¿La aplicación de la inteligencia computacional en proyectos hidroeléctricos y de conservación del agua?

La conservación del agua y los proyectos hidroeléctricos son el foco de la política de desarrollo de China, principalmente porque la energía hidroeléctrica es muy eficiente y causa poca contaminación. Por lo tanto, es una decisión importante para China dar prioridad al desarrollo de proyectos de conservación de agua, energía térmica y nuclear, buscar activamente nuevas fuentes de energía y utilizar la energía hidroeléctrica como primer recurso de desarrollo. Los proyectos de conservación de agua y energía hidroeléctrica requieren pronósticos de escorrentía más precisos durante la operación para proporcionar una base para que los proyectos hidroeléctricos tomen decisiones correctas en el despacho de inundaciones y sequías y en las operaciones económicas. Es un recurso de información importante en el trabajo de los departamentos de despacho de embalses y despacho de energía. También es el foco de la respuesta de las centrales hidroeléctricas a sequías e inundaciones, riego, suministro de agua y otros trabajos de despacho. de la energía hidráulica y los beneficios económicos de las centrales hidroeléctricas. Este artículo analiza principalmente la aplicación de la inteligencia computacional en proyectos de conservación de agua y energía hidroeléctrica. El informe es el siguiente.

1 Introducción a la Inteligencia Computacional

La inteligencia computacional se caracteriza por la incertidumbre, la no linealidad y la irreversibilidad temporal, y toma problemas complejos como objetos de cálculo. Es producto del desarrollo de las matemáticas y las computadoras modernas, y realiza principalmente operaciones sobre problemas que no pueden resolverse mediante métodos convencionales. La inteligencia artificial tradicional se basa en mecanismos de procesamiento de símbolos y su desempeño en la expresión de conocimientos, el procesamiento de información y la resolución de problemas combinatorios no es ideal. Por ello, se estudian nuevas soluciones para mejorar la flexibilidad y precisión de la inteligencia artificial [1]. Los sistemas difusos tienen buenas aplicaciones en descripción y aprendizaje de experiencias; las redes neuronales pueden aprender experiencia y habilidades de los datos de la red y pueden proponer las mejores soluciones a problemas complejos, con alta estabilidad y optimización. Los sistemas difusos son superiores a las redes neuronales y la computación evolutiva en capacidades de razonamiento, mientras que la computación evolutiva y las redes neuronales son superiores a los sistemas difusos en capacidades de aprendizaje y búsqueda. La computación evolutiva es superior a las redes neuronales en cuanto a rango de búsqueda y adaptabilidad, pero las redes neuronales son superiores a la computación evolutiva en capacidades de optimización y aprendizaje [2]. La inteligencia computacional incluye tres partes: sistemas difusos, redes neuronales y computación evolutiva. Aunque las tres tecnologías son diferentes, la colisión provocada por la combinación de las dos trae nuevas oportunidades.

Aplicación de la inteligencia computacional en proyectos hidroeléctricos y de conservación de agua

2.1 Predicción de escorrentía a largo plazo

Con el desarrollo de la producción moderna y las necesidades de las actividades económicas, Los países han reforzado el estudio y detección del tiempo. Desde la década de 1970, la investigación meteorológica en mi país ha pasado de la predicción numérica del tiempo a corto plazo a la predicción a medio plazo. Sin embargo, debido a la naturaleza dual de "incertidumbre" y "determinación" del movimiento atmosférico, sus métodos de investigación dinámica y métodos estadísticos deben predecir la actividad atmosférica por un lado, y se puede decir que el método de cálculo que combina estadística y dinámica es a Un método de investigación relativamente ideal [3]. Sin embargo, debido a la diferencia en los valores predichos, el conjunto de resultados previstos se elimina y el conjunto de resultados contiene los resultados reales. Elegir el resultado correcto en un conjunto de resultados de predicción requiere suavizar la media del conjunto para eliminar errores aleatorios entre los miembros del conjunto a fin de analizar el resultado verdadero. Dentro del rango de posible error, las decisiones científicas se toman en base a la información proporcionada por el sistema de inteligencia computacional para resaltar las características estadísticas de la inteligencia computacional. La predicción hidrológica a largo plazo es un campo de investigación relativamente nuevo en el desarrollo de la meteorología. Con el análisis de muchos estudios nacionales se han logrado ciertos avances, pero aún no se ha aclarado el mecanismo físico de los procesos hidrológicos a largo plazo. Combinados con las características regionales y no adiabáticas de la hidrología a largo plazo, hay tres problemas principales en el pronóstico hidrológico a largo plazo de mi país:

