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。     

一种基于Bagging算法的高斯过程集成建模方法

针对单一高斯过程在化工过程软测量建模中存在估计精度不高的问题,利用Bagging和高斯过程回归算法,提出一种基于Bagging算法的集成高斯过程软测量建模方法.该算法使用Bagging技术从训练样本集中选取若干子训练样本集,利用该若干子集形成多个高斯过程模型,并通过加权组合方式进行集成,得到最终的模型输出.将该方法应用...     

基于考虑误差修正的非线性自适应权重组合模型的光伏发电功率预测

为了提高光伏电站光伏发电功率预测精度,解决极限梯度提升模型、长短期记忆模型2种传统单一模型及传统组合模型极限梯度提升-长短期记忆模型的光伏发电功率预测结果滞后、预测效果易突变、预测误差较大、线性拟合性较差等不足,基于极限梯度提升算法、长短期记忆算法和线性自适应权重,提出一种考虑误差修正的非线性自适应权重极限梯度提升-长短期记忆模型进行光伏发电功率预测;分别使用极限梯度提升算法和长短期记忆算法训练得到2种单一模型,将2种单一模型的初步预测值和真实值组成新的训练数据集,利用神经网络算法训练所提出的模型,对2种单一模型的初步预测值分配自适应权重系数,并根据训练时所提出模型的预测值大小分段统计预测误差的分布,预测时根据所提出模型的预测值在预测结果的基础上累加误差均值从而进行误差修正,进一步提高所提出模型的预测精度;利用Python语言分别对所提出的模型、传统组合模型和2种传统单一模型在晴天、阴天和雨天的光伏发电功率预测性能进行仿真。结果表明：与极限梯度提升-长短期记忆模型、极限梯度提升模型、长短期记忆模型相比,所提出模型的均方根误差分别减小28.57%、 39.39%、 49.79%,平均绝对...     

新能源电力系统中的分布式光伏净负荷预测

为响应碳达峰、碳中和的需求,构建一套完整的源-网-荷-储的新能源电力系统,提出了一种基于Hamiltonian Monte Carlo推断深度高斯过程(HMCDGP)算法的分布式光伏净负荷预测模型.首先,分别使用直接预测和间接预测两种形式对预测模型的精度进行实验并得到点预测结果;其次,使用所提出的模型进行概率预测实...     

基坑位移时间序列预测的高斯过程方法

应用高斯过程理论,采用机器学习的方法,针对基坑工程中常规分析方法的预测结果与实测值出入较大的问题,提出一种基于高斯过程的基坑非线性位移时间序列预测的新方法.工程实例应用结果表明,该方法科学可行,具有很强的自学习、非线性动态处理的能力,预测精度高.     

基于改进布谷鸟搜索—高斯过程的橡胶配方预测研究

为提高橡胶产品的质量,根据实验设计数据,利用高斯过程回归构建橡胶产品性能与因素之间的配合过程模型,采用改进的布谷鸟搜索算法对高斯过程回归模型的超参数进行寻优,并预测橡胶产品性能。研究结果表明,该模型的预测结果有效,并能降低橡胶产品配方优化设计所需时间。     

基于高斯过程回归的车辆巡航系统学习预测控制

针对自动巡航系统中前车加速度预测问题,以及为满足人们对车辆安全性、舒适性和经济性要求,提出一种基于高斯过程回归的车辆自动巡航系统学习预测控制策略.先用高斯过程回归法对前车加速度做学习建模,再结合车间运动学模型定义车辆自动巡航系统预测模型.进而,通过在线滚动优化车辆自动巡航系统安全性、舒适性和经济性综合指标,建立车辆自动巡航系统学习预测控制器.最后,通过CarSim/Simulink联合仿真平台,将本方法的加减速典型驾驶工况与传统预测巡航控制策略下的驾驶工况对比验证.结果表明:与传统控制策略相比,本文方法更具有效性和优越性.     

基于高斯过程的点匹配方法

针对点匹配问题,在已知两个点集对应关系的情况下,通过高斯过程回归计算两个点集的空间几何变换模型.首先,给定高斯过程的协方差函数,通过对训练样本的学习计算协方差函数中的未知参数,得到后验的高斯过程.然后,根据后验的高斯过程预测测试样本的目标值,完成函数映射.该方法在空间几何变换模型的非线性映射能力与问题求解复杂度之间折衷,是一个基于训练样本的自动学习过程.仿真结果表明:该方法具有较好的非线性映射能力,并且只需较少的运算时间.     

基于高斯过程机器学习的冲击地压危险性预测

针对多种复杂影响因素条件下,如何有效预测冲击地压危险性这一类复杂的模式识别问题,提出一种基于高斯过程机器学习的冲击地压危险性预测新模型,通过对少量训练样本的学习,能很好地建立冲击地压危险性与其影响因素的非线性映射关系.算例结果表明,该模型科学可行、容易实现且预测精度高,具有良好的工程应用前景.     

