CN117452802B - 一种低碳供水控制方法 - Google Patents
一种低碳供水控制方法 Download PDFInfo
- Publication number
- CN117452802B CN117452802B CN202311479614.8A CN202311479614A CN117452802B CN 117452802 B CN117452802 B CN 117452802B CN 202311479614 A CN202311479614 A CN 202311479614A CN 117452802 B CN117452802 B CN 117452802B
- Authority
- CN
- China
- Prior art keywords
- control parameter
- optimal
- searching
- parameters
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 64
- 239000002245 particle Substances 0.000 claims abstract description 18
- 230000003044 adaptive effect Effects 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 11
- 230000008602 contraction Effects 0.000 claims abstract description 10
- 230000001105 regulatory effect Effects 0.000 claims abstract description 4
- 238000012549 training Methods 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 11
- VUZPPFZMUPKLLV-UHFFFAOYSA-N methane;hydrate Chemical compound C.O VUZPPFZMUPKLLV-UHFFFAOYSA-N 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000002028 premature Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 11
- 230000004044 response Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000010355 oscillation Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000013641 positive control Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种低碳供水控制方法，属于低碳供水技术领域，方法包括：获取水管网络中各个出水口的历史数据；初始化粒子群；确定初始寻找速度和初始搜寻位置，对各个控制参数进行搜寻；在搜寻过程中，引入自适应惯性权重因子和收缩因子；不断更新种群寻找速度和搜寻位置，直至算法收敛，搜寻出控制参数的全局最优参数和个体最优参数；根据所述全局最优参数和所述个体最优参数，确定最优控制参数；计算当前的实际控制参数与所述最优控制参数之间的偏差值；根据当前的实际控制参数与所述最优控制参数之间的偏差值，计算当前的PID控制参数；通过所述PID控制参数调节水泵的运行，以实现低碳供水。
Description
技术领域
本发明属于低碳供水技术领域，具体涉及一种低碳供水控制方法。
背景技术
建设智慧水务实现低碳供水的实时调度，使管网服务压力符合低碳节能原则并满足管网末端供水压力需要，已成为供水领域发展趋势。随着科学技术的不断进步发展，各种智能控制技术也日益成熟，变频调速技术便随之应运而生，被应用到了供水领域，其克服了传统供水模式的缺点，显著改善其供水环境。变频调速供水系统可以根据终端的用水情况与管道内的压力变化，利用控制器调节变频器的输出频率，并根据实时压力的变化情况进行水泵的选择切换，形成闭环控制，保证管网始终能维持恒定的压力，在供水系统中得到了广泛的应用。
然而，现有的变频供水系统普遍采用常规的PID控制方式。在常规的PID控制方式中，控制参数是固定不变的，而供水系统却是一个非线性、时变、大惯性的系统，整个供水过程受到用水量、距离等多方面的影响，水压波动在一天之中不同时间可能经历大幅度变化，对系统产生较大的冲击，影响设备的使用寿命，所以常规PID固定参数的控制方式无法进行针对性的参数调整，控制效果并不理想，难以保证在节省能源的同时维持全天候的恒定供水压力。
发明内容
为了解决现有技术中采用常规的PID控制方式，控制参数是固定不变的，无法针对实际供水过程进行参数调整，控制效果不理想，难以保证在节省能源的同时维持全天候的恒定供水压力的技术问题，本发明提供一种低碳供水控制方法。
第一方面
本发明提供了一种低碳供水控制方法，包括：
