×
王、肖;孙晓雪;楚树川;Junzo Watada;潘，Jeng-Shyang

改进的蝶形优化算法在联合循环电厂预测中的应用。 （英语） Zbl 07619064号

数学。计算。模拟。 204, 337-353 (2023).
小结：由于电力需求不断增长，电力输出值得监测。环境温度、空气压力、相对湿度和排气压力都会影响联合循环发电厂的产量。本研究提出了BOAPPE算法，该算法将蝴蝶优化算法（BOA）与相控阵种群进化算法（PPE）相结合，以更好地估计功率输出，减少过度的成本浪费。当与支持向量回归（SVR）模型（如BOAPPE-SVR）结合使用以估计基本负荷下发电厂的输出功率时，它不仅提高了模型的预测精度，而且成功地避免了模型过早进入局部优化的问题。本研究中BOAPPE算法的并行策略提高了收敛速度，而随机行走策略则防止模型滑入局部优化。结果表明，在比较均方误差、相对误差和相关系数等参数的性能时，与BOAPPE算法配对的模型比本研究中的其他模型更准确、更好。因此，BOAPPE-SVR模型是一种可行的电力负荷预测模型。

MSC公司：

90倍X 运筹学、数学规划
93至XX 系统论；控制

关键词：

蝶形优化算法;相控阵种群进化算法;支持向量回归;联合循环电厂

软件：

CovXNet公司
PDF格式BibTeX公司 XML格式引用
\textit{X.Wang}等人，数学。计算。模拟。204337-353（2023年；兹bl 07619064）
全文： 内政部

