基于LSTM与XGBoost组合模型电价预测

为准确预测电力市场中的短期电价,提出了基于LSTM和XGBoost的组合预测模型。为了验证LSTM-XGBoost模型的有效性,该文先选用法国电力市场2019年1月1日至2020年12月31日的电价数据为训练集训练模型,对2021年1月1日不同模型预测的结果与实际电价值进行对比,得到LSTM-XGBoost以RMSE为0.74的误差率低于BP、LSTM、XGBoost的3.80、1.25、0.88,然后将算法应用到美国PJM电力市场,结果表明本文提出的LSTM-XGBoost组合预测模型MAPE平均值为1.83%,明显低于单一预测模型,也显著低于GRU-XGBoost组合模型,表明并非所有模型单一组合都能有效提高预测精度,该文提出的LSTM-XGBoost组合模型有效提升了短期电价的预测精度,且具有很强的普适性,可应用于电力市场短期电价预测,为市场参与者和监管机构提供有力决策依据。     

基于ARIMA-LSTM-XGBoost组合模型的铁路货运量预测

为提升铁路货运量预测精度和泛化能力,综合考虑铁路货运量时间序列数据的线性和非线性特征,提出了基于ARIMA-LSTM-XGBoost组合模型的铁路货运量预测方法。首先使用ARIMA模型对我国铁路货运量进行初步预测,再利用LSTM网络对残差进行校正,并将其与XGBoost模型结合,采用误差倒数法确定权重,构建一种加权组合模型。最后将组合模型与ARIMA、ARIMA-LSTM、LSTM、XGBoost模型进行对比,借助均方误差(MSE)、均方根误差(RMSE)、平均绝对值误差(MAE)、平均绝对百分比误差(MAPE)对上述模型的预测精度进行对比分析。使用2007年-2021年全国铁路货运量月度数据进行实验,实验结果表明：组合模型的MSE、RMSE、MAE、MAPE分别为0.011 9、0.109 4、0.068 3、1.775 2%,预测误差均低于上述对比模型,模型的预测精度和泛化能力都有所提升。     

BP模型在强度预测中的应用

在分析普通混凝土强度影响因素基础上，选取混凝土配料中7个因素作为输入值，混凝土28d强度作为输出值建立了混凝土强度预测的BP网络模型；讨论模型的学习样本、网络参数对预测精度的影响，从而选出最佳网络参数配置，并提高模型预测精度。     

基于LSTM-RBF的水路货运量预测

水路运输是交通和货运的重要组成部分,水路货运量的预测对各地经济发展有重要意义。近年来随着经济形势的变化和多式联运的快速发展,水路货运量的数据波动加大,精准预测的难度变得更大。因此提出一种基于长短期记忆网络（Long Short-Term Memory,LSTM）和径向基神经网络（Radial basis function,RBF）的组合预测模型 。在LSTM-RBF预测模型中,第一阶段通过LSTM对各指标进行精准预测,减少指标值误差对目标值预测带来的影响;第二阶段训练RBF神经网络并在未来指标值的基础上对目标值（水路货运量）进行预测。该模型既避免了时间序列预测仅考虑单一影响因素的缺陷,又能够把LSTM的长时记忆优势带入到RBF的回归预测中。实验结果表明,LSTM-RBF预测模型在均方根误差和拟合度方面,均优于其他对比模型,该预测模型对水路货运量的预测有着较高的准确度。     

基于辐照量的光伏电站系统效率非稳态计算方法

基于实测数据,系统分析了日辐照量对光伏阵列转换效率、逆变器效率、光伏电站系统效率的影响,结合光伏电站结构分析了影响光伏电站系统效率的因素,建立了光伏阵列转换效率、逆变器效率与日辐照量之间的非线性模型,提出了一种基于辐照量的光伏电站系统效率的非稳态估算方法。结果表明：光伏阵列转换效率、逆变器效率随日辐照量的波动导致了光伏电站系统效率随日辐照量变化。该方法可用于计算电站的月或年总发电量,能够更加准确地计算出目标电站的系统效率并预测电站发电量,在光伏电站的效率分析、运营评估等工程方面有着良好的应用前景。     

基于深度学习和小波分析的 LSTM-Wavelet 模型股价预测

针对股价数据具有高噪声、非线性和非平稳性等特征,使得股价精确预测非常困难的问题,提出小波-长短 记忆网络(LSTM-Wavelet)模型应用于股价预测。 首先,利用小波(Wavelet)分解降低金融时间序列的不稳定性,并 分析小波系数的细节特征;接着,发挥长短记忆网络(LSTM)模型的优势,深层挖掘小波系数中的长期依赖关系,对 分解后的各层小波系数分别建模预测;最后进行预测小波系数的数据重构。 使用中石油近两年的股价数据进行实 证分析,以每个交易日的开盘价、最高价、最低价、交易量为特征输入,预测当日中石油的收盘价。 结果表明:相较 于标准 LSTM 模型和小波- ARIMA (ARIMA-Wavelet)模型,提出的 LSTM-Wavelet 模型有更好的预测效果; 通过 小波分析将复杂股票数据,分解为长短记忆网络(LSTM)容易识别的小波系数,根据各层小波系数不同的数据特征 进行分层预测,提高了预测精度。     

