共查询到20条相似文献，搜索用时 15 毫秒
1.
《实验室研究与探索》2020,(5)
提出了一种基于特征挖掘的GRU-A光伏发电功率预测模型,可有效、精确地预测短期光伏发电功率。对光伏发电功率的影响因素进行深度挖掘并构造出相应特征群,搭建GRU-A模型作为光伏发电功率预测模型,并以构造的特征群作为输入,来实现光伏发电功率预测。利用某地的实际光伏数据,通过仿真实验证明基于特征挖掘的GRU-A模型相比于其他模型有更好的预测精度及稳定性。 相似文献
2.
3.
《实验室研究与探索》2020,(2)
针对天气条件的不稳定使得光伏发电的输出具有较强的随机性、波动性和间歇性,提出一种基于相似日-BP神经网络组合的光伏出力预测模型。从历史数据中筛选出与预测日特征最相似的历史发电功率数据和气象数据,作为预测模型的训练样本。仿真结果表明:基于相似日-BP神经网络组合的光伏出力预测方法能够明显提高光伏出力预测精度。 相似文献
4.
5.
本文将模糊C均值聚类和自适应神经模糊网络结合起来．模糊C均值聚类用于对输入变量空间进行划分，生成初始的模糊规则库，自适应模糊神经网络（ANFIS）选用最小二乘法和BP算法．与普通的模糊神经网络相比，这种模糊神经网络收敛速度快，建模精度高。 相似文献
6.
为了提高光伏发电功率的预测精度,提出一种结合变分模态分解、多策略改进的鲸鱼优化算法和极限学习机的光伏日前预测方法。利用变分模态分解影响光伏功率的关键气象因素,获得不同特征规律的本征模态分量,降解了数据的随机波动性,减少了噪声的影响。引入鲸鱼优化算法,利用多策略改进的鲸鱼优化算法(MWOA)对ELM模型的权重和偏置系数进行优化,获得最终的光伏功率预测结果。仿真结果验证了所提方法的有效性与优越性。 相似文献
7.
随着经济的不断发展,用电量的急剧增加,短期预测成为各个供电部门一个不可或缺的部分。电力负荷受多种因素影响,针对短期负荷预测,提出一种考虑各种影响因素的新算法,该方法首先利用模糊C均值聚类方法对历史样本进行聚类,依据输入样本的相似度选取训练样本,然后在选取的样本上,利用遗传算法实现负荷影响因素的提取和支持向量机参数的选择,最后利用支持向量机建立预测模型。采用上述方法对河南电网负荷进行了预测分析,结果证明了该方法的有效性。 相似文献
8.
负荷预测是电力系统分析与运行的基础,对机组组合、经济调度、安全校核等均具有重要意义。随着电网规模不断增大,数据库时间跨度也随之变大,对不良数据及冗余数据的处理造成影响,负荷预测精度和速度的提高难度显著增大。针对这一问题,提出基于懒惰学习与聚类算法的组合模型。该模型以懒惰学习（Lazy Learning, LL）算法为基础,通过选择相似样本对负荷进行差异性预测建模。在预测应用中,为缩小样本库数量,减小 LL算法的预测时间,利用模糊C均值聚类（Fuzzy C-means,FCM）对用电特征进行聚类从而生成局部训练集,以改进LL算法局部建模。实验结果表明, FCM-LL组合算法不仅能高效精确地预测负荷,而且能实现数据库的实时更新。 相似文献
9.
以顺德地区的小型屋顶并网光伏发电系统为研究对象。通过对4个峰值功率为1kWp的屋顶光伏发电系统1年的实际运行数据进行分析,计算出系统的发电量和系统效率。研究结果表明：在顺德地区峰值功率为1kWp的光伏发电系统年发电量约为1000kW·h,本系统的性能比为71．53％;为使系统的效率达到最佳．光伏组串的最大功率点电压乘以87％应等于逆变器的最佳工作电压：光伏发电系统输出的电流谐波畸变率较小,不会对电网和负载造成不良影响。 相似文献
10.
为实现人体运动意图预测,该文提出一种基于粒子群优化（particle swarm optimization,PSO）算法优化回声状态网络（echo state network,ESN）的模型预测控制（model predictive control,MPC）方法。首先,利用运动捕捉系统获得人体动作运动学信息,通过OpenSim软件反解算获取动力学信息;其次,以动力学信息为输入,运动学信息为输出,构建人体骨骼肌肉系统的ESN模型,并利用PSO算法优化ESN模型的关键参数;同时,将线性化后的ESN模型作为MPC控制对象,通过运动学信息,反优化MPC目标函数,求解目标结果,完成对人体运动意图的预测;最后,通过比较实验验证了所提方法的有效性。该方法对人体运动意图预测及穿戴式机器人控制算法设计等相关应用研究与教学实践具有实际意义。 相似文献
11.
由于现有可生存系统中缺乏对系统生存态势的事前识别和事后预测,提出一种可生存系统生存态势的可识别性模型.首先,基于Ward方法将生存态势数据聚类为不同服务等级的生存簇,然后利用消错决策方法对生存态势数据所属簇进行分类和识别,实现系统生存态势的事前识别;其次,利用差分生存态势数据生成平稳预测序列,构建ARIMA模型并通过自相关函数和偏自相关函数校验模型的平稳性、随机性和可逆性指标;最后,通过模糊粒子和SVR模型的残差修正实现生存态势的事后预测识别.仿真实验表明,模型的事前评估模块相较于传统决策方法不仅可对生存态势数据进行聚类和服务等级识别,还可对非法用户进行识别;模型通过对异常态势次数的预测与残差修正,有效实现对可生存系统生存态势的事后预测. 相似文献
12.
