基于CEEMD-LSTM光伏短期功率预测

为解决传统机器学习方法在面对多变的环境因素和不平稳序列时导致光伏功率预测精度低的问题,本文提出一种基于完全经验模态分解(Complete Ensemble Empirical Mode Decomposition , CEEMD)和长短期记忆神经网络(Long Short-Term Memory , LSTM)相结合的光伏短期功率预测模型。首先充分考虑影响光伏出力的太阳辐照度,相对湿度,大气压力和空气温度4种环境因素,通过CEEMD将气象因素特征曲线分解为多模态特征数据,准确捕捉其不同的时间尺度和频率特征,进而充分保留环境数据的不平稳特征。在此基础上,利用LSTM网络对多模态特征数据进行时间序列建模,旨在保留时间序列的季节性和不平稳特征,为后续建模提供更准确的输入特征。最后,通过对分解后的信号开展训练,根据输入数据的变化自适应调整预测模型参数,迭代生成特定场景下的预测模型,从而灵活应对实时环境变化,得到相应功率预测结果。本文在海南一孤立海岛分布式光伏电站37kW子阵的8个月气象和功率数据集进行验证,实验结果表明,所提方法在保留环境数据细节和局部特性上具有显著优势,在不同气象条件均具有良好的自适应性,有效提高了光伏短期功率预测精度。     

一种多模态自适应模糊控制器

提出了一类基于三种控制策略的多模态自适应控制方法，通过在线获取对象的有关信息对各控制策略中的相应参数和规则进行修正，以期在复杂工况下提高被控系统的性能－鲁棒性。仿真试验研究证实了方法的有效性。     

新变异DNA遗传人工鱼群优化DNA序列的多模算法

为了提高多模信号的均衡效果,提出一种新变异DNA遗传人工鱼群优化DNA序列的频域加权多模算法(nm DNAGAFS-DNA-FWMMA)。该算法利用新型变异DNA遗传人工鱼群算法收敛速度快和全局搜索能力强的优点,通过DNA约束模型和代价函数来寻找最优DNA序列,将该序列解码后作为频域加权多模算法(FWMMA)初始最优权向量,以提高收敛速度并减小剩余均方误差。仿真结果表明,nm DNAG-AFS-DNA-FWMMA的收敛速度快、均方误差小。     

基于多智能体技术的复杂零件数控编程系统研究

根据复杂零件数控编程的分布式智能决策的设计需要,建立了一种基于多智能体技术的复杂零件数控编程系统模型．该模型开发了多个Agent系统,使用一个管理智能体通过黑板机制使每一个智能体能够与黑板通信,智能体之间在黑板上进行信息分享与协作．研究表明,应用多智能体技术设计的复杂零件数控编程管理系统能降低数控编程的复杂性和提高数控编程的效率．     

贝叶斯定理构建水库汛限水位动态控制推理模式及其风险

针对现行的汛限水位动态控制推理模式的建模假定合理性证明及风险率计算不完备性问题,以南水北调受水区的白龟山水库资料为例,应用贝叶斯定理证明了现行推理模式的建模假定是成立的,依据完备条件下风险构建新的推理模式较现行的模式结构合理,逻辑性与可操作性强.这一研究成果既有理论意义又有实用价值,可达到既保证防洪安全,又增加洪水资源...     

复杂过程建模的模糊集和神经网络方法

为了建立复杂生产过程的被仿真对象的模型,将系统的定性信息（语义规则）和定量信息相结合,提出了一种基于ｐ－范数的近似推理神经网络模型,并给出了一种将梯度方法和最小二乘方法结合起来的交互式学习算法,最后通过实例对算法进行了验证,取得了满意的仿真结果,为进一步科学决策提供了依据     

基于诊断知识的多种推理范式集成与推理控制策略

本文结合锅炉系统面向对象的广义故障树知识表示方法,论述了故障诊断推理控制策略和推理机制,给出了基于框架、规则、模型与过程的推理范式及其混合诊断推理模型,提出了基于诊断知识的多种推理范式集成与控制方法。     

一维正态云模型单规则推理映射研究

一维云模型可以用三个参数进行表征,即均值Ex、熵En和超熵He,能够实现数据从定量输入到定性推理,再到定量输出的转换过程,该转换过程可以认为是一种映射过程。针对这种映射,构造了一维云模型单规则推理结构,给出了推理算法,总结出了云模型的三个参数对这种映射过程的影响关系,最后给出了仿真验证结果。     

基于Sugeno推理自调整模糊Smith-PID控制器仿真研究

针对工业控制中大惯性、纯滞后、参数时变非线性受控对象难于控制问题,提出一种新型控制器,利用Smith预估器补偿受控过程纯滞后作用,基于Sugeno推理模糊控制器自调整PID参数.给出控制器结构及其控制策略,并将其应用于加热炉温度控制系统中,与常规PID控制器和Smith预估补偿PID控制器比较.仿真结果表明,该控制器各项性能均好于其它两种控制器,具有动态调节性能好、稳态精度高、抗干扰性强和鲁棒巨好的特点.     

竖炉焙烧过程多变量智能优化设定方法

赤铁矿竖炉焙烧过程关键被控变量的优化设定值不易获得,使得生产指标难以控制在其目标值范围内.将案例推理、参量预报和专家系统技术相结合,提出一种竖炉焙烧过程的多变量智能优化设定方法.预设定模型给出控制回路的预设定值,案例评价模型和案例修正模型分别对预设定值进行评价和校正,从而实现了控制回路设定值的在线自动调整.实验及应用表明了方法的有效性,能够适应工况的频繁变化,实现了生产指标的优化控制,取得明显成效.