检索结果-南通市图书馆

考虑来水多区间不确定集的跨年梯级水电鲁棒优化调度

在线全文

学校读者我要写书评

暂无评论

中国电机工程学报 2018年第17期38卷 5097-5106页

作者：葛晓琳钟俊玲符杨上海电力学院电气工程学院

中长期来水的不确定性以及时序相关性是影响跨年梯级水电优化调度的重要因素。为了保证所有可能来水情况下系统均能更好地优化调度,在跨年的梯级水电优化调度中引入鲁棒优化理论。同时考虑到梯级水电站之间来水的时序分布特性以及流域... 详细信息

中长期来水的不确定性以及时序相关性是影响跨年梯级水电优化调度的重要因素。为了保证所有可能来水情况下系统均能更好地优化调度,在跨年的梯级水电优化调度中引入鲁棒优化理论。同时考虑到梯级水电站之间来水的时序分布特性以及流域相关性,提出多区间不确定集来描述水电运行的随机因素,克服传统鲁棒优化的保守性。最终构建经济性和安全性协调的两阶段鲁棒优化模型,并结合对偶理论及混合整数二次规划法获得具有鲁棒可行性的优化调度方案。算例分析表明,所提跨年梯级水电的鲁棒优化调度方法比场景规划法求解效率更高,并且多区间不确定集可以有效改善调度方案的经济性。

关键词：跨年梯级水电鲁棒优化时序相关性多区间不确定集

在线全文

学校读者我要写书评

暂无评论

月前日负荷曲线的概率预测和随机场景模拟

电力系统自动化 2017年第17期41卷 155-162页

作者：颜伟李丹朱继忠任洲洋赵霞余娟重庆大学电气工程学院南方电网科学研究院

针对现有中长期日负荷曲线预测方法大多为点预测,难以满足电力系统不确定性分析的不足,提出了一种基于因子分析和神经网络分位数回归的月前日负荷曲线概率预测和随机场景模拟方法。采用因子分析技术,在保留日内负荷时序相关性的前提下,... 详细信息

针对现有中长期日负荷曲线预测方法大多为点预测,难以满足电力系统不确定性分析的不足,提出了一种基于因子分析和神经网络分位数回归的月前日负荷曲线概率预测和随机场景模拟方法。采用因子分析技术,在保留日内负荷时序相关性的前提下,对日负荷序列向量降维;提取出少数相互独立的负荷公共因子作为预测变量,以日气象因素、星期类型和前一日公共因子值为输入特征,建立计及相邻日负荷相关性的神经网络分位数回归概率预测模型;以此为基础,利用中期气象预报信息,逐日预测和模拟未来30日的负荷曲线,并生成未来月负荷曲线的随机模拟场景。实际算例结果验证了所提概率预测方法的准确性和高效性,其生成的日负荷曲线模拟场景更好地体现了负荷的时序相关性,能为调度人员提供更准确、全面的月前负荷预测信息。

关键词：负荷概率预测日负荷曲线时序相关性因子分析神经网络分位数回归气象因素

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

舰炮火控雷达实测误差时序特性分析建模

火力与指挥控制 2014年第12期39卷 54-57,61页

作者：韩建兴吴小强江苏自动化研究所江苏连云港222061

针对舰炮火控雷达高精度实时仿真建模的问题,运用高斯分布和正态平稳过程的两种误差序列生成方法,建立火控雷达简化仿真模型。通过对某火控雷达实测数据误差的统计及时序相关性分析,完成误差序列仿真生成与验证,给出了实现舰炮火控雷达... 详细信息

针对舰炮火控雷达高精度实时仿真建模的问题,运用高斯分布和正态平稳过程的两种误差序列生成方法,建立火控雷达简化仿真模型。通过对某火控雷达实测数据误差的统计及时序相关性分析,完成误差序列仿真生成与验证,给出了实现舰炮火控雷达探测误差仿真的优选方法。实践证明,正态平稳模型的误差生成方法可以有效满足新型舰炮仿真试验火控雷达建模要求。

关键词：舰炮火控雷达实测数据误差时序相关性正态平稳模型

在线全文

学校读者我要写书评

暂无评论

主动管理模式下分布式风电源选址定容规划

电力系统自动化 2015年第9期39卷 208-214页

作者：张沈习李珂程浩忠马则良张建平姚良忠电力传输与功率变换控制教育部重点实验室(上海交通大学) 上海市200240 华东电网有限公司上海市200122 中国电力科学研究院北京市100192