参考文献：

[1] Afzal，A。；Alshahrani，S。；Alrobaian，A。；布拉迪，A。；Khan，S.A.，《利用脊线和支持向量回归算法基于热因子的发电厂能源预测》，《能源》，14，21，7254（2021）
[2] Arora，S。；Singh，S.，Butterfly优化算法：一种新的全局优化方法，软计算。，23, 3, 715-734 (2019)
[3] Arora，S。；辛格，S。；Yetilmezsoy，K.，机械设计优化问题的改进蝴蝶优化算法，J.Braz。Soc.机械。科学。工程师，40，1，1-17（2018）
[4] 巴洛贡，A.-L。；Rezaie，F。；Pham，Q.B。；Gigović，L。；Drobnjak，S。；艾纳，Y.A。；Panahi，M。；Yekeen，S.T。；Lee，S.，使用混合支持向量回归（SVR）与GWO、BAT和COA算法对塞尔维亚西部滑坡易感性进行空间预测，Geosci。前部。，第12、3条，第101104页（2021年）
[5] 柴庆伟。；楚，S.-C。；潘，J.-S。；胡，P。；Zheng，W.m.，DV-Hop定位方法中应用了两种通信策略的并行WOA，EURASIP J.无线通信。联网，2020年1月1日至10日（2020年）
[6] Chatterjee，S。；戴伊，N。；Ashour，A.S。；Drugarin，C.V.A.，基于布谷鸟搜索的人工神经网络的电能输出预测，（系统、安全和可持续发展智能趋势（2018），施普林格），277-285
[7] 陈永中。；X.-D.赵。；湘，H.-C。；Tsoutsanis，E.，《基于顺序模型的燃气轮机性能诊断方法》，能源，220，第119657条，pp.（2021）
[8] 楚，S.-C。；杜，Z.-G。；Pan，J.-S.，应用于无线传感器网络的具有多组量子行为通信方案的共生有机体搜索算法，应用。科学。，10, 3, 930 (2020)
[9] 楚，S.-C。；徐，X.-W。；Yang，S.-Y。；Pan，J.-S.，基于无线传感器网络记忆原理的紧凑技术并行鱼类迁移优化，Knowl-基于系统。，第108124条第（2022）页
[10] 科尔特斯，C。；Vapnik，V.，支持向量网络，马赫。学习。，20, 3, 273-297 (1995) ·Zbl 0831.68098号
[11] 多丹格，E。；Panahi，M。；Rezaie，F。；Lee，S。；Bui，D.T。；Lee，C.-W。；Pradhan，B.，洪水敏感性预测的新型混合智能模型：利用遗传算法和和谐搜索对GMDH和SVR模型进行元优化，J.Hydrol。，590，第125423条pp.（2020）
[12] Dong，Y。；张，Z。；Hong，W.-C.，《电力负荷预测的混沌杜鹃搜索算法与支持向量回归模型的混合季节机制》，《能源》，11，4，1009（2018）
[13] 法斯特，M。；阿萨迪，M。；De，S.，《工业燃气轮机ANN模型的开发和多用途》，应用。能源，86，1，9-17（2009）
[14] Feng，Y.-q。；刘义忠。；王，X。；何，Z.-X。；洪，T.-C。；王，Q。；Xi，H.，利用反向传播神经网络预测和优化用于余热回收的有机朗肯循环（ORC）的性能，Energy Convers。管理。，226，第113552条pp.（2020）
[15] 北加迪米。；Akbarimajd，A。；Shayeghi，H。；Abedinia，O.，《电力负荷预测中采用特征选择技术和改进的元神经算法的两阶段预测引擎》，《能源》，161130-142（2018）
[16] 郭小川。；Liang，Y.-C。；吴长庚。；Wang，H.Y.，使用SVMS进行电力负荷预测，（2006年机器学习和控制论国际会议（2006），IEEE），4213-4215
[17] 哈菲兹，G。；汗，I。；简·S。；沙阿，I.A。；F.A.Khan。；Derhab，A.，智能电网中具有智能特征工程和优化算法的新型混合负荷预测框架，应用。能源，299，第117178条pp.（2021）
[18] 海达里，A。；Nezhad，M.M。；Pirshayan，E。；加西亚，D.A。；凯恩斯，F。；De Santoli，L.，基于复合神经网络和引力搜索优化算法的孤立电网短期电价和负荷预测，应用。能源，277，第115503条pp.（2020）
[19] 侯赛因扎德，M。；马斯达里，M。；Rahmani，A.M。；穆罕默德（M.Mohammadi）。；Aldalwie，A.H.M。；马吉德，M.K。；Karim，S.H.T.，边缘计算环境中数据放置和调度的改进蝶形优化算法，J.网格计算。，19，2，1-27（2021）
[20] 胡，P。；潘，J.-S。；楚，S.-C。；柴庆伟。；刘，T。；李振中，电网日负荷预测的新混合算法，应用。科学。，9, 21, 4514 (2019)
[21] 黄，J。；孙，Y。；Zhang，J.，通过使用人工学习优化算法优化SVR核系数来模拟混凝土抗压强度，从而减少计算误差，工程计算。，1-18 (2021)
