检索结果-南通市图书馆

基于二次模态分解和深度学习的大坝变形预测模型

在线全文

学校读者我要写书评

暂无评论

水利水电科技进展 2024年第3期44卷 101-106页

作者：刘相杰刘小生张龙威江西理工大学土木与测绘工程学院江西赣州341000

为充分提取大坝变形监测数据的非线性和非平稳性特征,深度挖掘其前后信息的拓扑关系,有效提高预测精度,提出了一种基于二次模态分解和蜣螂优化算法的双向长短期记忆神经网络大坝变形预测模型。该模型引入融合自适应噪声完备集成经验模... 详细信息

为充分提取大坝变形监测数据的非线性和非平稳性特征,深度挖掘其前后信息的拓扑关系,有效提高预测精度,提出了一种基于二次模态分解和蜣螂优化算法的双向长短期记忆神经网络大坝变形预测模型。该模型引入融合自适应噪声完备集成经验模态分解和变分模态分解的二次模态分解对数据进行预处理,有效降低高频非平稳性分量对预测精度的不利影响,并利用蜣螂优化算法对双向长短期记忆神经网络进行超参数寻优以深度挖掘大坝变形数据的有效信息。以某水电站大坝为例,将该模型预测结果与多种常用模型的预测结果进行对比分析,结果表明该模型可有效挖掘大坝变形数据复杂的非线性特征,其预测精度明显优于对比模型,验证了该模型在大坝变形预测中的可行性与优越性。

关键词：大坝变形预测二次模态分解蜣螂优化算法双向长短期记忆神经网络

基于小波包变换与深度学习的超短期光伏功率预测

在线全文

学校读者我要写书评

暂无评论

太阳能学报 2024年第5期45卷 537-546页

作者：刘源延孔小兵马乐乐刘向杰华北电力大学控制与计算机工程学院北京102206

针对光伏功率序列的复杂多变特征,提出一种基于小波包变换(WPT)的门控循环单元(GRU)光伏功率组合预测方法。首先通过相关性分析挑选重要气象因子,并利用WPT将原始光伏功率序列分解为一组子序列;然后,提出一种基于莱维飞行天牛须搜索算法... 详细信息

针对光伏功率序列的复杂多变特征,提出一种基于小波包变换(WPT)的门控循环单元(GRU)光伏功率组合预测方法。首先通过相关性分析挑选重要气象因子,并利用WPT将原始光伏功率序列分解为一组子序列;然后,提出一种基于莱维飞行天牛须搜索算法(LFBAS)的相似日选择方法,以选择相似于预测日的历史日作为输入数据集;最后,建立一组基于GRU网络的深度学习光伏功率预测模型,将每个子序列预测结果叠加得到光伏功率最终预测结果。仿真结果表明,该文所提出的预测方法在预测精度和计算效率方面具有显著优势。

关键词：光伏发电功率预测小波包变换相似日门控循环单元天牛须搜索算法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

风电场分布式经济模型预测控制

中国科学：信息科学 2024年第9期54卷 2200-2223页

作者：孔小兵王文文刘向杰华北电力大学新能源电力系统全国重点实验室北京102206 西安西电电力系统有限公司西安710065

随着风电场规模的不断扩大,尾流效应导致场内下游风机发电功率降低和疲劳载荷加剧问题日益严重.为了降低风电场运营成本,提高动态经济性能,本文提出了一种风电场分层控制结构.在上层通过优化全场风机的诱导因子实现当前风向下的全场最... 详细信息

随着风电场规模的不断扩大,尾流效应导致场内下游风机发电功率降低和疲劳载荷加剧问题日益严重.为了降低风电场运营成本,提高动态经济性能,本文提出了一种风电场分层控制结构.在上层通过优化全场风机的诱导因子实现当前风向下的全场最大风能捕获,为下层本地控制提供各机组的最佳降载跟踪功率基准.在下层采用基于终端区域约束的稳定分布式经济模型预测控制策略对各风机实施本地控制,在保证满足电网负荷需求的同时有效降低机组的疲劳载荷,提高风电场的动态经济性.最后,通过SimWindFarm软件对由9台风机组成的风电场进行仿真实验,验证了风向变化、阶跃风速扰动和湍流风速扰动3种情况下所设计控制策略的有效性.

