超高效液相-质谱联用法同时测定诃子果实不同部位的6种成分含量

主要介绍基于趋势分析的内蒙古电网风电功率超短期预测系统的设计与应用情况.本系统采用物理方法与统计方法相结合,基于数值天气预报数据的趋势分析,单个风电场基于历史数据、实时数据与未来的气象预报数据进行学习与预测,区域预测考虑整个区域空间分布的所有实时测风资料,进行空间相关分析.研究结果表明,该系统预测精度高,完全满足内蒙古电网调度要求.     

基于集成多尺度LSTM的短时风功率预测

风能作为一种无污染可再生能源,风力发电的比例在全球范围内逐年增加.针对风力发电存在出力波动大,从而导致电网电力不稳定的问题,提出基于集成多尺度长短时记忆网络(LSTM,long short-term memory)的短时风功率预测模型.利用LSTM对序列数据的特殊处理能力,集成多个基预测模型对不同尺度时间数据的预测结果,共同进行短时风功率预测.风功率的精确预测有利于电力资源的全面掌控和调度.采用中国东北地区风力发电真实数据集对模型进行验证,结果证实研究方法预测精度较高,有很好的稳定性.     

基于POI信息挖掘的网格空间负荷预测方法

空间负荷预测是配电网网格化规划的基础，互联网的发展使得将大数据技术应用于空间负荷预测成为了可能，本研究基于开源大数据，提出一种基于POI信息挖掘的网格空间负荷预测方法.首先基于python编程语言调用网络地图平台的API接口，获取开源的用户数据并利用射线法及正则匹配法进行信息挖掘，从而得到用于网格空间负荷预测的基础数据.其次参考配电网规划标准，建立规划区用地指标体系，并对基础数据进行归一化处理以反映各个网格的负荷分布情况.接着基于规划区具体情况，综合三种传统总量负荷预测方法进行总量负荷预测.最后结合总量负荷预测结果与负荷分布情况，基于总量负荷预测结果与网格负荷归一化占比分配总量负荷指标进行网格空间负荷预测，并拟合负荷发展特性曲线对预测结果进行验证.根据规划区实际情况应用本文中所述方法，可为配电网网格化规划提供依据.最后结合实际区域验证了所述方法的实用性.     

基于障碍物可达区域预测的机器人实时避障算法

针对复杂环境下的机器人路径规划与自主避障问题,提出了基于动态障碍物可达区域预测的实时避障算法.对静态障碍物进行描述和建模,建立动态障碍物状态更新预测方程,实现对动态障碍物质心可达区域的预测.分别面向动态、静态障碍物提出基于可达区域预测的多步椭圆包络势场和基于新型Sigmoid函数的势场,修正目标的对数Lyapunov引力场,给出多类型障碍物空间下的机器人实时避障算法.数值仿真和实验结果表明,与传统方法相比实时避障算法可使机器人避障过程中的路径长度更短、安全性更高及最大行驶角变化幅值更小.     

区域城镇化水平预测一种方法的讨论——基于晋城市的个案

城镇化水平预测是城镇体系规划的核心内容之一,城镇化水平预测方法是历来研究重点之一.论文立足于寻求数据的连续性和准确性,对影响城镇化水平预测的历史数据的选择、数据时间段选取,预测空间单元界定和参照区域单元选取等进行充分讨论.综合运用时间回归和空间回归方法,将非农人口的连续性和2000年我国"五普"城镇人口的准确性结合起来,实现城镇化水平的预测的准确性.最后,基于晋城市个案分析做出尝试.     

非线性映射的气象数据可视化及其应用

为解决传统基于2.5维面的数据分析手段单一,未充分结合地理环境信息,难以快速实时获得任意区域气象变化规律的问题,提出非线性数据映射的2.5维面可视化方法,经过坐标转换应用至球面并利用GPU进行快速绘制;从区域和时域两方面进行全球气象数据可视分析:通过用户交互提取任意区域信息,定量展示分析结果并进行反馈;引入时间维展现选定区域气象数据变化趋势,并用不同表现形式进行统计分析。实验表明,本文可视化效果及可视分析方法能直观清晰地表达和分析气象数据的时间和空间关系,直观的视觉效果、实时交互的手段有助于气象预测和数据分析。     

生成对抗网络在风电功率预测中的应用

针对极端气象条件所产生的异常数据使得预测结果在极端气象情况下存在预测精度低和异常识别错误等问题,提出一种基于对抗生成式网络的风电功率预测方法.该方法基于联合分布KL散度,分析并明确正常数据与异常数据的联合分布,经过不同模式下的对抗训练,生成风电功率数据集,实现多种气象条件下风电功率预测.研究结果表明:本文所采用的对抗生...     