太阳能光伏发电系统的计算机仿真与分析

借助LabVIEW软件平台,建立了太阳能光伏发电系统的模型,动态地模拟了真实太阳能光伏发电的过程,展示了太阳辐射强度的变化对太阳电池输出特性曲线的影响．建立了光伏发电最大功率跟踪模型,以家用光伏发电系统为例,进行了优化设计;并通过计算机仿真对系统作了检测评估,分析了影响光伏发电效率的因素．     

宇宙太阳能发电技术的应用和发展趋势

简要回顾了宇宙太阳能的发电技术在国际上的应用,基于我国国情和市场需求,指出了我国今后宇宙太阳能发电技术在市场中的应用和发展趋势。     

股票异常波动检测的自适应Gauss过程算法

基于Gauss过程机器学习算法, 通过分析股票样本的历史数据噪声问题, 给出相应的股票样本数据回归预测模型, 解决了股票异常数据的检测问题; 并用蚁群算法, 解决了Gauss过程机器学习算法的参数自适应问题. 实验结果表明, 该算法与其他算法相比, 可在保证近似准确性的基础上, 大幅度提高计算效率, 提升用户满意度.     

基于改进灰狼优化的开关磁阻风力发电最大功率点跟踪控制策略

以中小型开关磁阻风力发电机为研究对象,针对发电过程中,在不同风速条件下最大功率点跟踪控制快速性和准确性的需求,提出一种基于自适应加权灰狼优化PID算法的最大功率点跟踪控制策略。当外界风速发生变化时,根据实时风速计算出风力机最佳转速,其与实际转速的差值作为加权自适应灰狼优化PID控制算法的输入,作为转速闭环的PID控制参数,从而输出电压脉宽调制的最优占空比,实现变风速下的最大功率点跟踪控制。仿真结果表明,与传统PID控制相比,自适应加权灰狼优化PID算法能够在风速变化情况下,更加快速准确地实现最大功率点跟踪控制。     

基于 Copula 理论和高斯混合近似的半不变量研究

随着光伏可再生能源越来越多地并入电力系统, 传统的确定性潮流无法准确描述电力系统的实际运行状态。 为此, 提出了一种将半不变量法、 Copula 理论和高斯混合逼近法相结合的概率潮流分析方法。 该方法克服了现有的级数展开法无法逼近多峰概率分布的缺点, 考虑了输入总线功率的高斯型、 非高斯型和离散型概率分布的混合, 在不使用任何级数展开方法的情况下, 精确地得到了与这些相关输入的多模母线电压和线路功率流的概率分布。 同时, 考虑了多输入相关性, 在 IEEE14 和 IEEE57 节点系统中验证了该方法的性能。 实验结果表明, 该方法精确地建立了期望随机变量的多模态分布, 与 Gram-Charlier 法相比, 运行时间降低了 76% 。     

基于时间序列分段的风电机组调节速率估计

在大规模新能源快速发展和应用的背景下,电网频率波动加剧,而且高比例的可再生能源发电机组挤占常规调频机组,导致系统调频能力不足,迫切需要新能源机组参与电网快速频率控制.而与传统火电、水电机组相比,风电机组具有更强的调频能力.为评估风电机组的调节能力,提出一种基于时间序列分段的风电机组调节速率估计方法.首先,基于风电机组的...     

太阳能光伏电站场址选择问题的探讨

太阳能是环保、安全的可再生能源,伴随能源危机和环境污染问题的出现受到了越来越广泛的关注.基于太阳能发电的需求,全面认识太阳能光伏发电的原理和光伏发电系统的组成,把握影响光伏电站发电量的因素具有现实意义.结合云南省某光伏电站工程实例,探讨了太阳能光伏电站场址选择的相关技术问题,并对其进行了总结,为太阳能光伏发电场址选择提供借鉴.     

日前电力市场中确定发电计划曲线的一种新方法

目前，普遍采用等时间间隔发电计划曲线形成发电计划．然而，非等时间间隔的发电计划能自动跟踪负荷的变化趋势，同等时间间隔发电计划相比，它更适合于制定日前电力市场中确定发电计划．非等时间间隔的发电计划可分两步进行，根据预报的次日负荷曲线制定出包括发电时刻和该时刻的发电量的系统总发电计划曲线，它是非等时间间隔的；再到提前电能市场中拍卖总发电量，形成包括各个发电公司合同发电量的完整发电计划．重点研究了如何利用预报的次日负荷曲线确定出非等时间间隔的发电计划曲线，重点阐述了非等时间间隔发电计划曲线的确定原理、算法框图，并对应用中可能出现的问题进行了讨论，实例验证了这种方法的先进性和经济性。     

自适应多门限算法的MIMO-TDCS的设计与研究

针对已研究的多输入多输出变换域通信系统(Multiple-input Multiple-output Transform Domain Communication System,MIMO-TDCS)的基函数生成算法,利用了传统的二元判决方法不能准确反应信道质量差别的问题,提出了一种采用自适应多门限基函数生成算法的MIMO-TDCS系统。理论分析表明,此系统能够较好地克服传统二元判决算法不能充分体现各可用子信道质量差别的缺点,充分利用各可用子信道质量差别分配信号功率,提高了系统误码率性能。通过仿真分析,验证了此系统的可行性,以及此系统具有较强的抗干扰能力。