S101：获取水管网络中各个出水口的历史数据，构建样本训练集，所述样本数据集X＝{(xi,yi)}，xi表示第i个训练样本的控制参数，yi表示第i个训练样本的出水结果，当yi＝0时，表示当前控制参数下第i个训练样本的出水压力异常，当yi＝1时，表示当前控制参数下第i个训练样本的出水压力正常；
S102：初始化粒子群，粒子群包括多个粒子，每一个粒子代表一个训练样本；
S103：确定初始寻找速度和初始搜寻位置，对各个控制参数进行搜寻；
S104：在搜寻过程中，引入自适应惯性权重因子和收缩因子，其中，所述自适应惯性权重因子用于避免算法过早收敛，所述收缩因子用于将搜寻范围向全局最优位置不断缩小；
S105：不断更新种群寻找速度和搜寻位置，直至算法收敛，搜寻出控制参数的全局最优参数和个体最优参数；
S106：根据所述全局最优参数和所述个体最优参数，确定最优控制参数；
S107：计算当前的实际控制参数与所述最优控制参数之间的偏差值；
S108：根据当前的实际控制参数与所述最优控制参数之间的偏差值，计算当前的PID控制参数；
S109：通过所述PID控制参数调节水泵的运行，以实现低碳供水。
第二方面
本发明提供了一种低碳供水控制系统，用于执行第一方面中的低碳供水控制方法。
与现有技术相比，本发明至少具有以下有益技术效果：
在本发明中，获取水管网络中各个出水口的历史数据，通过粒子寻优算法确定最符合当前供水过程的最优控制参数，进而根据最优控制参数与实际控制参数之间的偏差，确定出当前的PID控制参数。能够针对全天中各个阶段的实际供水情况进行参数调整，提升控制效果，保证在节省能源的同时维持全天候的恒定供水压力，实现低碳供水。
附图说明
下面将以明确易懂的方式，结合附图说明优选实施方式，对本发明的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明提供的一种低碳供水控制方法的流程示意图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
为使图面简洁，各图中只示意性地表示出了与发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
在本文中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接。可以是机械连接，也可以是电连接。可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
另外，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例1
在一个实施例中，参考说明书附图1，示出了本发明提供的低碳供水控制方法的流程示意图。
本发明提供的一种低碳供水控制方法，包括：
S101：获取水管网络中各个出水口的历史数据，构建样本训练集。
其中，样本数据集X＝{(xi,yi)}，xi表示第i个训练样本的控制参数，yi表示第i个训练样本的出水结果，当yi＝0时，表示当前控制参数下第i个训练样本的出水压力异常，当yi＝1时，表示当前控制参数下第i个训练样本的出水压力正常。
具体而言，可以在水管网络的出水口安装传感器，例如压力传感器、流量传感器等，这些传感器可以实时地监测出水口的运行状态，并记录历史数据。这些数据可以存储在数据库或云端平台中，供后续分析使用。
可选地，通过SCADA(Supervisory Control And Data Acquisition)系统获取水管网络中各个出水口的历史数据，SCADA系统是一种用于监控和控制工业过程的系统。在水管网络中，SCADA系统可以用来实时监测各个出水口的状态，并记录历史数据，以便后续分析和优化供水控制策略。
S102：初始化粒子群，粒子群包括多个粒子，每一个粒子代表一个训练样本。
S103：确定初始寻找速度和初始搜寻位置，对各个控制参数进行搜寻。
S104：在搜寻过程中，引入自适应惯性权重因子和收缩因子。
其中，自适应惯性权重因子用于避免算法过早收敛。
其中，收缩因子用于将搜寻范围向全局最优位置不断缩小。
在一种可能的实施方式中，通过以下公式引入自适应惯性权重因子：
其中，w表示自适应惯性权重因子，wmax表示自适应惯性权重因子的最大值，wmin表示自适应惯性权重因子的最小值，x表示控制参数，xmin表示控制参数的最小值，xavg表示控制参数的平均值。
需要说明的是，惯性权重因子w过大会导致算法过早的收敛，惯性权重因子w过小会导致算法陷入布局最优而达不到预期的寻找效果。在本发明中，通过将惯性权重因子设置为自适应惯性权重因子，使得算法在迭代前期选择较大的惯性权重因子w，而在迭代后期使用较小的惯性权重因子w进行更加细致的布局搜索，可以提升寻找最优控制参数的稳定性。
在一种可能的实施方式中，通过以下公式引入收缩因子：
E＝e1+e2
其中，ρ表示收缩因子，E表示平衡因子,e1和e2表示学习因子。
S105：不断更新种群寻找速度和搜寻位置，直至算法收敛，搜寻出控制参数的全局最优参数和个体最优参数。
在一种可能的实施方式中，通过以下公式，不断更新种群寻找速度和搜寻位置：