基于云计算和改进极限学习机的电网负荷预测

随着智能电网和通信技术的迅速发展,电网系统采集的用户数据规模呈指数增长,传统电网负荷预测方法难以满足海量负荷数据情形下的高效分析和计算需求。据此,依托电力系统数据采集云平台,提出一种基于云计算和改进极限学习机的电网负荷预测模型,采用Map-Reduce网络架构,部署于Hadoop平台,利用分布式计算方式进行电网负荷的精准建模和预测分析。结果表明,相比已有方法,本研究方法具有负荷预测精度高、运行速度快的优势,可为后续智能电网系统建设及管理运用提供一种新颖的解决思路。     

双重多通道电能量实时数据自动采集系统

对电网商业化运营环境下基于电力市场多层次网络的电能量实时数据自动采集的理论、方法和具体实施规则进行了研究,提出一种构成双重电能量数据采集的新方法,并建立一个基于这种双重数据采集新方法的电能量实时自动采集系统.仿真结果显示该系统在电能量数据采集过程中,主表与校核表同时使用可以提高电力市场运营数据的准确性、可靠性、实时性和稳定性.     

“人工智能+”时代下的智能电网预测分析

智能电网预测分析是保证智能电网经济、安全运行的基础.借助人工智能的突破性技术以及智能电网的大数据环境,实现基于人工智能的智能电网预测分析对电力系统发展具有重大意义,为此提出了"人工智能+"预测.首先介绍了人工智能与智能电网预测分析的背景及所涉及的问题;然后根据应用的不同侧重点,展开人工智能在新能源预测、负荷预测、静态电压稳定预测及其相关预防性措施三个方面的研究综述及研究展望,并对预测中所涉及的其他相关技术(数据样本产生、不平衡样本、特征提取)进行了总结;最后对人工智能局限性及发展进行了讨论,并提出了一些建议与设想.     

一种考虑时空分布特性的区域风电功率预测方法

为了有效解决风电场数据丢失时直接相加法无法进行区域风电功率预测的问题,提出了一种考虑时空分布特性的区域风电功率预测方法.为降低模型的复杂性,根据风电场及风能信息对子区域进行具体分析.在此基础上,利用相关系数法,选择风电场出力与子区域出力间相关系数绝对值大的风场为基准风电场.以所选基准风电场预测功率为输入,利用神经网络方法,直接预测各子区域功率,整个区域预测结果为各子区域预测值之和.算例结果表明:利用相关系数法选择基准风电场无需大量历史数据支撑,原理简单易于实现;模型与风电场所采用的预测系统无关,易于工程推广应用;模型无需考虑非基准风电场功率预测情况,成本更低、效益更高;采用该模型后子区域预测误差比直接相加的方法降低了5％,整个区域预测误差仅为20.8％.     

基于实测数据分析的风电功率预测

由于风力发电所利用的近地风能具有波动性、间歇性、低能量密度等特点,对风电场的发电功率进行尽可能准确的预测是风电发展的关键.本文根据某风场的实测数据,采用了时间序列中的自回归移动平均模型(ARMA),对风电功率进行了实时预测;为进一步提高风电功率实时预测的精确性,本文提出了一种基于BP神经网络和ARMA组合模型的预测方法,并对上述实测数据采用该方法进行了实时预测.预测结果表明:组合模型的预测结果与单独的自回归移动平均模型相比,风电功率的实时预测的均方根误差和百分比误差分别减少了4.01%和3.25%,工程中可以采用该组合模型对风电功率进行预测.     

基于GPS轨迹数据的混合多步Markov位置预测

随着移动设备和定位技术的广泛应用,基于位置服务成为研究热点,位置预测是其重要研究内容.基于GPS轨迹数据,对位置预测方法进行研究.Markov模型可以较好地表示时序数据,因此可较好地用于位置建模和预测.在基于Markov建模的位置预测中,1阶Markov模型存在轨迹信息利用不充分、预测准确率低的问题;而多阶Markov模型存在状态空间急剧膨胀的问题.针对这些问题,提出了基于混合多步Markov模型的位置预测方法,在将原始GPS轨迹转化为区域轨迹的基础上,对各多步模型进行融合,提出了基于Adaboost框架的各多步模型影响系数的生成方法,在保证状态空间不变的情况下提高了预测准确性.真实数据集上的实验验证了所提位置预测方法的有效性.     