基于Barton-Bandis非线性破坏准则的岩体强度预测

为了采用Barton-Bandis模型描述岩体特征,并将其参数应用于数值计算中,探讨Barton-Bandis参数到Mohr-Coulomb准则参数的转换,研究Barton-Bandis参数对Mohr-Coulomb参数的影响.研究结果表明:Barton-Bandis参数到Mohr-Coulomb准则参数的转换方法方便有效;随着节理粗糙系数JRC和节理压缩强度JCS的增大,Mohr-Coulomb参数粘结力c和内摩擦角φ均呈现非线性增大,可通过指数方程对其关系进行拟合;JRC的变化对粘结力的影响大于其对内摩擦角的影响;JRC对岩体剪切强度的影响大于JCS对岩体剪切强度的影响.     

基于LSTM-XGboost组合的超短期风电功率预测方法

受数值天气预报信息影响,风电功率变化具有较强的随机波动性,传统单一预测模型精度较低,难以满足现实预测需求。为此,提出基于LSTM-XGboost组合的超短期风电功率预测方法。首先,基于风电场的气象数据,采用皮尔逊相关系数法筛选与风电功率强相关的气象数据,建立风电功率预测模型数据集;然后,将归一化处理的数据集作为LSTM(long short-term memory)和XGboost (extreme gradient boosting)的模型输入,分别构建LSTM和XGboost的超短期风电预测模型,在此基础上,采用误差倒数法对LSTM和XGboost的预测数据进行加权构建组合预测模型;最后,以张家口某示范工程风电场实际运行数据验证组合模型的有效性。结果表明,相较于其他4种单一预测模型,组合模型具有更高的预测精度。     

基于组合模型的交通流量预测方法

随着智能交通系统的蓬勃发展,交通控制和交通流诱导成为智能交通系统(ITS)研究的热门问题,而实现交通控制诱导的关键问题是实时准确的短时交通流量预测,预测的精度直接影响交通控制和诱导的效果.为此,提出基于组合模型的交通流量预测方法,该方法将历史趋势模型和多元回归模型加权组合以建立组合预测模型,并利用加权平均的方法,对较精确的预测值赋予较大的权重,从而提高模型预测的精度.通过对2009年上海城市交通流量预测结果的分析,证明该方法可提高预测准确度.     

基于高斯混合模型的光伏发电功率概率区间预测

随着世界经济的绿色发展,大力发展可再生能源逐渐成为共识。可再生能源中太阳能的开发利用已成为当前能源转型中的重要领域,并在很多科技发达国家得到了较广泛的应用。高精度的光伏发电功率预测对电力系统的优化调度、安全运行十分重要。由于光照强度和能见度等会影响太阳能发电量的随机性,提出一种基于高斯混合模型的光伏发电功率概率区间预测方法,通过利用K-means算法将光伏发电历史数据按天气进行划分,以划分后的预测误差为统计样本,采用高斯混合模型进行拟合并使用期望最大化算法估计模型参数,通过计算指定置信水平下的置信区间进行光伏发电功率概率区间预测。仿真结果表明所提方法在进行光伏发电功率区间预测时的性能评价指标均优于典型单一分布模型,证明了所提方法的准确性和适用性。     

基于分层代价地图的光伏电站清扫机器人导航方法

为更好地解决光伏电站清扫机器人工作时因缺少有效边界检测导致的跌落问题,并满足全覆盖清扫工作的需求,提出一种基于分层代价地图的导航方法.在传统分层代价地图的图层上,根据对光伏电站清扫机器人工作环境的分析,增加光伏阵列边界图层,建立清扫区域,使机器人工作空间约束在光伏阵列内;采用弓字形清扫路径和多点巡航清扫策略相结合的导航...     

Vapor online monitor model of vapor power station based on UML

We presents a vapor online monitor system model of vapor power station developed by visual tool rational rose 2000. Use cases such as on line instrument (onlineinstr), control, query, report, real database (realdb) and alarm are generated according to the system requirements. Use case view and class view of the system are formed at the same time. As for all the UML models of the system, this paper focuses the discussion on the class view, the component diagram of the control class and the sequence diagram of the query class. Corresponding C++ codes are produced and finally transferred into the spot running software. Foundation item: Supported by the Scientific Item of National Power Company (No. SPKJ016-017). Biography: Jin Ye (1965-), male, Ph. D candidate, research interests: computer applied technology.     

