GC-VSI),提出了一种基于有限集合的功率预测优化控制策略,为消除系统控制延时对控制性能的影响,提出了两步预测的方法进行补偿。实验结果表明,此方法能减小逆变器功率波动,降低并网电流的总谐波畸变率(THD),具有快速的动态性能,同时对电感参数的变化具有较强鲁棒性。

高强混凝土强度预测的未确知聚类预测优化模型

高强混凝土的强度受多种因素的影响,其强度的预测是一个动态性的系统工程。建立了高强混凝土强度预测的未确知聚类的预测优化模型。并将未确知聚类预测优化模型计算的强度结果与实测混凝土28 d抗压强度进行比较。研究表明,预测结果与实测结果吻合一致,说明该预测模型具有较高的预测精度,为以后高强混凝土强度预测提出一种新方法和一条新途径。

基于配网预测优化的变电站电压无功调节策略

基于全网次日电压无功优化的分析 ,针对变电站负荷及供电电压的实时变化 ,采用模糊逻辑的变中心九区图控制方法 ,对变电站的电压无功实现实时控制。算例结果表明 ,该方法在保证全局优化的基础上实现了分层分区的实时优化 ,较好地协调了全局优化与局部优化、实时性与准确性的矛盾 ,在提高电压合格率、保证无功就地平衡。

公路建设中新增水土流失预测优化

新增水土流失预测是开发建设项目水土保持方案编制的依据。以某山区高速公路为例,主要从预测时段和土壤侵蚀模数的确定两个方面与传统方案进行对比分析,探讨山区高速公路建设新增水土流失预测的优化方案,结果表明:确定符合实际的预测时段和土壤侵蚀模数能提高新增水土流失预测结果的准确度,有利于水土保持措施及投资的优化配置。

基于卡尔曼滤波法的挣值绩效预测优化模型

为提高挣值法的预测精度,解决预测项目可能发生的工期偏差和费用偏差问题,本文提出了一种将卡尔曼滤波引入挣值法的优化模型。基本思路是:首先,将项目划分为多个观察时刻,并根据每个时刻的观测数据计算成本绩效指标CPI和进度绩效指标SPI;其次,建立成本和进度卡尔曼滤波器预测优化模型,然后将计算出的CPI和SPI作为初值输入模型,利用卡尔曼滤波优化模型进行预测;最后对成本与进度进行预测并进行对比。案例研究证明:利用卡尔曼滤波器优化模型可以提高预测精度,能解决施工周期偏差和成本偏差问题。

基于SGA+DWT的BiLSTM滚动预测优化模型

根据深圳市2015年1月1日~2019年12月31日的无空缺逐日供水序列,运用自适应矩估计(AME)+最小二乘(LS)求解模型,利用自发式遗传算法(SGA)和离散小波变换(DWT)解决模型局部最优解及高频分量的过滤问题,并在图形处理单元(GPU)上训练模型,并进行滚动预测。结果表明,SDBiLSTMR模型的泛化能力较强,长期预测的均方误差(MSE)较小,纳什系数(NSE)较高,模型稳定性及可靠性强,最接近无偏估计,且在GPU上的训练时间比中央处理单元(CPU)有明显提升。研究解决了长短时记忆(LSTM)在长期预测中泛化能力变差的问题,能给其他时间序列模型提高长期预测精度提供借鉴,具有较强的实用价值。

浅析大数据挖掘对电费回收风险预测优化

社会改革开放的不断深化,国内市场经济得到了快速发展,其中供电企业对社会经济增长的促进具有重要作用。近些年,随着全国电力用户不断增加,电费拖欠现状也越来越严重,这对供电企业的经济效益产生了一定的影响,因此有效的电费回收与风险管控就尤为重要。本文运用大数据挖掘理论知识,对企业电费回收业务进行风险分析,找出高风险用户以及业务难点,然后按照"一户一策"方案进行解决.

基于Stacking和NSGA-Ⅱ的降低辛烷值损失预测优化模型研究

针对化工过程数据关联和机理建模存在的问题,提出建立降低汽油精制过程中的辛烷值损失的预测优化模型。首先对某石化企业催化裂化汽油精制脱硫装置的大量历史数据进行了数据预处理,其次采用了BP神经网络、支持向量机、随机森林、AdaBoost和梯度提升树5种机器学习算法对产品辛烷值(RON)进行了预测,并采用Stacking集成学习算法提高模型的准确度。在机器学习的基础上,采用NSGA-Ⅱ算法对产品辛烷值(RON)和产品硫含量进行了多目标优化,得到了主要操作变量的Pareto最优解,并针对133号样本进行模型可视化展示。基于上述模型,化工企业可以针对不同的需求选择相应的操作方案。

基于龙东矿井通风系统的模拟仿真与预测优化

针对龙东煤矿西一采区资源枯竭,逐步转入东二采区生产的现状,西风井风机能力是否满足与其风网的匹配要求等问题,模拟与预测东二采区回采生产后通风困难时期的多种通风系统运行状态,通过现状风网的计算机仿真解网和一系列通风系统运行状态的模拟解网及其预测分析,做到风机运行与其风网合理匹配,充分发挥矿井生产能力,实现矿井安全生产目标。

排污数据ARIMA模型预测优化研究

本文研究排污数据时间序列预测优化问题。以某企业排污数据ARIMA模型的预测为例,从异常值处理和选择样本回归两个方面,给出了优化方法,结果表明:不同标准的异常值处理和不同的样本选择,对时序预测都会造成影响。企业在实际时序预测中,可以尝试不同的标准和样本,寻找最优预测准确度,实现预测优化。