基于VMD-BOA-LSSVM-AdaBoost的短期风电功率预测

针对风电信号具有间歇性、非线性、波动性、非平稳性和不确定性等特征,建立一种基于变分模态分解(VMD)和蝴蝶优化算法(BOA)优化最小二乘支持向量机(LSSVM)的风电功率短期预测模型,为提高预测精度,引入自适应校正算法(AdaBoost)。首先,利用变分模态分解将原始功率信号数据分解多个子序列。其次,利用蝴蝶优化算法优化最小二乘支持向量机组合预测模型对每个子序列进行预测。最后通过自适应校正算法将多个分量预测值重构得到最终的预测值,结合西北某一风电场提供的风电功率数据为例验证模型的有效性。结果验证了建立的组合预测模型能够较好地对短期风电功率进行预测,并具有较好的预测精度。

一种污水处理优化控制过程的超标抑制控制方法

常规污水处理过程多目标优化控制中存在出水氨氮和总氮浓度长时间超标的问题,为此提出一种污水处理优化控制过程的超标抑制控制方法。该方法在对多目标优化算法获取的溶解氧和硝态氮质量浓度设定值进行跟踪控制的同时,引入了超标抑制决策;利用AdaBoost-LSSVM实时预测出水氨氮和总氮质量浓度,并根据两者的超标情况选取合适的控制策略,以避免出现超标。基于国际基准仿真平台(BSM1)进行验证,结果表明所提的超标抑制控制方法能在兼顾污水处理过程能耗和出水水质的同时,保证出水氨氮和总氮质量浓度不超标。