节能减排背景下,以分布式风电源(DWG)为代表的可再生能源发电得到了快速发展。考虑风速和负荷间的时序相关性,采用联合概率分布法对其进行多场景构建。在此基础上,考虑调节有载调压变压器抽头、削减DWG有功出力、调节DWG功率因数和需求... 详细信息

节能减排背景下,以分布式风电源(DWG)为代表的可再生能源发电得到了快速发展。考虑风速和负荷间的时序相关性,采用联合概率分布法对其进行多场景构建。在此基础上,考虑调节有载调压变压器抽头、削减DWG有功出力、调节DWG功率因数和需求侧管理4种主动管理措施,建立了主动管理模式下DWG选址定容双层规划模型,上层规划以年综合费用最小为目标,下层规划则以每个场景的配电网运行费最小为目标。提出改进差分进化算法和原对偶内点法相结合的混合策略对规划模型进行求解。IEEE 33节点配电网算例的仿真和分析验证了模型的可行性和所提求解方法的有效性。

关键词：主动管理分布式风电源选址定容双层规划时序相关性混合求解策略

基于伊藤过程的电制氢合成氨负荷随机最优控制

在线全文

学校读者我要写书评

暂无评论

中国电力 2023年第7期56卷 66-77页

作者：杨国山朱杰宋汶秦邱一苇周步祥国网甘肃省电力公司经济技术研究院甘肃兰州730000 四川大学电气工程学院四川成都610065

风电制氢进而合成氨(power to ammonia,P2A)是规模化消纳可再生发电资源,实现电力与化工行业碳减排的潜在技术路线之一。利用电制氢作为媒介,P2A可作为大型工业负荷参与电网能量平衡调节。然而,P2A负荷受化学工艺及过程控制的限制,负载... 详细信息

风电制氢进而合成氨(power to ammonia,P2A)是规模化消纳可再生发电资源,实现电力与化工行业碳减排的潜在技术路线之一。利用电制氢作为媒介,P2A可作为大型工业负荷参与电网能量平衡调节。然而,P2A负荷受化学工艺及过程控制的限制,负载调控惯性较大,当风电出力偏离预测轨迹时P2A负荷难以快速响应。为此,提出计及风电出力时序不确定性的P2A负荷随机最优控制方法。首先建立P2A系统柔性调控的状态空间模型。其次,考虑合成氨工段的调节惯性与风电出力时序相关性的耦合影响,基于伊藤过程建模风电出力的不确定性,构造随机动力学约束的P2A系统优化控制模型。之后,基于动态轨迹灵敏度分解,将随机动力学优化问题变换为确定性二阶锥规划,并采用随机模型预测控制(stochastic model predictive control,SMPC)滚动求解,有效避免了传统基于随机抽样模拟的方法计算复杂度高、求解效率低的问题。算例分析表明,与确定性控制相比,所提方法能够充分发挥合成氨柔性生产的优势,提升P2A负荷消纳波动性风电的能力。

关键词：风电制氢合成氨绿氨伊藤过程时序相关性随机模型预测控制

在线全文

学校读者我要写书评

暂无评论

在线学习的大规模网络流量分类研究

智能系统学报 2016年第3期11卷 318-327页

作者：易磊潘志松邱俊洋薛胶任会峰中国人民解放军理工大学指挥信息系统学院江苏南京210007

传统的批处理机器学习方法在面对大规模网络流量分类问题时存在分类器训练速度慢、计算复杂度高的缺陷。近年来迅速发展的在线学习方法是解决大规模问题的有效途径。本文针对高速骨干网上的大规模网络流量分类问题,提出了一个基于在线... 详细信息

传统的批处理机器学习方法在面对大规模网络流量分类问题时存在分类器训练速度慢、计算复杂度高的缺陷。近年来迅速发展的在线学习方法是解决大规模问题的有效途径。本文针对高速骨干网上的大规模网络流量分类问题,提出了一个基于在线学习的分类框架,并应用了8种在线学习算法。在真实数据集上的实验表明,在分类精度相当的情况下,在线学习算法与支持向量机(SVM)相比空间开销小、模型训练时间显著缩短。同时,为了考察网络流量中样本顺序对分类效果的影响,本文对比了样本按时序处理与随机处理两种方式的差异,验证了网络流量样本存在着时序上的相关性。

