排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2.
准确的光伏电站输出功率预测对于电力系统的稳定安全运行具有重要的意义。为充分挖掘区域内多个电站间的时空信息特征,提高区域内电站功率的预测精度,提出了一种基于图卷积和长短期记忆网络(graph convolutional network-long short-term memory,GCN-LSTM)的光伏电站功率预测方法。该方法首先采用K均值聚类算法(K-means clustering algorithm, Kmeans)将区域内电站的总功率划分3种不同的天气类型;然后,为预测区域内总功率,构建了一个假想电站,并利用图卷积网络(graph convolutional network,GCN)提取电站间的动态空间相关信息特征;最后,将GCN挖掘的信息构成时间序列作为长短期记忆网络(long short-term memory network,LSTM)的输入,提取电站的时间信息特征,从而对区域内的光伏功率进行预测。结果表明,该方法可充分挖掘电站间的时空相关信息,可较为准确地对光伏电站输出功率进行预测,能够为保障电力系统的稳定安全运行提供一定参考价值。 相似文献
3.
良好的界面粘结性能是保证FRP筋与全珊瑚骨料海水混凝土结构能够共同工作并充分发挥各自优良性能的重要因素之一,因此通过拉拔试验研究了各类影响条件下二者之间的界面粘结性能.在上述试验研究的基础上,通过Abaqus有限元软件采用简化双线性模型建立了FRP筋与珊瑚骨料海水混凝土的粘结滑移模型,研究了FRP筋直径、粘结长度、珊瑚骨料海水混凝土强度和FRP筋种类对粘结性能的影响.通过比较数值模拟得到的理论值与试验得到的试验值发现,二者的一致性较高,因此采用简化双线性模型来分析FRP筋全珊瑚骨料海水混凝土结构的界面粘结性能具有一定的适用性.在研究各因素的影响后发现,增大界面粘结长度、筋材直径和珊瑚骨料海水混凝土强度均能提高结构的承载力,但较大的筋材直径易导致试件发生脆性破坏,并且高强度混凝土对于承载力的增强效果并不明显. 相似文献
1