基于模糊聚类分析的风电功率预测研究

提高短期风电功率预测精度是风电大规模发展的迫切要求,同时也是保障风电并网运行的关键。笔者在不增加模型复杂度的前提下,提出了聚类建模方法。该方法首先采用减法聚类与模糊C均值聚类(FCM)方法相结合对训练样本进行处理,然后建立不同聚类集下对应的预测模型库,最后将预测数据与聚类后的样本数据进行匹配,选择合理的模型进行预测。采用山西某风电场实际数据进行大量仿真,并将预测结果与单一模型结果对比,结果表明,该方法可以减少大的预测误差点数,有效提高风电功率预测精度。     

基于目标特征与决策树支持向量机的生猪体态识别

为实现生猪异常行为的自动化监测,提出了一种数字化表示生猪目标特征的体态识别研究。首先对猪场采集到的视频图像采用改进的Grabcut分割算法进行生猪目标提取;然后基于生猪轮廓图像建立生猪目标特征集,包括圆形度、矩形度和Hu不变矩等12个特征;并利用类内类间距离判据对样本数据建立的特征集进行特征优选;最后构建决策树支持向量机(DT-SVM)对生猪体态进行分层识别。实验结果表明,选择的最优特征集可以有效地表征生猪体态信息,DT-SVM对单只猪的站立、躺卧和扎堆猪的适度扎堆、过度扎堆都有较高的识别率,为进一步探索生猪异常行为分析奠定了基础。     

改进的模型预测控制在陶瓷基滚抛磨块烧结炉中的应用

为了优化烧结型滚抛磨块的制备，提升磨块的品质，在分析滚抛磨块烧结过程特点和非最小状态空间模型预测控制(NMSSMPC)在乙烯裂解炉的应用基础上，提出了基于卡尔曼滤波的非最小状态空间模型预测控制(KF-NMSSMPC)的方法，将其应用于滚磨烧结炉中。该控制算法通过在模型预测控制(MPC)中加入滤波器来消除烧结过程中的量测噪声和信道噪声带来的影响。KF-NMSSMPC能够有效地适应这样的工业条件，同时还能节能降耗。大量仿真实验结果表明，在模仿实际工业条件下，KF-NMSSMPC比NMSSMPC能有效抑制干扰，快速地跟踪烧结轨迹，降低误差，提高烧结控制过程精度，进而改善滚抛磨块烧结质量。     

基于神经网络的复杂工业过程参数设定值计算

针对目前复杂工业过程参数设定值计算模型存在的问题，研究了神经网络与传统数学模型相结合的组合建模方法，重点讨论了该方法在带钢热连轧生产过程参数设定值计算中的实际应用。3年来的生产实际运行结果表明，神经网络的成功应用为热连轧厂进一步提高产品质量和自动化水平创造了有利的条件。     

低压电力线载波远程抄表系统设计

介绍了一种利用现有的低压电力网和公共电话网作为数据采集与传输通道,并应用扩频技术的低压电力线载波远程抄表系统。本文从系统构成、实现原理、设计方案和实现方法等方面进行了详细的阐述。     

山地风电场稳态输出评估方法研究

由于山体地形的特殊性,加之风电机组间存在相互遮挡,在风速和风向变化时山地风电场的稳态输出波动较大,无法充分利用风能。针对以上问题提出一种山地风电场稳态输出评估方法,该方法首先分别构建了计及尾流效应的山体地形风速模型、风电机组的输出功率模型和随机风向模型。在此基础上,结合ArcGIS开发了一套风电场稳态输出评估系统。通过该系统分析了风速和风向变化对山地风电场稳态输出的影响,找出了最佳风向角和最佳风速范围,从而为山地风电场风电机组的最优布局和提高风电场的风能利用率提供了理论指导。     

基于仿人智能控制理论的钢坯加热炉多模态控制策略

为了解决钢坯加热炉普遍存在的炉温控制精度低,能耗大等难题,文章根据仿人智能控制原理,利用钢坯加热过程的动态特征对加热炉温度控制系统进行了模态划分,不同模态采用不同的控制策略,从而实现钢坯加热炉炉温的多模态控制.最后进行了MATLAB仿真实验研究,结果表明钢坯加热炉采用多模态控制可以取得较好的控制效果.     

宏观交通流模型的自适应迭代学习辨识策略

城市路网交通流系统具有很强的随机性和时变性，单一固定的交通流模型难以准确地描述城市路网的实际运行情况，在考虑交通流稳态和动态特性的基础上，提出了一种含有未知时变多参数的非线性宏观交通流模型，并针对交通流固有的重复性特征，设计了一种时变多参数的自适应迭代学习辨识策略。在有限时间区间内，利用迭代学习辨识策略将参数辨识问题转化为最优跟踪控制问题，使交叉口各进口道的排队车辆数均趋于真实值，利用去伪算法的实时自适应能力调整迭代学习辨识策略的学习律增益，提高辨识策略的抗干扰能力。通过严格的数学理论推导证明了该算法的收敛性，最后采用基于模型的控制方法进行仿真实验，进一步验证了该方法的有效性。     

神经网络预测控制综述

神经网络预测控制是智能预测控制研究的热点之一,在工业控制中具有很大的应用前景。按照预测模型的不同将预测控制进行了分类,引出了智能预测控制的概念,从滚动优化方式的不同探讨了神经网络预测控制,指出了神经网络预测控制的发展方向。