面向光伏电站识别的深度实例分割方法

针对遥感图像上光伏电站边界精细提取的难点,在传统分割网络上添加逐像素的类别信息约束,提出一种融合逐像素置信度模块的两分支深度实例分割网络. 该网络通过4个损失结构和2个分支结构来实现,纵向上保证了网络每一层的语义信息,横向上保证了目标检测分支和分割分支的信息共享,提升了网络对于光伏电站边界的识别能力. 采用国产GF-1数据进行新疆光伏电站提取实验,结果表明,当召回率为89.5%时,基于该方法进行光伏电站检测的准确率达到83.4%. 该方法可为新疆光伏电站动态监测提供支撑.     

面向光伏电站识别的深度实例分割方法

针对遥感图像上光伏电站边界精细提取的难点,在传统分割网络上添加逐像素的类别信息约束,提出了一种融合逐像素置信度模块的两分支深度实例分割网络。该网络通过四个损失结构和两个分支结构来实现,纵向上保证了网络每一层的语义信息,横向上保证了目标检测分支和分割分支的信息共享,提升了网络对于光伏电站边界的识别能力。采用国产GF-1数据进行新疆光伏电站提取实验,结果表明基于该方法进行光伏电站检测的准确率在召回率为89.5%的情况下达到83.4%,该方法可以为新疆光伏电站动态监测提供支撑。     

用于光伏并网的组合级联式功率转换系统复合功率控制策略研究

根据光伏电站并网要求,分析了HC-PCS拓扑结构及特点,提出HC-PCS对光伏电站有功与无功综合补偿的复合功率控制策略.该复合控制策略兼顾光伏电站的有功平滑和电压稳定需求来确定HC-PCS的输出电流参考值,对HC-PCS输出有功与无功补偿进行协调控制,同时附加变化率控制,充分利用其快速功率调节特性,并且对电池充放电进行保护.对所提出的控制策略进行了仿真验证,结果表明,基于电池储能的HC-PCS可有效改善光伏电站并网特性,有助于提高光伏电站的低电压穿越能力,并对电网提供一定的动态无功支撑.     

不同时间尺度下大型光伏电站自动功率控制算法研究

当前大型光伏电站自动功率控制算法没有针对不同时间尺度进行相应的功率控制,且易受到光照的影响,导致功率控制效果不佳,稳定性较差。为此,提出一种新的不同时间尺度下大型光伏电站自动功率控制算法,给出大型光伏电站功率分层控制系统结构。在用电量相对较高的时间尺度下,采用平均分配算法对大型光伏电站功率进行自动控制;在用电量相对较低的时间尺度下,采用关停光伏逆变器技术和开启光伏逆变器技术对大型光伏电站功率进行控制。在保证大型光伏电站功率平稳过渡的情况下,给出关停逆变器技术的实现过程。当光伏阵列中的某一阵列接收到的发电功率目标值呈上升趋势时,开启逆变器。实验结果表明,所提算法不仅控制效果佳,而且稳定性高,不易受到光照的影响。     

考虑光伏机理与数据驱动结合的短期功率预测

精确的光伏功率预测对电网的可靠与稳定运行至关重要。现有研究大多数都是将天气条件直接作为数据驱动的输入,未深入分析天气条件与光伏输出功率直接耦合关系,因此本文将机理模型与数据驱动方法相结合,提出一种新型的光伏功率预测方法。首先,建立光伏系统物理模型,依据建立的物理模型得到不同的辐照度分量以及光伏电池温度。其次,将这些关键的天气特征重新构建数据驱动的输入,实现光伏机理与数据驱动结合的短期功率预测。最后,进行误差修正然后得到最终的光伏功率预测结果。根据光伏系统实测数据集进行仿真分析,结果表明因为从物理模型得到了关键天气特征,考虑了天气条件与天气因素的耦合关系,预测精度有了明显提升,验证了所提方法的有效性。     

基于MATLAB的电站优化设计

建立了一种切实可行的数学模型,通过对模型的分析最终得出了符合设计要求的最优方案,即利用最小二乘法达到实时调节各电站的出力,并且利用MATLAB强大的编程和计算能力对模型进行推广.     

基于幂律方程的致密油藏产能预测模型研究

选取鄂尔多斯盆地长7致密储层岩心,通过实验测定了致密岩心的渗流曲线,提出采用幂律方程及拟线性模型的复合渗流模型描述致密油藏渗流特征,建立了符合致密油藏的产能预测新模型,并进行了参数敏感性分析。结果表明：新模型预测的产能比拟启动压力梯度模型预测的产能偏高,井底流压越大越明显;达西线性流模型预测的产能比新模型预测的产能偏高,井底流压越小越明显。在同一井底流压下,产能随平衡系数的增大而增大,随幂律指数的增大而减小。