检索结果-南通市图书馆

作者： Aizaz Ahmed 华北电力大学(北京)

学位级别：硕士

为了减少气候变化和全球变暖对环境的影响,可再生能源的使用正迅速增加。在过去的十年中,可再生能源生产出大量的电力。在主流可再生能源发展的历史中,光伏发电的发电量经历了巨大增长。由于政府和国际组织的政策变革,未来光伏系统的规... 详细信息

为了减少气候变化和全球变暖对环境的影响,可再生能源的使用正迅速增加。在过去的十年中,可再生能源生产出大量的电力。在主流可再生能源发展的历史中,光伏发电的发电量经历了巨大增长。由于政府和国际组织的政策变革,未来光伏系统的规模将会迅速扩大。然而,光伏发电的多变性会对电网系统的稳定性、可靠性和运行规划等问题产生负面影响。由于资源的间歇性特点,来自不同资源的可再生能源种类与其动态变化有关。为了应对未知且随机情况,有必要提高太阳能发电量的预测精度。在本文中使用深度学习模型中的长短期记忆(lstm)神经网络来预测光伏功率。在处理大数据时,本模型具有发展关系的能力并且能够处理长期依赖关系。本文的主要工作如下:第一,详细论述了对太阳能光伏发电量预测的概念,提出了基于不同时间、不同历史数据和不同技术的分类方法。此外,本文还介绍了太阳能预测与标准化性能度量的主要内容以及与电网稳定性相关的主要问题。第二,详细论述了 lstm模型的基本结构和工作原理及。此外,还介绍了用于光伏发电功率预测的人工神经网络(Ann)模型的工作原理。第三,对lstm-nn模型在光伏发电量预测中的预测结果进行了分析。具体来说,利用包含了基本气象参数的数据集对lstm模型进行训练,并给出了模型的计算结果。为了提高预测精度,还将采集的数据通过归一化和线性插值等手段进行预处理。本文还计算了预测结果的RMSE值进行误差分析。结果表明,lstm-nn在性能表现及预测精度上优于其他机器学习模型。

关键词：太阳能光伏(PV) 功率预测 lstm-nn模型均方根误差(RMSE)

来源：

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

基于自然驾驶数据的分心驾驶行为识别方法

引用

中国公路学报 2020年第9期33卷 225-235页

作者：孙剑张一豪王俊骅同济大学道路与交通工程教育部重点实验室上海201804 同济大学道路交通安全与环境教育部工程研究中心上海201804

大量证据表明,驾驶人分心是导致交通事故的主要原因之一。当前基于侵入式(如脑电波等)或半侵入式(如视频等)检测驾驶人分心的方法,不仅对驾驶任务造成一定干扰,且受多种环境因素的制约,误报率较高。基于此,只考虑非侵入式车辆运动特征,... 详细信息

大量证据表明,驾驶人分心是导致交通事故的主要原因之一。当前基于侵入式(如脑电波等)或半侵入式(如视频等)检测驾驶人分心的方法,不仅对驾驶任务造成一定干扰,且受多种环境因素的制约,误报率较高。基于此,只考虑非侵入式车辆运动特征,提出一种基于深度学习的驾驶人分心状态识别方法:首先,从自然驾驶数据集中获得大量的跟驰片段,采用态势感知方法,提取典型的分心驾驶片段,并建立仅包含车辆运动学特征的分心判别指标集;其次,利用梯度提升决策树-递归特征消除算法(GBDT-RFE)和随机森林-递归特征消除算法(RF-RFE)对特征进行重要度排序,得到重要度较高的分心监测指标;最后,采用长短时记忆神经网络(lstm-nn)实现分心驾驶的分类识别,并与支持向量机和AdaBoost的模型结果进行对比。研究结果表明:lstm-nn在判别分心或正常状态时F1分别为89%、91%,高于SVM和AdaBoost对应二分类结果;进行多分类任务时,判别分心情景的平均F1较SVM和AdaBoost分别提升了12%和7%,不同类别分心识别的误报率在15%以下,说明lstm-nn能够有效学习分心序列的前后信息,有利于准确估计驾驶人的状态。研究结果可为车辆分心预警系统和驾驶风险倾向性评估提供方法基础。

关键词：交通工程分心驾驶 lstm-nn模型自然驾驶数据车辆运动特征递归特征消除算法

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：