其中，vi+1表示下一周期的种群寻找速度，vi表示当前周期的种群寻找速度，si+1表示下一周期的搜寻位置，si表示当前周期的搜寻位置，r为介于0到1之间的随机数，xpi表示当前周期搜寻到的全局最优参数，xgi表示当前周期搜寻到的个体最优参数，e1和e2表示学习因子。
需要说明的是，通过收缩因子ρ维持算法的种群多样性，避免搜寻范围远离最优位置，将搜寻范围向全局最优位置不断缩小，提高了搜寻的准确性。通过引入学习因子e1和e2，算法可以根据全局最优参数和个体最优参数的信息来调整搜索方向和步长，从而加快搜索过程。学习因子可以指导种群在参数空间中的移动，使其更有可能找到更优的解。
进一步地，由于采用了全局最优参数和个体最优参数的信息，在搜索过程中可以跳出局部最优解的局限性。个体最优参数是指在当前个体所在邻域内取得的最优参数，能够推动搜索过程在局部区域内更好地探索，避免陷入局部最优解。
S106：根据全局最优参数和个体最优参数，确定最优控制参数。
在一种可能的实施方式中，S106具体包括：
通过以下公式，计算最优控制参数：
x*＝λxp+(1-λ)xg
其中，x*表示最优控制参数，xp表示全局最优参数，xg表示个体最优参数，λ表示全局最优参数的权重。
其中，本领域技术人员可以根据实际情况设置全局最优参数的权重λ的大小，本发明不做限定。
需要说明的是，全局最优参数xp表示整个粒子群中找到的最优解，而个体最优参数xg表示每个粒子自身找到的最优解。全局最优参数xp代表了全局搜索的结果，个体最优参数xg代表了局部搜索的结果。通过引入权重λ，可以调节两者在最优控制参数计算中的权重，使算法更倾向于全局搜索或局部搜索。当权重λ较小时，更注重局部搜索，有助于加速算法的收敛速度；当权重λ较大时，更注重全局搜索，有助于找到更优的全局最优解。
S107：计算当前的实际控制参数与最优控制参数之间的偏差值。
在一种可能的实施方式中，S107具体包括：
R＝x-x*
其中，R表示偏差值，x表示实际控制参数，x*表示最优控制参数。
S108：根据当前的实际控制参数与最优控制参数之间的偏差值，计算当前的PID控制参数。
其中，PID控制是一种常用的反馈控制方法，用于调节和控制系统的输出，使其稳定在期望的目标值。
在一种可能的实施方式中，S108具体包括子步骤S1081和S1082：
S1081：通过以下公式，计算比例项P、积分项I和微分项D：
P＝Kp·R
I＝Ki·∫R dt
其中，Kp表示比例增益系数，Kt表示积分增益系数，Kd表示微分增益系数，R表示偏差值，t表示时间。
其中，比例增益系数决定了输出响应与误差的直接关系。比例增益系数越大，系统对误差的响应越敏感，使得输出更快地收敛到目标值，但也可能引起系统的震荡和超调。较大的比例增益系数可能导致系统不稳定，而较小的比例增益系数可能导致响应速度较慢。
其中，积分增益系数是用于消除系统稳态误差的积分控制部分。积分增益系数累积误差随时间的变化，并对系统产生积极的控制作用。较大的积分增益系数可以更好地消除稳态误差，但也可能导致系统响应速度较慢和振荡。较小的积分增益系数可能导致稳态误差无法完全消除。
其中，微分增益系数用于预测系统响应的趋势，以防止系统超调和震荡。微分增益系数通过检测误差变化率来产生抑制控制作用。较大的微分增益系数可以更好地抑制超调，但过大的微分增益系数可能导致系统响应不稳定。较小的微分增益系数可能无法有效抑制超调。
S1082：通过以下公式，PID控制参数：
其中，PID表示PID控制参数。
在一种可能的实施方式中，S107之后，还包括：
S107A：根据当前的实际控制参数与最优控制参数之间的偏差值以及偏差变化率，基于模糊控制算法，对比例增益系数Kp、积分增益系数Kt和微分增益系数Kd进行修正。
需要说明的是，模糊控制算法能够根据实际控制参数与最优控制参数之间的偏差值以及偏差变化率，实时调整PID控制参数。这样可以使控制系统在不同工况下自适应地调整参数，从而更好地适应系统的动态特性和变化。
在一种可能的实施方式中，S107A具体包括：
输入当前的实际控制参数与最优控制参数之间的偏差值以及偏差变化率。
根据以下公式计算比例增益系数Kp、积分增益系数Kt和微分增益系数Kd的修正值：
其中，U表示修正值矩阵，修正值矩阵中含有比例增益系数Kp、积分增益系数Kt和微分增益系数Kd，R表示偏差值，B表示偏差值变化率，A表示模糊关系矩阵，×表示模糊直积运算，表示模糊合成运算。
需要说明的是，模糊控制算法可以处理系统存在的不确定性、噪声和干扰等问题。通过模糊控制算法对PID控制参数进行修正，可以提高控制系统的鲁棒性，使其对外界扰动参数变化具有更好的抗干扰能力。通过模糊控制算法对PID控制参数进行修正，可以使控制系统的性能得到改善。特别是在复杂系统和非线性系统中，模糊控制算法的应用可以显著提高控制性能。
S109：通过PID控制参数调节水泵的运行，以实现低碳供水。
与现有技术相比，本发明至少具有以下有益技术效果：
在本发明中，获取水管网络中各个出水口的历史数据，通过粒子寻优算法确定最符合当前供水过程的最优控制参数，进而根据最优控制参数与实际控制参数之间的偏差，确定出当前的PID控制参数。能够针对全天中各个阶段的实际供水情况进行参数调整，提升控制效果，保证在节省能源的同时维持全天候的恒定供水压力，实现低碳供水。
实施例2