关键词：在线学习大规模网络流量分类时序相关性数据流随机优化

在线全文

学校读者我要写书评

暂无评论

基于主题细分的社交网络用户间交互特征分析

情报杂志 2021年第1期40卷 178-183页

作者：杨欣谊朱恒民魏静陈文南京邮电大学管理学院南京210003 江苏高校哲学社会科学重点研究基地——信息产业融合创新与应急管理研究中心南京210003

[目的/意义]针对一微博子网,从主题细分的角度对用户间历史交互记录进行研究,发现用户间交互的主题偏好特征,以期从微观层面了解用户信息传播行为的规律。[方法/过程]通过用户实例分析得出对用户间交互进行主题细分的必要性;利用主题模... 详细信息

[目的/意义]针对一微博子网,从主题细分的角度对用户间历史交互记录进行研究,发现用户间交互的主题偏好特征,以期从微观层面了解用户信息传播行为的规律。[方法/过程]通过用户实例分析得出对用户间交互进行主题细分的必要性;利用主题模型(LDA)对用户间历史交互记录进行主题细分,采用多维向量表示用户间在不同主题下的交互强度;通过统计分析和网络分析方法探索用户间交互的主题特征。[结果/结论]各主题下用户间交互强度的分布具有长尾特征;用户间的交互内容在时序上具有主题相关性;基于多维的用户间交互强度,可抽取出特定主题下的用户交互子网。用户间交互在时序上具有主题相关性这一特征,以及特定主题的用户交互子网,可用于对特定主题的信息传播进行监控和预测。

关键词：在线社交网络主题细分用户间交互时序相关性

在线全文

学校读者我要写书评

暂无评论

基于轨线模型和VQ模型的说话人识别研究

基于轨线模型和VQ模型的说话人识别研究

作者：俞成功浙江大学

学位级别：硕士

本论文主要的研究内容是基于轨线模型和VQ模型的说话人识别。说话人识别是根据人的声音来识别人的一种生物认证技术，其以独特的方便性、经济性和准确性等优势受到世人瞩目。轨线模型是近年来在语音识别中提出的新模型，它可以充分的挖... 详细信息

本论文主要的研究内容是基于轨线模型和VQ模型的说话人识别。说话人识别是根据人的声音来识别人的一种生物认证技术，其以独特的方便性、经济性和准确性等优势受到世人瞩目。轨线模型是近年来在语音识别中提出的新模型，它可以充分的挖掘连续语音帧之间的时序相关性;VQ模型是一个用语音信号特征的分布中心描述说话人的个性特征而没有描述语音信号特征时序性的模型。文章把轨线模型应用于说话人识别，同时对VQ模型的电码本训练算法进行了改进。作者对说话人识别系统的多个方面进行了研究，包括特征提取、建模、模式匹配和决策。在这些工作的基础上，做了下列几个方面的改进和研究： 1．段模型：连续语音帧之间的时序相关性往往包含了反应说话人个性的信息，目前主流特征只考虑到语音帧内(IntraFrame)的关系，而没有考虑到语音帧之间(InterFrame)的关系。语音信号本质上具有连续性，所以获取语音帧特征之间的时变特性，将对识别的性能带来提高。段模型的特性可以帮助我们获取语音帧间的信息。 2．参数化随机轨线模型：在说话人识别系统中，经常存在训练语料不足的问题。这种情况下仍然用GMM或者HMM进行文本无关的说话人识别，其效果很差。此时，文本相关的说话人识别是一个很好的选择。参数化随机轨线模型具有很强的挖掘连续语音帧之间的时序性的能力，实现其在文本相关的说话人识别中的应用，效果要好于GMM和HMM。 3．基于聚类有效性分析的VQ模型：VQ模型电码本的训练算法有一个弱点：电码本大小是人为指定的。本文借助聚类有效性分析，对常用的电码本训练算法进行了改进，其主要目的就是实现电码本大小的自动设定并提高说话人识别性能。

关键词：说话人识别轨线模型段模型参数化随机轨线模型时序性相关性时序相关性 VQ模型聚类聚类有效性分析

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于时空混合模型的空气质量预测研究

基于时空混合模型的空气质量预测研究

作者：郭庆华广西师范大学

学位级别：硕士

随着我国城市化进程的快速推进,城市人口、交通规模、能源消耗也在不断扩大,导致可吸入颗粒物、一氧化碳,二氧化硫、氮氧化物等空气污染物大量增加,造成严重的空气污染问题。雾霾、PM2.5浓度超标就是一个明显的特征。空气污染严重破坏... 详细信息

