一种基于IGOA优化ELM的超短期风电功率预测方法

    公开(公告)号:CN113468817B

    公开(公告)日:2023-08-22

    申请号:CN202110788967.0

    申请日:2021-07-13

    Abstract: 本发明公开一种基于IGOA优化ELM的超短期风电功率预测方法,包括:从风电场数据采集与监视控制系统获取到历史风速和风电功率数据,对数据进行预处理,并选取训练数据样本和测试数据样本,建立ELM预测模型;对GOA进行改进,采用Cubic混沌映射方法对GOA的种群进行初始化;通过一种基于正弦函数的调整参数控制策略来更新递减系数;在蝗虫个体位置更新处引入柯西变异操作,得到IGOA;利用IGOA优化ELM的参数,获得最优参数;将获得的最优参数和测试数据样本输入到ELM预测模型中得到预测结果,并选取风电预测中常用的三种评价指标:均方根误差RMSE、平均绝对误差MAE和最大绝对值误差Emax,对模型的预测性能进行评价。本发明有效地预测超短期风电功率,提高预测模型精度。

    基于线性判别分析和IALO-ELM的中长期径流预测方法及系统

    公开(公告)号:CN113435628B

    公开(公告)日:2023-08-22

    申请号:CN202110588318.6

    申请日:2021-05-28

    Abstract: 本发明公开了一种基于线性判别分析和IALO‑ELM的中长期径流预报方法及系统,所述方法包括:(1)获取某水文站的径流数据并对数据进行归一化处理,运用线性判别分析法对径流数据进行预报因子选择;(2)运用拉丁超立方对蚁狮种群初始化;(3)建立基于改进蚁狮算法(IALO)的优化极限学习机模型;(4)将蚁狮原始种群分为p等分,运用多种群方法进行交互和预选机制两两对比分析出全局最优路径;(5)将Fuch映射引入蚁狮算法中,对局部最优解的邻域进行混沌遍历搜索。本发明利用改进蚁狮算法与极限学习机相结合,大大提高了径流预测准确性和预测精度的可靠性。

    一种多工位手术刀片磨削机的砂轮磨损状态确定方法

    公开(公告)号:CN116604470A

    公开(公告)日:2023-08-18

    申请号:CN202310642460.3

    申请日:2023-06-01

    Abstract: 本发明涉及磨刀机砂轮磨损预测技术领域,公开了一种多工位手术刀片磨削机的砂轮磨损状态确定方法,采集声发射源信号数据、磨削功率以及砂轮的磨粒高度,对其进行预处理并通过特征提取得到数据集;将声发射源信号和磨削功率作为随机森林模型的输入变量,砂轮的磨粒高度作为输出变量,建立RF检测模型;对CPA算法进行改进,利用ICPA优化RF检测模型的超参数获取最优RF检测模型;利用最优RF检测模型以当前采集的声发射源信号和磨削功率为输入对砂轮磨损状态检测,获取当前状态下的砂轮的磨粒高度,进一步得到当前砂轮的磨损状态。与现有技术相比,本发明给出了一种砂轮磨损状态确定方法,使得控制系统更简便的获取对砂轮的进给量,从而对砂轮进行补偿。

    一种质子交换膜燃料电池寿命预测的方法

    公开(公告)号:CN116502541A

    公开(公告)日:2023-07-28

    申请号:CN202310568459.0

    申请日:2023-05-18

    Abstract: 本发明公开了一种质子交换膜燃料电池寿命预测的方法,采用改进的蛇优化算法分别优化卷积神经网络模型CSO‑CNN和随机向量网络模型CSO‑RVFL进行退化趋势预测;采用粒子滤波嵌套半经验模型,首先通过燃料电池的物理模型进行循环迭代得到状态方程和观测方程的参数范围,并利用粒子群优化算法进行对物理模型进行参数优化;最后采用Blending算法对数据驱动模型和物理模型预测结果进行集成学习得到燃料电池的性能退化趋势,使用性能退化趋势预测结果对质子交换膜燃料电池剩余寿命进行预测。本发明利用改进的蛇算法对CNN和RVFL模型进行同步优化,能够更好的得到燃料电池性能退化趋势,实现对质子交换膜燃料电池剩余寿命的精确快速预测。

    一种化工厂危险区域入侵预警方法及系统

    公开(公告)号:CN116363817A

    公开(公告)日:2023-06-30

    申请号:CN202310052329.1

    申请日:2023-02-02

    Abstract: 本发明公开了一种化工厂危险区域入侵预警方法及系统。由视频采集,目标跟踪,轨迹预测和入侵预警四部分组成。视频采集模块使用多个摄像头实时监控化工厂区内存在安全隐患的生产区域,将视频图像传输到目标跟踪模块;对采集到的视频图像进行降噪和图像变换,使用SSD模型识别并跟踪视频中的工人;轨迹预测模块则将工人与其对应的历史路径结合起来,使用改进的TCN模型对每个工人未来时刻的行走路线进行预测,结合改进AEO算法对TCN模型进行同步优化,根据工人的未来路线检测出进入危险区域的趋势;入侵预警模块根据进入危险区域的趋势进行预警。本发明通过改进AEO算法优化改进TCN模型,提高了危险区域入侵检测的效率,提升了化工厂的生产安全。

Patent Agency Ranking