在一个实施例中，本发明提供的一种低碳供水控制系统，用于执行实施例1中的低碳供水控制方法。
本发明提供的一种低碳供水控制系统可以实现上述实施例1中的低碳供水控制方法的步骤和效果，为避免重复，本发明不再赘述。
与现有技术相比，本发明至少具有以下有益技术效果：
在本发明中，获取水管网络中各个出水口的历史数据，通过粒子寻优算法确定最符合当前供水过程的最优控制参数，进而根据最优控制参数与实际控制参数之间的偏差，确定出当前的PID控制参数。能够针对全天中各个阶段的实际供水情况进行参数调整，提升控制效果，保证在节省能源的同时维持全天候的恒定供水压力，实现低碳供水。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (4)
1.一种低碳供水控制方法，其特征在于，包括：
S101：获取水管网络中各个出水口的历史数据，构建样本训练集，所述样本数据集X＝{(xi,yi)}，xi表示第i个训练样本的控制参数，yi表示第i个训练样本的出水结果，当yi＝0时，表示当前控制参数下第i个训练样本的出水压力异常，当yi＝1时，表示当前控制参数下第i个训练样本的出水压力正常；
S102：初始化粒子群，所述粒子群包括多个粒子，每一个粒子代表一个训练样本；
S103：确定初始寻找速度和初始搜寻位置，对各个控制参数进行搜寻；
S104：在搜寻过程中，引入自适应惯性权重因子和收缩因子，其中，所述自适应惯性权重因子用于避免算法过早收敛，所述收缩因子用于将搜寻范围向全局最优位置不断缩小；
S105：不断更新种群寻找速度和搜寻位置，直至算法收敛，搜寻出控制参数的全局最优参数和个体最优参数；
S106：根据所述全局最优参数和所述个体最优参数，确定最优控制参数；
S107：计算当前的实际控制参数与所述最优控制参数之间的偏差值；
S108：根据当前的实际控制参数与所述最优控制参数之间的偏差值，计算当前的PID控制参数；
S109：通过所述PID控制参数调节水泵的运行，以实现低碳供水；
其中，所述S104具体包括：
通过以下公式引入自适应惯性权重因子：
其中，w表示自适应惯性权重因子，wmax表示自适应惯性权重因子的最大值，wmin表示自适应惯性权重因子的最小值，x表示控制参数，xmin表示控制参数的最小值，xavg表示控制参数的平均值；
其中，所述S104具体包括：
通过以下公式引入收缩因子：
E＝e1+e2
其中，ρ表示收缩因子，E表示平衡因子,e1和e2表示学习因子；
其中，所述S105具体包括：
通过以下公式，不断更新种群寻找速度和搜寻位置：
其中，vi+1表示下一周期的种群寻找速度，vi表示当前周期的种群寻找速度，si+1表示下一周期的搜寻位置，si表示当前周期的搜寻位置，r为介于0到1之间的随机数，xpi表示当前周期搜寻到的全局最优参数，xgi表示当前周期搜寻到的个体最优参数，e1和e2表示学习因子；
其中，所述S106具体包括：
通过以下公式，计算最优控制参数：
x*＝λxp+(1-λ)xg
其中，x*表示最优控制参数，xp表示全局最优参数，xg表示个体最优参数，λ表示全局最优参数的权重；
其中，所述S108具体包括：
S1081：通过以下公式，计算比例项P、积分项I和微分项D：
P＝Kp·R
I＝Ki·∫R dt
其中，Kp表示比例增益系数，Kt表示积分增益系数，Kd表示微分增益系数，R表示偏差值，t表示时间；
S1082：通过以下公式，PID控制参数：
其中，PID表示PID控制参数。
2.根据权利要求1所述的低碳供水控制方法，其特征在于，所述S107具体包括：
R＝x-x*
其中，R表示偏差值，x表示实际控制参数，x*表示最优控制参数。
3.根据权利要求1所述的低碳供水控制方法，其特征在于，所述S107之后，还包括：
S107A：根据当前的实际控制参数与所述最优控制参数之间的偏差值以及偏差变化率，基于模糊控制算法，对比例增益系数Kp、积分增益系数Kt和微分增益系数Kd进行修正。
4.根据权利要求3所述的低碳供水控制方法，其特征在于，所述S107A具体包括：
输入当前的实际控制参数与所述最优控制参数之间的偏差值以及偏差变化率；
根据以下公式计算比例增益系数Kp、积分增益系数Kt和微分增益系数Kd的修正值：
其中，U表示修正值矩阵，所述修正值矩阵中含有比例增益系数Kp、积分增益系数Kt和微分增益系数Kd，R表示偏差值，B表示偏差值变化率，A表示模糊关系矩阵，×表示模糊直积运算，表示模糊合成运算。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311479614.8A CN117452802B (zh) | 2023-11-08 | 2023-11-08 | 一种低碳供水控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311479614.8A CN117452802B (zh) | 2023-11-08 | 2023-11-08 | 一种低碳供水控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117452802A CN117452802A (zh) | 2024-01-26 |