随着我国城市化进程的快速推进,城市人口、交通规模、能源消耗也在不断扩大,导致可吸入颗粒物、一氧化碳,二氧化硫、氮氧化物等空气污染物大量增加,造成严重的空气污染问题。雾霾、PM2.5浓度超标就是一个明显的特征。空气污染严重破坏生态环境,不仅对人们的日常生活、身心健康产生影响,而且对城市的投资环境、吸引人才、社会文化、经济发展等许多方面都有巨大的影响。减少空气污染对于城市的可持续发展有着重大的意义,已成为各国政府亟待解决的问题,并且引起大机构、大企业的关注,因而也成为研究人员、学者研究的热点。面对上述挑战,本文在前人研究的基础上,提出了一个改进型的基于时空混合模型的城市空气质量预测方法。具体研究内容如下:1.研究目标城市空气质量与该城市空气污染物及天气情况之间的时序依赖关系,并采用多元线性回归方法建立基于气象数据及空气质量历史数据时序相关性的空气质量预测模型。其中,空气污染物包括目标城市空气质量监测站点收集到的空气污染物浓度等数据,天气情况包括目标城市气象站记录的气象数据和天气预报等数据;2.研究目标城市周边环境对该城市空气质量的影响,即研究周边城市的空气污染物和天气情况与目标城市空气质量之间的空间相关性,并采用人工神经网络方法建立基于气象数据及空气质量历史数据空间相关性空气质量预测模型。其中,空气污染物数据包括周边城市空气质量监测站点收集到的空气污染物浓度等数据,气象数据包括周边城市气象站记录的气象数据和天气预报数据;3.采用基于历年空气质量月平均值及分段平均值的聚合方法整合前述两种独立空气质量预测结果,形成最终的时空混合空气质量预测模型;4.最后用北京市和深圳市的空气质量数据和气象数据来验证本文提出的模型。实验结果表明,本文提出的模型在空气质量预测准确率方面比前人的方法有较好的改善。本文有3个创新点:1.在建立基于时序空间关系的空气质量预测模型中,本文从一个新的视角考虑更大范围、更远久的空气质量历史数据之间的相关性。具体地说,本文提出空气污染物浓度分段平均值的概念,并把污染物浓度月平均值和分段平均值作为一个相关因素加到多元回归模型中。现有的基于时序空气质量预测方法中所用的数据通常是局部的(用过去几小时的数据预测未来空气质量),而本文提出的方法利用了过去一个月内一段时间的数据(分段平均值)和过去几年月平均数据,在预测过程中除了考虑空气质量变化的局部因素,还考虑了空气变化的中长期变化趋势。因此这种方法更有利于提高空气质量的预测准确率。2.在建立基于空间关系的空气质量预测模型中,本文考虑了在一个较大的区域内多传感器(空气质量监测站)数据在时空上不同步的因素,先解决不同步数据的时间对准问题,然后再训练模型。数据不同步对模型预测准确性有很大影响,一个明显的问题是,远离目标城市的空气污染在t时刻的数据不可能影响到目标城市t+1时刻(即t后延一小时的时间)的空气质量。例如,张家口离北京250km,如果吹4级西北风,风速为每小时25km,那么张家口的污染物经过10小时会到达北京。因此,在预测某时刻t北京空气质量时,可把张家口t-10时刻的污染物浓度看作是与北京空气质量相关的数据。换句话说,把有一定时间提前量的数据作为神经网络预测模型的输入,更能反空气映污染物的空间相关性。3.本文提出一个新的模型聚合方法,把基于时序多元回归预测模型结果、基于人工神经网络预测模型结果、历年空气质量月平均值及分段平均值聚合成一个新的预测结果,形成最终的时空混合空气质量预测模型。本文的贡献在于:1.在构建基于时序多元线性回归的预测模型中,扩展了历史数据的应用范围。原有方法“用过去几小时数据预测未来空气质量”,本文提出的分段平均值数据是从月初到当前时间的平均数据(监测站每小时报一次读数),月平均值是过去几年的月平均值数据。2.在建立基于空间关系的空气质量预测模型中,本文找到了一组具有更好空间相关性的数据作为神经网络模型的输入。即考虑了在一个较大的区域内多传感器(空气质量监测站)数据在时空上不同步的因素,先解决不同步数据的时间对准问题,然后再训练模型。3.提出一个新的模型聚合方法。原有的聚合方法是根据不同条件选择不同训练模型来做预测,本文的方法是把基于时序多元回归预测模型结果、基于人工神经网络预测模型结果、历年空气质量月平均值及分段平均值聚合成一个新的预测结果,形成最终的时空混合空气质量预测模型。这些都是本文的创新工作。

关键词：空气质量预测多元回归分析时序相关性空间相关性混合模型