基于水循环算法的配电网故障区段定位方法

快速准确的故障区段定位对恢复配电网供电及缩短用户停电时间至关重要。分布式电源的接入使得以往功率单向流动的配电网转变为复杂的有源配电网,也给故障区段定位增加了困难。针对智能算法定位速度较慢、寻优存在局限性的问题,提出一种基于水循环算法的配电网故障区段定位方法。对各线路区段及各节点所配置终端的反馈信息进行刻画,根据上下游节点信息的逻辑性对故障电流信息进行容错处理,修正可识别的畸变信息。使用水循环算法进行寻优求解,锁定故障线路区段。最后,利用不同配网系统测试算例验证了所提方法的优越性。

基于水循环算法的梯级水电站短期优化调度

鉴于梯级水电站优化运行的高复杂度、强非线性、多约束等特点,构建了基于峰谷分时电价下的梯级水电站日最大发电效益模型。针对遗传算法(GA)等传统智能算法对复杂模型求解易陷入局部最优的问题,提出一种水循环算法(WCA)与水位廊道约束耦合、降低约束复杂度、规范寻优空间的方法,并以湖北某梯级短期优化调度为背景进行建模仿真,将计算结果分别与GA和粒子群算法(PSO)所得结果进行比较。实例研究表明,WCA计算的总效益在丰、平、枯典型日分别比GA和PSO计算值约高5.65%、3.15%、0.80%,迭代收敛速度更快,求解能力更强,为解决梯级水电站优化调度问题提供了新思路。

基于免疫算法的火电厂循环水系统优化

在综合对比应用于循环水系统优化模型算法的基础上,提出用免疫算法求解,得到了最优决策向量。与遗传算法相比,免疫算法能够有效地寻求火电厂循环水系统的最优组合和最佳调速比,其求解代数更少且质量更高,可有效地提高循环水系统的运行效率。

双变量试差算法及其在循环水系统中的应用

基于末端热交换器冷流体流量核算的对数平均温差法,提出一种双变量试差计算方法以核算冷却循环水系统冷流体质量流量与出口温度。该算法将冷热流体出口温度约束引入换热器数学模型的求解过程中,选择末端换热器冷流体的质量流量、温度这2个变量代入换热器的热平衡方程和传热方程,计算换热量与热流体出口温度,不断修正冷流体质量流量与出口温度,直至热流体出口温度达到设定要求,且冷流体出口温度满足限制条件为止。以某工厂循环水系统节能优化设计为例,对比研究单变量试差法和双变量试差法在换热器冷流体流量核算中的应用。研究结果表明:按双变量试差法优化后的系统既能保障换热器的冷却效果,又能使冷流体出口温度满足控制要求。

水循环算法与引力搜索算法的改进

水循环算法的提出是针对自然界中的分流、降雨、汇流与下渗等自然的水循环现象所提出的一种算法,有效调整了粒子与种群数量,并能够实现智能与动态展示,这种算法的提出能够有效实现种群迭代速度的提升。引力搜索算法是基于引力定律所提出的一个新型算法,并对引力搜索算法进行改进,同时提出水循环算法与引力搜索算法的改进措施。

基于最小二乘支持向量机和萤火虫算法的开式循环水系统优化

针对开式循环水系统循环水泵优化问题,考虑开式循环水系统循环水体积流量随静扬程变化而改变的特点,建立了基于最小二乘支持向量机回归的静扬程软测量模型;基于凝汽器真空预测模型,建立循环水泵等效益曲线目标函数,并采用萤火虫算法对等效益工况点进行求解.结果表明:静扬程软测量模型测得的静扬程与真实静扬程的最大相对误差控制在4%以内;通过分析100个样本,凝汽器真空预测模型的预测真空与实际真空的最大相对误差控制在3%以内;对比枚举法可知,采用萤火虫算法寻求等效益工况点的方法具有一定准确性,为离散问题的优化提供了新思路.

改进水循环优化BP神经网络的大坝变形预测

为提升传统基于反向传播(BP)神经网络的大坝变形预测方法的精度和噪声稳健性,提出一种改进水循环算法(IWCA)优化的BP神经网络(IWCA-BP)模型。首先利用经验模态分解(EMD)将高维复杂变形数据分解为一系列结构简单的本征模函数(IMF)和剩余项之和的形式;然后利用IWCA-BP神经网络分别对每个IMF进行建模预测,作为一种启发式优化算法,IWCA能快速准确地实现BP神经网络初值的全局寻优,提升预测性能;最后利用某混凝土大坝实际变形数据开展实验。结果表明,相较于卡尔曼滤波、支持向量机、BP神经网络和粒子群优化随机森林方法,EMD-IWCA-BP方法能获得更高的预测精度和噪声稳健性,具有更高的应用前景。

锅炉水循环系统的算法

分析了基于燃煤锅炉结构的锅炉水循环基本过程,从物理方程出发,建立了自然循环系统的分布参数模型,对两相自然循环系统给出了基本假设条件。采用交错网格离散化算法较好地解决了流体的压缩性和热膨胀性对循环系统算法的影响,为锅炉水循环系统的数值模拟和设计提供重要参数。