| CN117452802B true CN117452802B (zh) | 2024-05-14 |
Family
ID=89588935
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311479614.8A Active CN117452802B (zh) | 2023-11-08 | 2023-11-08 | 一种低碳供水控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117452802B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102004836A (zh) * | 2010-12-01 | 2011-04-06 | 河海大学 | 非线性水力机组控制参数的改进粒子群优化方法 |
| CN103971174A (zh) * | 2014-05-06 | 2014-08-06 | 大连理工大学 | 基于改进量子粒子群算法的水电站群优化调度方法 |
| CN104638637A (zh) * | 2014-12-08 | 2015-05-20 | 国家电网公司 | 基于agc与avc的协调优化控制方法 |
| CN105114242A (zh) * | 2015-07-22 | 2015-12-02 | 重庆邮电大学 | 基于模糊自适应的dfpso算法的水轮机调速器参数优化方法 |
| CN106959608A (zh) * | 2017-02-27 | 2017-07-18 | 同济大学 | 一种基于聚类粒子群算法的供水管网渗漏优化控制方法 |
| CN107734433A (zh) * | 2017-09-08 | 2018-02-23 | 中国飞行试验研究院 | 基于改进粒子群算法的星形立体传声器阵列优化方法 |
| CN109696827A (zh) * | 2018-12-28 | 2019-04-30 | 西安邮电大学 | 惯性权重余弦调整粒子群优化算法的pid参数整定方法 |
| CN109709797A (zh) * | 2018-12-27 | 2019-05-03 | 上海电力学院 | 一种变频调速恒压供水控制方法及控制系统 |
| AU2020103709A4 (en) * | 2020-11-26 | 2021-02-11 | Daqing Oilfield Design Institute Co., Ltd | A modified particle swarm intelligent optimization method for solving high-dimensional optimization problems of large oil and gas production systems |
| CN115983130A (zh) * | 2023-01-04 | 2023-04-18 | 西南交通大学 | 一种基于改进粒子群优化算法的全局最优解搜索方法 |
| CN116680990A (zh) * | 2023-06-27 | 2023-09-01 | 太原理工大学 | 面向开采沉陷的岩体力学参数反演方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107515531B (zh) * | 2017-08-30 | 2021-01-26 | 京东方科技集团股份有限公司 | 一种植物工厂的智能控制方法及系统、智能监控系统 |
-
2023
- 2023-11-08 CN CN202311479614.8A patent/CN117452802B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102004836A (zh) * | 2010-12-01 | 2011-04-06 | 河海大学 | 非线性水力机组控制参数的改进粒子群优化方法 |
| CN103971174A (zh) * | 2014-05-06 | 2014-08-06 | 大连理工大学 | 基于改进量子粒子群算法的水电站群优化调度方法 |
| CN104638637A (zh) * | 2014-12-08 | 2015-05-20 | 国家电网公司 | 基于agc与avc的协调优化控制方法 |
| CN105114242A (zh) * | 2015-07-22 | 2015-12-02 | 重庆邮电大学 | 基于模糊自适应的dfpso算法的水轮机调速器参数优化方法 |
| CN106959608A (zh) * | 2017-02-27 | 2017-07-18 | 同济大学 | 一种基于聚类粒子群算法的供水管网渗漏优化控制方法 |
| CN107734433A (zh) * | 2017-09-08 | 2018-02-23 | 中国飞行试验研究院 | 基于改进粒子群算法的星形立体传声器阵列优化方法 |
| CN109709797A (zh) * | 2018-12-27 | 2019-05-03 | 上海电力学院 | 一种变频调速恒压供水控制方法及控制系统 |