城市道路网络动态OD矩阵预测模型

实时动态OD(Origin Destination)矩阵是动态交通分配系统的重要输入. 运用状态空间模型的有关概念,考虑交叉口进口道观测数据建立了相应的状态空间模型,提出了一步预测卡尔曼滤波方程实现估计和预测. 案例研究表明,将交叉口观测数据纳入测量方程能更好地对OD矩阵做出较精确的估计和预测,且基于仿真的分配矩阵估计方法能更准确地反映OD流量在检测设施上的比例分配.     

特征房价空间分析及连续型深度置信网络预测

以上海为研究区域,利用数据爬虫手段搜集、整理上海市二手房交易数据,通过空间自相关分析二手房交易价格的空间效应,并使用连续型深度置信网络对二手房交易价格进行分析预测.研究结果表明:上海市二手房交易价格在空间上具有显著的自相关效应,在上海市核心区域存在高-高集聚效应,在周边区域呈现低-低集聚效应,而在核心与周边交界地区存在高-低集聚和低-高集聚的负向空间效应;特征变量对价格偏高区域的二手房交易价格解释力度较小;除中心区域外,基于连续型深度置信网络的特征变量对上海市二手房交易价格预测能力良好.     

基于改进闭环子空间辨识的电动轮汽车纵向力估计

为实现电动轮汽车轮胎纵向力的控制与协调分配,提出了基于改进闭环子空间辨识的电动轮汽车纵向力估计方法.分析了电动轮汽车电驱动系统特性,在此基础上提出了用于辨识的纵向力估计模型.进行底盘测功机道路模拟试验并采集数据.模型输入与噪声相关时,子空间N4SID(numerical algorithm for subspace identification)辨识算法是有偏的,针对这一问题,研究了一种改进闭环子空间辨识算法.结果表明:对比子空间N4SID辨识算法,改进闭环子空间辨识算法辨识出的模型具有更好的抗干扰性,纵向力估计精度更高,实时跟踪效果更好,满足基于数据驱动的驱动力模型预测控制的需求.     

基于粒子群优化的SVR风电功率超短期预测

建立了风电功率预测系统并提高其预测精度和预测速度.分析影响风机出力的主要因素并结合风电场实测风速数据和环境参数,提出了一种基于粒子群优化的SVR风电功率超短期预测模型,该模型可以有效地优化支持向量回归机(SVR)的主要参数.通过与遗传算法优化的预测模型(GA-SVR)进行比较,发现该预测模型在超短期风电功率预测上有较高的预测精度和运算速度.     

基于操作风险分析与控制的电网多时态分析技术

多时态分析主要包括基于未来态的电网分析及当前态的电网监视。当前态监视对实时监测数据进行初步的整理和分析,通过对实时监测数据进行分析和校验,提炼反映电网运行裕度和可靠性的更充分的信息。未来态分析技术是电网调度安全智能预控系统的基础之一,其本质是结合未来某时间段的电网负荷预测情况、拓扑变化情况,通过安全分析后的结果,实现对电网未来状态的监视。研究了该技术在调度操作风险分析中的应用,系统应用结果表明,多时态分析技术能准确反映电网未来运行状态,及时找到系统运行及操作方案的薄弱点并提醒调度员加以控制。     

基于数据挖掘的煤矿电网综合管理系统的研究

针对传统的煤矿电网不能及时获取足够的井下信息,对存在的安全隐患无法预警,容易发生故障的问题,基于对数据挖掘技术的分析,提出了一种基于数据挖掘的煤矿电网管理模型的设计方案.该模型应用Vxworks嵌入式软件、工控组态软件和实时数据库技术,设计一种高效率煤矿电网运行的综合管理系统,系统结合数据仓库技术,采用分类、聚类、关联、时序搜索等多种挖掘模式,对多方面的数据进行分析、建模,达到预测报警的目的.解决了许多困扰煤矿生产现场多年的井下供电监控技术难点与安全运行中的重大隐患问题,增强了矿井的抗灾和安全生产能力,具有一定的应用推广价值.     

基于时空特征提取的城市轨道交通乘客出行目的地预测

为满足城市轨道交通运营组织进行客流管控和行车调度的实时需求,提出了基于乘客OD时空特征的出行目的地在线预测方法。通过分析定义乘客OD时空特征矩阵,以乘客个体的历史自动售检票系统（AFC）数据为训练样本,提出了基于行程密度聚类的乘客OD时空特征提取方法。分析制定乘客实时进站刷卡信息与其OD时空特征矩阵的匹配规则,基于3种匹配情况分别提出了相应的目的地实时预测方法。以南京市轨道交通AFC数据为实例进行验证,结果表明本文提出的预测方法在高峰时段预测准确率、全天预测稳定性等方面效果良好,可为地铁运营组织提供参考。