关键词：风电场控制尾流效应疲劳载荷分布式经济模型预测控制凸序列规划

基于最大重叠离散小波变换和深度学习的光伏功率预测

在线全文

学校读者我要写书评

暂无评论

太阳能学报 2024年第5期45卷 576-583页

作者：马乐乐孔小兵郭磊刘源延刘向杰华北电力大学控制与计算机工程学院北京102206

针对光伏功率时间序列的非平稳特性,提出一种基于最大重叠离散小波变换(MODWT)和长短期记忆网络(LSTM)的光伏功率组合预测模型。利用皮尔逊相关系数确定影响光伏功率的重要气象因素,基于MODWT算法对历史光伏功率序列进行分解,将选取的... 详细信息

针对光伏功率时间序列的非平稳特性,提出一种基于最大重叠离散小波变换(MODWT)和长短期记忆网络(LSTM)的光伏功率组合预测模型。利用皮尔逊相关系数确定影响光伏功率的重要气象因素,基于MODWT算法对历史光伏功率序列进行分解,将选取的气象因素与分解得到的平稳子序列共同构成各个LSTM网络输入,通过汇总重构每个LSTM网络的子序列预测结果得到最终的光伏功率预测结果。从理论层面分析所建立的MODWT算法的完全重构性,并基于李雅普诺夫稳定性定理推导保证预测网络收敛的学习率范围。仿真对比结果显示,所提出的光伏功率预测模型在预测精度和鲁棒性方面具有明显优势。

关键词：光伏功率预测长短期记忆网络非平稳时间序列分解预测网络收敛性

在线全文

学校读者我要写书评

暂无评论

改进的自适应小波包风电波动平滑控制策略

太阳能学报 2024年第10期45卷 566-573页

作者：张晓东张怡刘向杰丁一华北理工大学电气工程学院华北电力大学新能源电力系统国家重点实验室华北电力大学控制与计算机工程学院

针对传统自适应小波包风电功率波动平滑技术存在过度平滑以及储能系统负担加重等问题，提出一种改进的自适应小波包风电功率平滑控制策略。首先，根据不同时间段风电功率波动特性，合理规划滤波时间尺度，并确定满足系统控制要求的最小... 详细信息

针对传统自适应小波包风电功率波动平滑技术存在过度平滑以及储能系统负担加重等问题，提出一种改进的自适应小波包风电功率平滑控制策略。首先，根据不同时间段风电功率波动特性，合理规划滤波时间尺度，并确定满足系统控制要求的最小滤波尺度。其次，利用自适应小波包分解滤波尺度内的风电功率，获得期望并网功率与波动功率。之后，采用由双储能电池与超级电容器组成的混合储能系统对波动功率进行平抑。最后，分析改进的平滑策略在降低储能系统负担方面的优势，并对储能系统的运行寿命进行评估。结果表明，在保证风电功率波动有效平滑的前提下，该策略既能降低储能系统的负担，又能延长其运行寿命。

关键词：风电功率储能系统电池寿命平滑功率波动自适应小波包分解双储能电池

在线全文

学校读者我要写书评

暂无评论

考虑新能源消纳的电动汽车有序充电控制策略

太阳能学报 2024年第8期45卷 94-103页

作者：马苗苗任智伟刘立成刘向杰华北电力大学控制与计算机工程学院北京102206 北京市电力公司北京100176

针对电动汽车集群入网进行无序充电会加剧峰谷差进而造成“峰上加峰”的问题,提出一种考虑新能源消纳的电动汽车分层式有序充电控制策略。首先,基于长短时间记忆神经网络理论,建立电动汽车充电负荷预测模型;其次,建立风光发电系统的数... 详细信息

针对电动汽车集群入网进行无序充电会加剧峰谷差进而造成“峰上加峰”的问题,提出一种考虑新能源消纳的电动汽车分层式有序充电控制策略。首先,基于长短时间记忆神经网络理论,建立电动汽车充电负荷预测模型;其次,建立风光发电系统的数学模型;最后,提出分层式有序充电控制策略,上层主控制系统制定电动汽车充电功率指导曲线,下层次级控制系统合理安排电动汽车充电计划,利用概率转移矩阵算法获得最佳充电控制策略。仿真结果表明,所提出的有序充电控制策略能够有效降低电网负荷峰谷差。

关键词：电动汽车神经网络新能源有序充电概率转移矩阵

基于CEEMDAN-GMDH-ARIMA的大坝变形预测模型研究

在线全文

学校读者我要写书评

暂无评论

人民黄河 2024年第1期46卷 146-150页

作者：程小龙张斌刘相杰刘陶胜江西理工大学土木与测绘工程学院江西赣州341000

为提高大坝变形预测精度,针对大坝变形数据的复杂性和非线性等特征,基于自适应噪声完备集成经验模态分解(CEEMDAN)、数据处理群集法(GMDH)和差分自回归移动平均模型算法(ARIMA)进行大坝变形预测研究。采用CEEMDAN将大坝变形原始数据分... 详细信息

