基于SLPSO-WNN的铸造熔炼工序能耗预测模型

为了实现铸造熔炼工序的能耗预测,采用小波神经网络(wavelet neural network,WNN)建立能耗预测模型。针对WNN模型初始化中存在的问题,提出一种基于SLPSO的WNN模型初始化方法。对基于随机法、RBS和SLPSO初始化的WNN模型训练效果进行对比测试,结果显示SLPSO-WNN模型具有较低的平均相对误差;采用企业实际数据进行了基于SLPSO-WNN模型的能耗预测,预测平均相对误差为2.48%:验证了模型的有效性。

基于社会学习的粒子群优化算法的电力系统稳定器参数协调优化设计

对于电力系统稳定器(PSS)参数优化整定的问题,为了更好地寻找最优参数,本文将社会学习机制引入到粒子群优化算法中,将社会学习粒子群优化算法(SLPSO)应用于PSS参数的优化整定中,相比于传统优化算法,本文算法优化PSS参数具有更好的动态自适应性,同时不易陷入局部最优,能够较快地寻找到全局最优值。通过四机两区的仿真算例表明,本文方法解决了常规优化算法如粒子群优化算法优化PSS参数中存在的收敛性差、容易陷入局部最优、优化效果差等问题。通过将社会学习粒子群优化算法应用于PSS参数的寻优工作中,其PSS的优化效果和稳定性都得到了较大的提升。