近日，中國計量大學計量測試工程學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測方法）的研究論文在能源領域權威期刊Renewable Energy (IF 8.7，中科院1區)在線發表。通訊作者為周佩劍副教授，第一作者為本校研究生余文進。
泵作透平(pump as turbine，PAT)技術被認為是在小微型水力發電領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境設計相對應的水輪機。然而，泵的生產廠商往往不會提供其在透平狀態下性能曲線，導致在實際使用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后的WOA算法與參數優化后的多層BPNN相結合，創新性的構建了螺旋引導向量對WOA算法內部隨機搜索進行引導，極大地提升了神經網絡的預測能力，有效降低時間成本。并對透平內部參數進行分析，提出了一種以葉輪幾何參數作為輔助輸入的神經網絡模型，從而有效解決小微水電PAT選型和設計困難的問題。
