基于SSA_(n)-SSA_(l)-LSTM的短期空调负荷预测模型

本文提出了一种奇异谱分析(SSA_(n))和麻雀搜索算法(SSA_(l))优化的长短期记忆网络(LSTM)的组合空调负荷预测模型。使用皮尔逊相关系数和主成分分析法对输入特征进行挑选和处理,以消除特征之间的冗余性和相关性。针对空调负荷的波动性和随机性,采用SSA_(n)将空调负荷分解为多个分量。同时针对LSTM超参数设置的问题,采用SSA_(l)对模型进行优化,使用优化后的LSTM对各个分量进行预测,对预测结果进行重构。利用办公建筑和医疗建筑的空调负荷数据对模型进行了验证和分析。研究发现,与其他模型相比,SSA_(n)-SSA_(l)-LSTM模型表现最好,在预测办公建筑空调负荷时决定系数(R^(2))高达0.996 7,平均绝对百分比误差(MAPE)、平均绝对误差(MAE)和均方根误差(RMSE)分别为0.62%、14.42 kW和18.82 kW,在预测医疗建筑空调负荷时R^(2)高达0.992 7,MAPE、MAE和RMSE分别为0.50%、19.40 kW和25.71 kW。

基于混合量子麻雀算法的过热汽温模型参数辨识

建立高精度的过热汽温模型便于控制器的设计和参数整定,从而提升汽温的控制品质。首先针对传统的麻雀优化算法在闭环数据驱动辨识中容易陷入局部最优,收敛速度慢的问题,提出了一种混合量子行为的麻雀优化算法(QSSA)。该算法在基本麻雀算法迭代一次后采用量子策略对劣势群体进行变异,加强空间搜索能力,提高辨识精度;对于较优势群体引入Lévy随机游走策略,增加种群多样性,克服量子策略迭代后期种群性减少,易陷入局部最优的问题。其次对比多种优化算法在基准函数测试中的优化结果,验证了所提算法的优越性。最后运用某600 MW超临界机组过热汽温的现场运行数据进行模型参数的QSSA辨识,表明了所提算法的有效性,为现场过热汽温控制系统的进一步优化提供了新的途径。

基于ISSA-BP的500kV高压线损预测模型

线损对评估电力系统的经济运行有着重要作用。针对高压线损与多种特征参数之间关系复杂的问题,综合考虑关口电压、关口电流及温湿度对高压线损的影响,提出一种基于改进麻雀搜索算法(ISSA)优化BP神经网络(ISSA-BP)的高压线损预测模型。首先,通过Lévy变异策略及旋转策略分别对麻雀搜索算法(SSA)的发现者及加入者的位置更新方式进行改进,并在6个基准函数上进行测试,结果表明ISSA的寻优能力得到提升。其次,通过ISSA将最优初始权值和最优初始阈值赋予BP神经网络,进而拟合出特征参数与线损率的关系。最后,以山西省某条500 kV高压输电线路数据为研究对象,对比分析BP、GWO-BP、WOA-BP、SSA-BP与ISSA-BP这五种预测模型的预测效果,结果表明ISSA-BP模型的预测值最接近实际值,其RMSE、MAPE、MAE和R2分别为4.29%、3.67%、3.57%和99.01%,均为各种预测模型中最优。相较于SSA-BP,ISSA-BP的RMSE下降了33.4%,MAPE下降了36.7%,MAE下降了37.1%,R2提高了1.24%,表明ISSA-BP模型能对高压线损进行准确预测。

全局双伽马校正与改进SSA的低光照图像增强方法

针对现有低光照图像增强算法存在对比度低、边缘细节丢失及增强过度等问题,提出一种基于全局双伽马校正与改进SSA算法结合的低光照图像增强方法。首先对图像预处理,其次采用双伽马函数结合麻雀优化算法进行全局校正,此外为改善算法收敛性能,引入精英反向学习和Lévy飞行策略来改进麻雀算法,优化对参数(α)的选择,通过寻找最优伽马值实现对图像的细节增强。仿真实验结果表明,该算法增强后的图像峰值信噪比和结构相似性指标较大,图像颜色失真较小,细节更加丰富,整体增强效果优于其他对比算法,具有较好的处理效果。

基于PCA-ISSA-BP模型的矿井突水水源判别

为精准判别矿井突水水源,提出1种基于PCA-ISSA-BP模型的矿井涌水水源判别模型。选择孙疃煤矿不同含水层水的6种常规离子和pH值作为判别指标,首先使用主成分分析对7种指标进行降维处理;然后通过Sine混沌映射、融合正弦余弦算法和Lévy飞行策略改进SSA对BP模型进行参数寻优;最后在Matlab软件上编程实现模型的建立。结果表明:主成分分析降低了指标之间的相关性,提高了模型的判别精度,经过归一化处理和参数优化的BP神经网络模型能够跳出局部极小值点,且收敛速度有了较大的提升;与ISSA-BP、PCA-SSA-BP、PCA-PSOBP和PCA-BP模型相比,PCA-ISSA-BP模型具有更高的识别精度、更强的拟合能力以及更小的均方误差,能够更精准实现矿井突水水源的识别。