为提高大坝变形预测精度,针对大坝变形数据的复杂性和非线性等特征,基于自适应噪声完备集成经验模态分解(CEEMDAN)、数据处理群集法(GMDH)和差分自回归移动平均模型算法(ARIMA)进行大坝变形预测研究。采用CEEMDAN将大坝变形原始数据分解为高频随机分量、中频周期分量和低频趋势分量,再分别采用GMDH模型、ARIMA模型对高中频分量、低频分量进行预测,建立基于CEEMDAN-GMDH-ARIMA的大坝变形预测模型。以江西上犹江水电站为例,将该模型预测结果与反向传播(BP)、径向基函数(RBF)、GMDH和CEEMDAN-GMDH模型的预测结果进行对比分析。结果表明:CEEMDAN-GMDH-ARIMA模型的均方根误差(E_(RMS))、平均绝对误差(E_(MA))、相关系数(r)分别为0.048 mm、0.035 mm、0.994,均优于BP、RBF、GMDH、CEEMDAN-GMDH模型,模型预测效果最好,能够很好地体现监测点水平位移变化趋势。

关键词：自适应噪声完备集成经验模态分解数据处理群集法差分自回归移动平均模型算法大坝变形预测江西上犹江水电站

在线全文

学校读者我要写书评

暂无评论

基于主从博弈的微电网分布式能量管理策略

系统仿真学报 2024年第4期36卷 834-843页

作者：马苗苗王浩董利鹏刘向杰华北电力大学控制与计算机工程学院北京102206 中国能源建设集团广西电力设计研究院有限公司广西南宁530007

针对电力市场运营模式下,新能源微电网的整体优化运行与多方投资者的最大利益化之间的冲突问题,提出了基于双层主从博弈的微电网分布式能量管理策略。为充分考虑能源供需两侧的平衡,引入了电力交易代理商的概念,在用户侧提出基于消费者... 详细信息

针对电力市场运营模式下,新能源微电网的整体优化运行与多方投资者的最大利益化之间的冲突问题,提出了基于双层主从博弈的微电网分布式能量管理策略。为充分考虑能源供需两侧的平衡,引入了电力交易代理商的概念,在用户侧提出基于消费者满意度和可调节负荷的综合需求响应策略;考虑源-荷双方的主动性和决策能力,建立了以电力交易代理商为领导者,分布式电源代理商和负荷代理商为追随者的交易决策博弈模型,证明了stackelberg均衡解存在唯一性,采用结合二次规划的差分进化算法对所提模型进行求解。通过对包含分布式电源和社区用户的案例进行分析,验证了所提模型和策略具有良好的收敛性和经济性。

关键词：能量管理主从博弈微电网电价策略 Stackelberg均衡

基于知识迁移的数据驱动迭代学习模型预测控制

在线全文

学校读者我要写书评

暂无评论

中国科学：信息科学 2024年第7期54卷 1752-1774页

作者：马乐乐刘向杰高福荣华北电力大学控制与计算机工程学院北京102206 香港科技大学化学与生物分子工程学系中国香港999077

迭代学习模型预测控制(iterative learning model predictive control,ILMPC)作为一种广泛应用于批次生产过程的数据驱动智能控制策略,能够在沿批次逐步提高跟踪性能的同时沿时间不断抑制实时干扰.现有ILMPC算法的点对点学习机制依赖于... 详细信息

迭代学习模型预测控制(iterative learning model predictive control,ILMPC)作为一种广泛应用于批次生产过程的数据驱动智能控制策略,能够在沿批次逐步提高跟踪性能的同时沿时间不断抑制实时干扰.现有ILMPC算法的点对点学习机制依赖于批次运行工况的强一致性,以此保证当前批次与历史批次间的有效信息传递.然而,生产需求和生产环境的变化通常会导致各批次的操作轨迹和操作周期存在差异,从而使得历史批次提供的先验知识对于后续批次呈现出不精确性和不完整性.为了提高ILMPC在变运行工况条件下的适应性和灵活性,本文提出了一种具有知识迁移机制的数据驱动ILMPC策略.建立自适应深度神经网络(deep neural network,DNN)沿批次学习ILMPC控制行为,实现历史控制经验在当前批次工况下的全面转换.为抑制DNN前期估计误差的影响,在知识迁移机制下进一步构建Tube控制结构下的ILMPC算法,保证ILMPC系统的时域稳定性和迭代域收敛性.针对非线性注塑过程的仿真实验验证了在操作轨迹和操作周期同时变化时,所提方法在跟踪精度和收敛速度方面具有明显优势.

关键词：迭代学习模型预测控制知识迁移数据驱动变运行工况