| CN109696827A (zh) * | 2018-12-28 | 2019-04-30 | 西安邮电大学 | 惯性权重余弦调整粒子群优化算法的pid参数整定方法 |
| AU2020103709A4 (en) * | 2020-11-26 | 2021-02-11 | Daqing Oilfield Design Institute Co., Ltd | A modified particle swarm intelligent optimization method for solving high-dimensional optimization problems of large oil and gas production systems |
| CN115983130A (zh) * | 2023-01-04 | 2023-04-18 | 西南交通大学 | 一种基于改进粒子群优化算法的全局最优解搜索方法 |
| CN116680990A (zh) * | 2023-06-27 | 2023-09-01 | 太原理工大学 | 面向开采沉陷的岩体力学参数反演方法 |
Non-Patent Citations (2)
| Title |
|---|
| 于进 等.基于PIC16F877A的变频恒压供水控制器设计.自动化仪表.2009,第30卷(第3期),全文. * |
| 张晓莉 等.一种改进的自适应惯性权重的粒子群算法.微电子学与计算机.2019,第36卷(第3期),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117452802A (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111129550B (zh) | 燃料电池系统的pid控制方法 | |
| CN111413872B (zh) | 基于扩张状态观测器的空气容腔压力快速主动抗扰方法 | |
| CN110824926B (zh) | 一种火电机组深度调峰一次调频控制方法 | |
| CN110531614B (zh) | 新颖的无刷直流电机模糊神经网络pi控制器 | |
| Xakimovich et al. | The research on the dynamics of the three-impulse system of automatic control of water supply to the steam generator when the load changes | |
| CN114089795B (zh) | 一种基于事件触发的模糊神经网络温度控制系统及方法 | |
| CN113241762B (zh) | 基于事件触发的回声状态网络自适应负荷频率控制方法 | |
| CN110824927B (zh) | 具有自适应学习特征的火电机组一次调频精确调节方法 | |
| CN102201585A (zh) | 固体氧化物燃料电池输出电压的控制方法 | |
| JP2008165674A (ja) | Ｐｉｄ制御方法及びｐｉｄ制御装置 | |
| CN113178878A (zh) | 计及时滞和噪声干扰的最优电力系统负荷频率控制方法 | |
| CN117452802B (zh) | 一种低碳供水控制方法 | |
| CN112290571A (zh) | 储能系统平滑控制方法 | |
| CN113759697B (zh) | 基于pso智能整定带式输送机pid控制器参数的优化方法 | |
| CN112987572B (zh) | 一种基于先验知识的自适应球杆系统粒子群优化方法 | |
| CN111694275B (zh) | 一种设备控制方法、装置及电子设备 | |
| RU2494431C2 (ru) | Способ уменьшения колебаний в системе управления | |
| CN105720574A (zh) | 基于spsa的电力系统单区域负荷频率的数据驱动控制方法 | |
| CN112563541A (zh) | 一种改进粒子群pid的燃料电池阴极压力控制方法 | |
| Hussain et al. | Design of a fuzzy logic controller for regulating substrate feed to fed-batch fermentation | |
| CN113152595A (zh) | 一种变频恒压供水系统及其节能控制方法 | |
| Zheng et al. | Double fuzzy pitch controller of wind turbine designed by genetic algorithm | |
| CN110970936B (zh) | 一种深度调峰机组一次调频性能计算方法 | |
| CN114798659A (zh) | 一种多点除尘系统的协同除尘方法 | |
| CN112615364A (zh) | 一种新型的电网稳控装置广域智能协同控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |