智慧蜂业大数据平台建设与应用

【目的】 建设包含信息采集、数据管理、决策分析和可视化展示的蜂业大数据平台,助力解决信息化水平 低、行业信息不对称、管理效率低、蜂产品质量缺乏保障、蜂群养殖作业繁重等问题。【方法】 应用物联 网、3S、人工智能、嵌入式、无人机、移动互联网、防伪溯源等技术,搭建蜂业大数据信息采集渠道,依 据“1+1+1+N”的建设思想,采用包含数据采集层、数据资源层、业务支撑层、应用系统层和用户层等5层 架构的设计模式,建设智慧蜂业大数据平台。【结果】 建立了总数据量约 40T、包含蜂场环境、蜂群养殖、 全产业链蜂产品质量安全和公共信息等多个维度智慧蜂业大数据中心,打造了智慧蜂业大数据管理平台和 可视化系统,经过北京市密云区和湖北省竹山县示范应用,在“用数据生产”、“用数据管理”、“用数据决 策”、“用数据服务”等方面取得了一定效果。【结论】 本研究从总体架构搭建、平台设计、数据库建设、技 术实现和系统应用等方面进行了深入分析,实现了蜂业全产业链信息采集、智能管控、辅助决策及公共应 用服务,有助于提升蜂业智能化、标准化、信息化水平,实现蜂产业的提质、节本和增效,全套技术方案 和设计思路可为其他行业大数据平台搭建提供参考。

  • 2021-06-19
  • 阅读276
  • 下载0
  • 13页
  • pdf

改进回溯搜索算法解决光伏模型参数识别问题

为了准确、可靠地识别光伏模型参数,提出一种改进回溯搜索算法(MBSA)。该算法首先通过选取部分种 群个体同时学习当前种群和历史种群信息,而其他个体向当前种群中最优个体学习并远离最差解,从而保持种群多 样性并提高收敛速度;然后,通过概率来量化总体中的个体性能,进而每个个体基于概率自适应地选择不同的进化策 略来平衡探索和开发能力;最后,采用基于混沌局部搜索的精英策略来进一步提高种群的质量。所提算法在单二极 管、双二极管和光伏模块等不同的光伏模型上进行仿真实验。实验结果表明,所提出的策略极大提升了回溯搜索算法(BSA)的收敛速度和参数识别的准确性。将所提算法与逻辑混沌 JAYA(LCJAYA)算法和多重学习回溯搜索算法(MLBSA)等八种先进的算法进行对比,结果表明,所提出算法参数识别的鲁棒性在对比算法中最优,在单、双二极管模型上的识别准确性明显优于JAYA、LCJAYA、改进的JAYA优化(IJAYA)和基于教学的优化(TLBO)算法,在光伏模块模型上的识别准确性明显优于MLBSA、JAYA、IJAYA和TLBO算法。在不同光照条件和不同温度下采用厂商真实数据对薄膜、单晶和多晶三种光伏组件进行的实际测试中,所提算法的预测结果与实测情况一致。仿真结果表明,所提算法能够精确稳定地识别光伏模型参数。

  • 2021-06-15
  • 阅读276
  • 下载0
  • 8页
  • pdf