田瑶
- 作品数：4 被引量：27H指数：2
- 供职机构：华北电力大学控制与计算机工程学院更多>>
- 发文基金：中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术电气工程更多>>
- 基于深度学习的短时热网负荷预测被引量：7
- 2019年
- 针对现有的预测方法无法实现热网负荷数据本质特征的挖掘,提出了一种基于深度学习的短时热网负荷预测方法。方法将深度信念网络模型(DBN)与支撑向量机回归模型(SVR)进行结合,利用深度信念网络进行数据本质特征的学习,同时作为网络顶层支撑向量机模型的输入来实现负荷预测。实际数据测试结果表明,与传统预测模型相比,上述模型不仅能够提高数据预测的准确性,对于大量数据的预测更具有优越性,是一种有效的负荷预测方法。
- 孙海蓉田瑶谢碧霞
- 关键词：数据挖掘
- 基于数据的SecR-PSO算法热工过程辨识被引量：1
- 2018年
- 针对传统开环辨识方法对热工系统运行过程扰动大及适应能力差的问题,研究了一种二阶振荡和带斥力因子的粒子群优化算法,并应用于过程辨识中。上述辨识方法基于数据分析拟合出系统的传递函数,无需考虑激励信号源的形式,应用全局搜索算法进行参数优化,二阶振荡因子维持种群多样性,增强全局搜索能力,斥力因子优化搜索空间粒子的分布特性,防止陷入局部最优,实现优化辨识系统的结构参数。上述方法用于辨识典型单容水箱液位系统和空气预热器进口氧量传递函数。仿真结果表明,上述辨识方法辨识精度较高且简单有效。
- 谢碧霞孙海蓉孙海蓉
- 关键词：闭环辨识粒子群优化
- 基于数据的SecRPSO-SVM短期电力负荷预测被引量：18
- 2017年
- 针对支持向量机在建模中的参数选取问题,提出一种二阶振荡和带斥力因子的粒子群优化算法优化支持向量机参数。采用非线性递减权重平衡算法的全局和局部搜索能力,二阶振荡因子保持种群多样性,提高全局搜索能力。斥力因子使粒子在搜索空间均匀分布,避免陷入局部最优。针对电力负荷的非线性、时变性、受多因素影响的复杂特点,提出一种基于数据的支持向量机预测模型,综合考虑天气、时间因素、历史负荷对预测结果的影响。仿真表明该方法可以建立短期电力负荷的有效高精度预测模型。
- 孙海蓉谢碧霞田瑶李卓群
- 关键词：短期电力负荷
- 基于CFSPSO算法的控制器参数优化被引量：1
- 2017年
- 针对基本粒子群优化参数性能的不足及其优化算法易早熟的弊端,提出一种带压缩因子的二阶粒子群改进算法(CF-Sec PSO)。采用多种测试函数对改进算法进行测试,同时介绍控制器参数优化时目标函数的选取,将算法应用于电厂主汽温控制系统控制器参数优化中。仿真研究表明:与基本粒子群算法和带压缩因子粒子群(CFPSO)算法相比,改进的粒子群算法改善了算法的搜索速度及精度,有效避免陷入局部最优。将其应用于优化主汽温的PID串级控制器参数,改进算法提升了控制系统的性能,对实际控制系统中参数整定提供了重要参考,验证了该算法的适用性。
- 孙海蓉田瑶谢碧霞靳鑫
- 关键词：参数优化PSO主汽温
