改进量子粒子群算法在光伏最大功率点中应用

光伏阵列的P-U特性曲线在局部遮阴环境(如树木遮挡、云层变化等)下呈现多个极值点,这会导致传统的最大功率点跟踪(maximum power point tracking,MPPT)算法失效。基于此提出了一种改进量子粒子群算法的最大功率点跟踪控制方法。该算法采用量子δ势阱模型,同时引入锦标赛选择机制和随机加权平均最好位置操作,提高搜索效率的同时保持了种群多样性。在MATLAB中建立基本粒子群、量子粒子群、改进量子粒子群三种算法仿真研究。结果表明,对比其他两种粒子群算法,该算法能更为精准的跟踪光伏阵列最大功率点,有效地提高了光伏阵列的输出效率。

基于微型傅立叶光谱仪的高粱秆榨汁液模型糖分检测

利用微型傅立叶光谱仪对高粱秆榨汁液化学模型进行糖分的定量分析,发现间隔-偏最小二乘算法的回归模型具有较高的拟合度。实验利用了中红外光谱仪器和高效液相色谱法检测出高粱杆榨汁液的糖分类型和含量,再根据其糖分特征制作了3种混合糖溶液模型。基于微型傅立叶光谱仪的1150 nm^2050 nm近红外线波段光谱曲线,比较了偏最小二乘法和间隔-偏最小二乘算法定量回归算法,结果发现对于多组分糖溶液间隔-偏最小二乘算法具有较好的拟合效果,其中蔗糖、果糖、葡萄糖回归系数分别为0.8583、0.7820和0.8625。

土壤速效磷可见-近红外光谱检测方法

土壤速效磷是影响农作物生长发育的重要指标,利用可见-近红外光谱技术对速效磷含量定量估测可为精准施肥提供重要依据。采集农田土壤样本可见-近红外光谱数据,土壤样本共179个。在原始光谱基础上采用Savitzky-Golay卷积平滑,一阶微分,二阶微分,标准正态变换,多元散射校正以及去趋势校正等单一及其组合对原始光谱数据进行预处理,然后将可见-近红外光谱分为2个波段范围(400~850 nm和950~1600 nm)并与全波段分别建立偏最小二乘回归和最小二乘支持向量机回归模型。结果表明Savitzky-Golay卷积平滑结合去趋势校正预处理效果最好,在此基础上,利用400~850 nm波段建立的最小二乘支持向量机模型取得了最佳效果,其模型验证集的决定系数为0.78,均方根误差为3.79mg/kg,相对分析误差为2.17。因此,采用最小二乘支持向量机回归建模法建立土壤速效磷的光谱定量分析模型,可实现土壤速效磷的定量估测。

土壤速效磷含量成像和非成像光谱预测差异性分析

以139个皖北砂姜黑土样品为研究对象,首先在室内采集土壤在400~1 000 nm可见近红外光谱区域的成像和非成像2组光谱数据,再对光谱进行Savitaky-Golay卷积平滑、标准正态变量变换(SNV)和一阶微分(FD)等一种或多种组合处理,最后利用偏最小二乘回归(PLSR)分别建立土壤速效磷(AP)含量回归模型。对2组光谱进行光谱特征分析和相似度分析,并对比模型预测效果,结果显示,成像和非成像光谱在形态上趋向一致,且非成像光谱的反射率值在每个波长点上均高于成像光谱;平滑处理后2种光谱的光谱相关拟合度得到提高;经预处理后,2种光谱建立的模型预测精度均有所提高;非成像光谱经预处理后建立的最优模型预测精度(验证集相对分析误差MRPD为2.02)高于成像光谱(验证集相对分析误差MRPD为1.85)。因此,成像光谱相对于非成像光谱在400~1 000 nm波段建立的土壤速效磷含量回归模型预测能力稍差,但通过光谱预处理变换可以降低成像和非成像光谱的差异性并缩小成像与非成像光谱模型预测精度的差距。