(1) El departamento de hidrología ha imitado durante mucho tiempo los métodos de pronóstico del departamento meteorológico en el pasado, pero el pronóstico a largo plazo del departamento meteorológico ha adoptado escalas temporales y espaciales grandes, por lo que no puede desempeñar un papel eficaz en el pronóstico a largo plazo del departamento hidrológico [4].

(2) Los departamentos de hidrología suelen utilizar métodos estadísticos en las predicciones a largo plazo. Principalmente porque los departamentos de hidrología han realizado muy poca investigación sobre métodos sinópticos, métodos energéticos y dinámica.

(3) Los métodos estadísticos puros tienen poca precisión, por lo que lo que actualmente recopila y suministra el departamento de hidrología es hidrología a largo plazo basada en análisis físicos, combinada con factores meteorológicos con importancia física y utilizando una gran cantidad de datos y métodos estadísticos. La inteligencia computacional es un nuevo enfoque para la predicción hidrológica a largo plazo. Su red neuronal es un modelo biónico inteligente basado en la teoría de la conexión y es un sistema dinámico no lineal compuesto por una gran cantidad de neuronas. Es altamente organizado, autoprocesable, adaptable y aplicable. Tiene algunas características de las redes neuronales biológicas y puede aprender por sí mismo. Por lo tanto, se puede utilizar en diversos proyectos hidroeléctricos y de conservación de agua. La literatura relevante señala que las redes neuronales pueden proporcionar nuevas direcciones de investigación para el estudio de cuestiones de hidrología y recursos hídricos. A través del método simplex de mínimos cuadrados lineales de la estructura y los parámetros del modelo de red BP de tres capas, pueden satisfacer las necesidades de pronóstico hidrológico. proyectos de conservación de agua y energía hidroeléctrica.

La central hidroeléctrica de Lanzhou ha utilizado redes neuronales para predecir la escorrentía mensual. Los resultados de la aplicación muestran que las redes neuronales tienen buenos efectos de aplicación en el pronóstico hidrológico y sus beneficios son mayores que los del método de cálculo de regresión múltiple [5].

2.2 Análisis de fluctuación de presión del tubo de tiro

En la detección y diagnóstico de fallas de equipos mecánicos, las señales de vibración se usan a menudo como datos de referencia, la frecuencia y la banda de frecuencia de la señal se cambian, y luego estos valores modificados se ingresan en el sistema de diagnóstico para obtener el estado operativo del equipo. La transformada rápida de Fourier (FFT) es un método de análisis de características de señales ampliamente utilizado en proyectos modernos de conservación de agua y energía hidroeléctrica. Su principal problema es que sólo puede emitir juicios precisos sobre señales estacionarias, pero no puede analizar eficazmente sus patrones cambiantes en señales con grandes fluctuaciones. Los cambios de las wavelets pueden reflejarse como cambios en la wavelet madre a cualquier frecuencia de señal, obteniendo así la función básica de los cambios de las wavelets y obteniendo la información correspondiente. Las redes neuronales tienen paralelismo a gran escala, almacenamiento y procesamiento distribuido, organización, adaptabilidad y capacidades de autoaprendizaje, y pueden manejar múltiples factores y condiciones, problemas de información inciertos y confusos al mismo tiempo. La capacidad de análisis localizado en tiempo-frecuencia de los paquetes wavelet y las ventajas de refinamiento del espectro de la estimación del espectro de máxima entropía se aplican a la información característica dinámica del sistema de eje de turbina.

Para obtener más información sobre licitaciones de ingeniería/servicios/adquisiciones y para mejorar la tasa de adjudicación de ofertas, puede hacer clic en la parte inferior del sitio web oficial de servicio al cliente para realizar una consulta gratuita: /#/? fuente=bdzd