水循环算法-投影寻踪模型在水环境承载力评价中的应用——以文山州为例

利用4个典型测试函数对水循环算法(WCA)进行仿真验证,仿真结果与文化算法(CA)、布谷鸟搜索(CS)算法和粒子群优化(PSO)算法的仿真结果进行比较.从水资源、水污染、社会经济3个系统遴选12个指标构建区域水环境承载力评价指标体系,利用WCA优化PP模型最佳投影方向,提出WCA-PP水环境承载力动态评价模型,并构建CA-PP、CS-PP和PSO-PP模型作对比,以文山州2006~2015年水环境承载力动态评价为例进行实例验证.结果表明:无论是单峰还是多峰函数,WCA寻优精度与收敛稳定性均优于CA、CS和PSO算法,具有较好的收敛速度、求解精度和极值寻优能力;WCA优化PP模型获得的适应度值为1 248.202 6,均优于CA、CS和PSO算法.WCA-PP模型对实例2006~2011年水环境承载力评价为"基本可承载",2012~2015年评价为"可承载";水环境承载力随时间呈提升趋势,且提升趋势显著.WCA-PP模型对实例的评价及排序结果与CS-PP模型相同,与CA-PP模型在各年度排序上存在差异,与PSO-PP模型在评价及排序上均存在差异.实例验证了智能算法的优化性能决定了评价精度的高低.模型及验证方法具有实际应用价值,可为区域水环境承载力计算分析提供新的思路和方法.

分层表冷器的水循环优化预测控制研究

针对分层表冷器的协同控制问题,根据室外温度和室外相对湿度这2种环境变量,采用门控循环单元(gated recurrent unit,GRU)网络搭建表冷器温湿度系统预测模型,用于预测室内平均温度和室内平均湿度。首先,针对水循环优化算法收敛速度慢的问题,将生物地理学优化(biogeography-based optimization,BBO)算法中的迁入迁出行为嵌入到水循环算法(water cycle algorithm,WCA)中,以提高算法性能;然后,利用改进的水循环算法(improved water cycle algorithm,iWCA)滚动优化得到控制量,即主表冷阀、副表冷阀和电动三通阀的开度。仿真实验结果表明:与传统的预测控制算法相比,GRU-iWCA预测控制方法具有更高的跟踪精度和稳定性。

基于仿水循环算法的梯级水库群多目标优化调度研究

仿水循环算法(WCA)是一种新的智能种群优化算法,将该方法引入梯级水库群多目标优化调度,并提出多目标仿水循环算法(MWCA)。MWCA通过对自然界水循环过程的模拟,构建多目标下的相对重力机制,实现对非劣解的有效搜索,建立汇流、分流、渗流、蒸发降雨4个搜索策略,提升算法的收敛速度、多样性和局部搜索能力,同时有效克服传统算法的早熟问题,令算法具有较强的全局搜索和收敛性能。在梯级水库群多目标优化调度实例计算中,与多目标粒子群算法MOPSO和多目标遗传算法NSGA-Ⅱ进行比较分析,结果表明MWCA在计算结果和非劣解多样性上均优于其他算法,为梯级水库群多目标优化调度问题提供了一种有效的求解思路。

利用改进水循环优化SVR的边坡变形预测

边坡变形与地质活动,气候变化以及人工切坡等众多因素相关,是一种典型的非线性、非平稳随机过程,传统边坡变形预测方法存在预测精度低和泛化能力弱等问题。提出一种基于改进水循环算法(improved water cycle algorithm,IWCA)优化支持向量回归(suppor vector regression,SVR)的边坡变形预测方法(IWCA-SVR)。SVR利用核函数将低维空间中的非线性边坡位移量数据映射到高维空间进行建模分析,不仅能够获得较高的预测精度,同时具有较强的泛化能力。由于SVR核参数和惩罚因子对预测性能影响较大,提出IWCA算法对其进行全局寻优,提升预测性能。最后将所提IWCA-SVR方法与粒子群优化的SVR(PSO-SVR)和极限学习机(ELM)等方法进行对比,结果表明IWCA-SVR在平均相对误差和均方根误差两项指标方面分别提升超过55.8%和54.9%,并且具有更强的泛化能力。

基于水循环算法的FIR滤波器设计

FIR滤波器被广泛应用于数字信号处理和工程实际中。最优化FIR滤波器设计可看作为一种寻优过程,利用启发式算法能够快速解决这一问题。水循环算法是一种模拟自然界水循环过程的新型启发式算法,由于其具有运算速度快、控制参数少、收敛性能优等特点而受到越来越多学者的重视。文章首先介绍水循环算法和最优化滤波器设计的基本原理,其次采用均方误差最小准则,利用水循环算法实现最优化FIR滤波器设计,最后通过MATLAB软件仿真验证该设计的有效性。

循环水余热利用收益的算法讨论

利用热泵吸收电厂循环水中的余热用于冬季采暖,有节能减排的社会效益,但对于电厂自身而言,其获得的收益和其投入相比并不十分理想。就目前可供参考的此方面资料来看,其中对于电厂收益的计算都有或多或少的放大,热泵投运后的效果和预期相去较远。文章仅对热泵在电厂循环水余热利用中,就电厂自身所得收益的算法进行讨论、讨论中不涉及财务及税收问题,仅针对技术性的问题进行讨论。

