近日，中國計量大學(xué)計量測試工程學(xué)院周佩劍副教授題為“Energy performance prediction of pump as turbine (PAT) based on PIWOA-BP neural network”（基于PIWOA-BPNN模型的泵作透平性能預(yù)測方法）的研究論文在能源領(lǐng)域權(quán)威期刊Renewable Energy (IF 8.7，中科院1區(qū))在線發(fā)表。通訊作者為周佩劍副教授，第一作者為本校研究生余文進(jìn)。

泵作透平(pump as turbine，PAT)技術(shù)被認(rèn)為是在小微型水力發(fā)電領(lǐng)域中最可行替代方案之一。對于小微型水電站而言，存在著水資源時間與空間跨度較廣，水資源能級變化大，水輪機機電成本高(幾乎占到小微型水電站初期投入成本的35%-40%)等問題，難以做到針對每一個不同水力環(huán)境設(shè)計相對應(yīng)的水輪機。然而，泵的生產(chǎn)廠商往往不會提供其在透平狀態(tài)下性能曲線，導(dǎo)致在實際使用PAT時存在選型困難。

針對上述問題，文章提出了一種基于PIWOA-BPNN模型的泵作透平性能預(yù)測方法，為上述問題提供了一個新的解決思路。該模型將多種策略融合改進(jìn)后的WOA算法與參數(shù)優(yōu)化后的多層BPNN相結(jié)合，創(chuàng)新性的構(gòu)建了螺旋引導(dǎo)向量對WOA算法內(nèi)部隨機搜索進(jìn)行引導(dǎo)，極大地提升了神經(jīng)網(wǎng)絡(luò)的預(yù)測能力，有效降低時間成本。并對透平內(nèi)部參數(shù)進(jìn)行分析，提出了一種以葉輪幾何參數(shù)作為輔助輸入的神經(jīng)網(wǎng)絡(luò)模型，從而有效解決小微水電PAT選型和設(shè)計困難的問題。