[22] Kim，J.-S。；Kim，D.-Y。；Kim，Y.-T.，有机朗肯循环径向流入式水轮机试验和使用深度神经网络进行性能预测，应用。热量。工程，149，633-643（2019）
[23] Kotowicz，J。；Brzęczek，M.，《现代联合循环发电厂提高效率的分析：案例研究》，《能源》，153，90-99（2018）
[24] 李，R。；徐，S。；李，S。；周，Y。；周，K。；刘，X。；Yao，J.，基于PSO-SVR交叉验证的锂离子电池荷电状态预测算法，IEEE Access，8，10234-10242（2020）
[25] 李伟（Li，W.）。；杨，X。；李，H。；Su，L.，基于GRNN神经网络和SVR机器的电力需求预测混合预测方法，能源，10，1，44（2017）
[26] 马哈茂德，T。；Rahman，医学硕士。；Fattah，S.A.，CovXNet：一种多相关卷积神经网络，用于从胸部X射线图像中自动检测新冠肺炎和其他肺炎，具有可转移的多感受性特征优化，计算。《生物医学》，122，第103869条pp.（2020）
[27] 米什拉，S。；Sharma，A。；Kumari，A.，基于响应面方法的气膜叶片冷却燃气轮机循环热性能预测优化，应用。热量。工程，164，第114425条pp.（2020）
[28] 潘，J.-S。；胡，P。；Chu，S.-C.，新型并行异质元神经网络及其用于风力发电预测的通信策略，Processes，7，11，845（2019）
[29] 潘，J.-S。；太阳，X.-X。；楚，S.-C。；亚伯拉罕。；Yan，B.，用于QR码的改进SMS数字水印，工程应用。Artif公司。智力。，97，第104049条pp.（2021）
[30] 潘，J.-S。；王，X。；楚，S.-C。；Nguyen，T.，一种应用于容量受限车辆路径问题的多组蝗虫优化算法，数据科学。模式识别。，4, 1, 41-56 (2020)
[31] 帕克，Y。；Choi，M。；Kim，K。；李，X。；Jung，C。；Na，S。；Choi，G.，使用优化的人工神经网络预测工业燃气轮机燃烧室的运行特性，能源，213，第118769页，（2020）
[32] 拉赫曼，A。；斯里库马尔，V。；Smith，A.D.，使用深度递归神经网络预测商业和住宅建筑的电力消耗，应用。能源，212372-385（2018）
[33] 拉希德，M。；Kamal，K。；T·扎法尔。；谢赫，Z。；沙阿（Shah，A.）。；Mathavan，S.，使用粒子群优化训练的前馈神经网络对联合循环发电厂的能量预测，（2015年机械工程、自动化和控制系统（MEACS）国际会议（2015），IEEE），1-5
[34] 宋，P.-C。；楚，S.-C。；潘，J.-S。；Yang，H.，用于优化的简化阶段种群进化算法，复杂集成。系统。，1-19 (2021)
[35] Tubishat，M。；Alswaitti，M。；米尔贾利利，S。；Al-Garadi，医学硕士。；Rana，T.A.，用于特征选择的动态蝴蝶优化算法，IEEE Access，8194303-194314（2020）
[36] Tüfekci，P.，使用机器学习方法预测基本负荷运行的联合循环发电厂的满载电力输出，Int.J.Electr。电力能源系统。，60, 126-140 (2014)
[37] Vapnik，V.，《统计学习理论的本质》（1999），斯普林格科学与商业媒体·Zbl 0928.68093号
[38] 王，S。；刘，Z。；Cordtz，R。；伊姆兰，M。；Fu，Z.，部分负荷条件下进气加热联合循环电厂的性能预测，能量转换。管理。，200，第112063条pp.（2019）
[39] Wang，W。；唐·R。；李，C。；刘，P。；Luo，L.，用思维进化算法优化的BP神经网络模型预测海浪高度，海洋工程，162，98-107（2018）
[40] Ye，Z。；Kim，M.K.，《使用优化的反向传播和Levenberg-Marquardt反向传播神经网络预测建筑用电量：中国购物中心案例研究》，可持续城市协会，42，176-183（2018）
[41] Y’d’z，B.S。；Y’d’z，A.R。；以色列阿尔巴克。；Abderazek，H。；Sait，S.M。；Burierat，S.，《汽车悬架部件最佳形状设计的蝶形优化算法》，马特。测试。，62, 4, 365-370 (2020)
[42] 张，Z。；Hong，W.C.，利用完全集成经验模式分解自适应噪声和支持向量回归结合基于量子的蜻蜓算法进行电力负荷预测，非线性动力学。，98, 2, 1107-1136 (2019)
[43] 张，Z。；Hong，W.C.，变分模式分解和混沌灰狼优化器与支持向量回归在电力负荷预测中的应用，Knowl-基于系统。，228，第107297条pp.（2021）
[44] 张，M。；Long，D。；秦，T。；Yang，J.，一种用于高维优化问题的带有粒子群优化的混沌混合蝴蝶优化算法，Symmetry，12，11，1800（2020）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。