水循环算法的研究现状

水循环算法是一种抽象于自然界水循环过程的智能优化算法,它是根据自然界中的分流、降雨、汇流、蒸发与下渗的现象,提出的一种算法,该算法过程简单,易于理解,具有较强的搜索能力,但该算法也存在过早收敛,易陷入局部最优等问题。本文在分析传统水循环算法的基础上,从四个方面对其改进算法进行了总结。

基于含多种约束仿水循环算法的梯级水电站优化调度

梯级水电站经济调度是一个具有多维数、多目标、非线性的新问题,调度策略随决策者期望而变化。根据不同调度期望,构建三个分别以发电量最大、耗水量最小、末期蓄水量最大为目标的优化调度模型。本文提出的仿水循环算法是一种受自然界水循环过程启发提出的全新算法,即含多种约束的仿水循环算法CWCA,引入水滴权重因子,可根据寻优情况自适应地调整权重值,有效解决迭代速度与计算精度的权衡问题,以及因水滴粒子处于局部最优而导致迭代停滞的问题。利用不同测试函数求解结果对比表明,CWCA比改进粒子群算法MPSO更具有效性与优越性。经对三座梯级水电站优化调度策略的仿真结果证明了CWCA的可行性,也显示了MPSO可显著提高优化结果,大幅降低收敛时间,是一种更优越的智能种群算法。

无限长单位抽样响应滤波器的水循环算法设计

无限长单位抽样响应(Infinite Impulse Response,IIR)滤波器具有尺寸小、计算精度高、稳定等优势,且能以较低的阶数获得良好的频率选择特性。IIR滤波器的设计可归结为最优化问题,可采用智能优化算法进行求解。本文利用最小均方误差为适应度函数,采用水循环算法(Water Cycle Algorithm,WCA)寻找适应度函数的最优解,提升IIR滤波器性能。仿真结果表明,设计滤波器的幅频响应曲线具有比较理想的通带和阻带性能,因此该方案是可行、有效的。

基于遗传算法改进的一阶滞后滤波和长短期记忆网络的蓝藻水华预测方法

河湖藻类水华形成过程中所具有的突发性和不确定性,导致对藻类水华爆发预测准确性不高。为解决此问题,以叶绿素a的浓度值作为蓝藻水华演化过程表征指标,提出基于长短期记忆(LSTM)循环神经网络(RNN)蓝藻水华预测模型。首先,用遗传算法改进的一阶滞后滤波(GF)优化算法对数据进行平滑滤波处理;然后,搭建GFLSTM网络的蓝藻水华预测模型,实现对水华发生的精准预测;最后,以太湖水域梅梁湖区域的采样数据为样本,对预测模型进行检验,并与传统的RNN和LSTM网络进行对比。仿真结果表明,提出的GF-LSTM网络模型平均相对误差控制在16%~18%,而RNN模型的预测平均相对误差为28%~32%,LSTM网络模型的平均相对误差为19%~22%,对采用数据的平滑性处理效果较好,预测精度更高,对样本具有更好的适应性,克服了传统RNN模型在长期训练时出现的梯度消失与梯度爆炸缺点。

基于PLC循环水养殖温控系统的设计

针对目前国内水产养殖监控系统较落后的研究现状,设计了采用西门子S7—200PLC的循环水养殖温控系统,采用PID控制算法,对养殖池的水位和温度进行实时监控,实现养殖池温度和水位的恒定控制。详细介绍了系统的整体控制方案,工作原理,并给出了系统的软、硬件结构设计,有效地实现了系统的逻辑控制、安全控制、故障显示及故障处理。

基于WCA-MEPP模型的云南省水资源利用效率动态评价

以云南省2006-2015年及2020年水资源利用效率评价为例,从综合、工业、农业、生活和生态5个方面遴选15个指标构建水资源利用效率评价指标体系和分级标准,基于最大熵投影寻踪(MEPP)技术进行区域水资源利用效率动态评价。采用在指标分级标准阈值间随机生成样本的方法构造MEPP目标函数,利用水循环算法(WCA)优化MEPP最佳投影方向,建立WCA-MEPP水资源利用效率评价模型,并分别构建生物地理优化(BBO)算法、差分进化(DE)算法和粒子群优化(PSO)算法-MEPP水资源利用效率评价模型作对比模型。结果表明:(1)WCA寻优MEPP目标函数获得的最优值、最劣值、平均值和标准差均优于BBO、DE和PSO算法,具有较好的全局极值寻优能力。(2)WCA-MEPP模型对云南省2006-2007年水资源利用效率评价为"较低水平",2008-2015年评价为"中等水平",2020年评价为"较高水平"。2006-2015年间云南省水资源利用效率随时间呈提升趋势,且提升趋势显著。(3)WCA-MEPP模型对云南省水资源利用效率评价结果与BBO-MEPP模型相同,但在排序上存在差异;与DE-MEPP、PSO-MEPP模型在评价结果及排序上均存在差异。