针对光伏电池最大功率点定位时间长的问题,提出一种基于SPICE模型的光伏电池最大功率点快速定位方案。依据构建的光伏电池SPICE模型获取了不同光照条件下功率分布数据,对功率分布数据进行二元样条插值后,利用最小二乘法对功率分布曲面进行拟合,获取了光伏电池输出功率、输出电压和环境照度的数学模型,在给定环境照度后,通过极值求取的方法实现最大功率点的快速定位。 相似文献
13.
针对新能源发电与并网技术课程实验教学设备不能满足教学需求的问题,构建光伏发电并网系统虚拟仿真实验项目。首先,通过StarSim软件搭建仿真电路模型;其次,通过设置太阳辐照度、电池组件并联组件数,改变光伏发电功率;最后,采用Boost升压斩波电路,调节光伏阵列的端电压,进而实现光伏阵列的最大功率点跟踪。 相似文献
14.
刘朋辉 《江西电力职业技术学院学报》2023,(2):10-12
当前现有预测方法对智能电网短期时间内的电力负荷预测存在预测精度低、预测精度受气象条件变化影响等问题,现引入BP神经网络研究智能电网短期电力负荷预测方法：获取智能电网历史运行数据,对数据进行预处理,对样本进行归一化处理;利用BP神经网络构建电力负荷预测模型;建立模型训练网络拓扑结构,训练模型预测性能;完成电网短期电力负荷预测,并在考虑气象因素的情况下对预测进行补偿,得到预测结果。实验证明：新的预测方法在实际应用中预测精度更高,且预测精度不会受到气象条件的影响。 相似文献
15.
张水波 《闽西职业技术学院学报》2012,14(4):117-120
人脸识别技术是图像处理方面的重要技术。通过对人脸数据进行标准化处理,利用主成分分析和半监督模糊聚类算法对人脸数据库进行聚类分析。实验结果表明,半监督模糊聚类利用主成分降维得到的22个特征进行聚类,对于已知类别属性的人脸,聚类结果与这些属性的一致率达100%,而对于其他数据,一致率也达到99%以上。 相似文献
16.
17.
模糊C均值聚类是聚类分析中应用最广泛的算法之一,但是聚类数目需要人为预先设定,在实际应用中有极大的局限性。提出一种自动确定聚类数目的基于粒子群的模糊C均值聚类算法,通过对不同聚类数目进行试验,利用添加粒子阈值向量自动确定最佳的聚类数目。在预设的最大聚类数目内随机分割数据集,利用重构准则重新构建初始值,以此克服需要事先设置聚类数目的模糊C均值缺点。利用有效性函数评估算法性能,试验结果表明,该算法能自动找到最优聚类数目,聚类效果很好。 相似文献
18.
提出一种同时考虑解释性和精确性的模糊建模方法. 首先分析影响模糊模型解释性的主要因素, 然后利用启发式搜索策略实现输入变量选择, 利用模糊聚类算法和最小二乘辨识模糊模型. 随后以输入变量数目和模糊规则数目的乘积衡量可解释性, 以均方误差衡量精确性, 并据此定义模型选择目标函数. 最后给定最大最小的输入变量数目和规则数目, 辨识得到一组模糊模型, 利用模型选择目标函数, 选择最优的模糊模型, 并采用遗传算法进行优化, 达到解释性与精确性的折衷. 煤气炉仿真例子验证了该方法的有效性. 相似文献
19.
为准确快速地对恐怖袭击事件进行分级,帮助建立恐怖袭击事件应急预案,提出一种基于模糊聚类算法和模拟退火遗传算法优化BP神经网络的恐怖袭击事件分级模型。通过模糊聚类算法划分样本训练集,利用BP神经网络的自学习能力获取输入与输出之间的模糊规则,采用模拟退火遗传算法提高神经网络精度。以GTD数据库样本为例,经实验得到普通BP神经网络的分级正确率为94.32%,模拟退火遗传算法优化的BP神经网络分级正确率可提升到99.88%,验证了基于模糊聚类算法和模拟退火遗传算法优化BP神经网络分级模型的有效性。 相似文献
20.
《实验室研究与探索》2015,(5)
在使用多输入变换器作为主电路的光电联合供电系统中,采用现有的能量管理策略并利用交错双边沿脉宽调制方式时,可以实现光伏与电网的协调工作并克服了光电联合供电系统中的一主要问题,即在光伏电池与电网同时供电时,电网电流会通过光伏电池板使测得的光伏电池板电流比实际值大,导致光伏电池板的最大功率跟踪失败。针对此问题,提出了另外一种新的驱动方式——互锁,该方式不仅能解决该问题还能使系统电流脉动小。从理论上分析了互锁驱动方式的调制效果,并与交错双边沿调制的效果进行了比较,然后利用Matlab/Simulink建立互锁模型,仿真验证了互锁方法的有效性。 相似文献