采用中心平衡优化的表冷系统预测控制研究

根据室外温度和相对湿度环境变量,采用极限学习机(extreme learning machine,ELM)搭建空调表冷系统室内温湿度预测模型,解决了空调表冷阀门协调控制问题,采用斐波拉契(Fibonacci)搜索算法优化了极限学习机的隐含层节点数,提出了斐波拉契极限学习机(FELM),从而提高了预测模型的精度。传统的平衡优化算法(EO)收敛速度慢,且容易陷入局部极小,将K中心聚类算法(KMedoids)嵌入到平衡优化算法中,提高了优化算法的性能。利用中心平衡优化算法(KEO)滚动优化得到表冷系统3个阀门的控制量,即主表冷阀、副表冷阀和电动三通阀的开度。仿真实验表明:与传统的ELM预测控制算法相比,KEO-FELM预测控制具有更高的稳定性和跟踪性,以及更好的节能效果。

输电塔塔身交叉斜材拓扑优化方法研究

提出将输电塔塔身交叉斜材的拓扑形式的优化问题分成三个步骤来完成:首先,针对塔重随节点数目变化具有单谷性的特点,提出利用斐波那契搜索确定最优的基节点数目,构建了原始的基结构模型;其次,提出了一种递归方法得到所有满足工程习惯的杆系拓扑形式,在此基础上结合蚁群算法寻找出最优的设计方案;最后,使用序列二级算法对塔身节点坐标进行调整.使用本方法对三个不同算例的塔身段斜材的拓扑和所有塔身节点坐标进行了优化,得到了新的杆系拓扑形式,相对原设计节省了一定钢材,并满足了工程实用性的要求.

全局时变权组合预测方法

文章提出了一种新的组合预测方法—全局时变权组合预测方法。这种组合预测方法根据以往的全部历史数据,利用数值计算的手段决定组合系数函数中的参数,于是组合系数随时间的推移而变化。这种组合预测方法既能充分利用历史数据,又可以同时跟踪变量的时变特性。

光伏发电系统最大功率点跟踪方法研究

为准确跟踪光伏电池最大功率点,提高光伏电池的利用效率,分析了光伏电池等效模型及其输出特性,阐述了几种常用跟踪方法的原理及优缺点,并提出了基于电导增量法与Fibonacci搜索算法相结合的MPPT算法。仿真实验表明,该方法能在日照突变的情况下追踪最大功率点,并且使系统稳定工作在最大功率点,具有良好的抗干扰能力和较快的搜索速度,对光伏电池最大功率点有较好的追踪效果。

农用光伏水泵最大功率的跟踪方法

提出了一种基于Fibonacci搜索算法的、用于光伏水泵最大功率的跟踪(MPPT)方法,它能在部分遮蔽或者日照突变的情况下,实现简单有效的控制来跟踪实际最大功率点。通过修改Fibonacci搜索算法来适用于时变的光伏组件的P-V特性。实验证明,该算法工作可靠,即使在部分遮蔽或者日照突变情况下,也有较快的响应速度和较高的准确性。