用于分布式识别的语音参数的提取和性能分析

主要研究用于分布式语音识别(DSR)的语音参数的提取方法以及参数性能分析。以前所用到的语音参数大部分是LPC倒谱参数,但其抗噪声性能较差。文中主要讨论了MEL倒谱参数,并在移动通信环境下,比较了两者的性能。     

户式中央空调设计与分析——探讨武汉某汽车展厅空调设计

使用户式中央空调设备也需要正确的计算和设计。文中介绍了汽车展厅的负荷计算与系统划分，采用麦克维尔家用中央空调风管机，设计了一套灵活的空调系统与排风系统，并较全面地比较了户式空调与传统中央空调的不同之处，供相关工程及设计人员参考。     

新疆北塔山天然草地营养类型的初步研究

通过对新疆北塔山天然草地实地考察，采集混合草群样品，经化学分析，按照全国统一标准和方法，对北塔山天然草地进行了营养类型划分，阐述了各营养类型草地自然、经济特征，并对各营养类型草地的营养特点、饲用价值和适宜放牧家畜配置等进行了分析评价。     

中间件技术在电信综合业务管理系统中的应用

简要介绍电信综合业务计算机管理系统TSIS的一些情况，着重讨论了用中间件技术开发分布式事务处理系统的方法，并提供了用中间件实现分布式事务处理系统的关键技术。     

多支路型光伏并网逆变器的应用研究

多支路型光伏并网逆变器可对每条支路的光伏阵列单独进行最大功率跟踪,有效解决了支路间功率失配问题,非常适用于城市中与建筑结合的并网光伏发电系统.本文介绍了多支路光伏并网逆变器的基本原理,对最大功率跟踪、反孤岛保护以及并网控制策略等关键技术进行了分析,并探讨了其应用前景.     

Distributed and Parallel Component Library

Software component library is the essential part of reuse-based software development. It is shown that making use of a single component library to store all kinds of components and from which components are searched is very inefficient. We construct multi-libraries to support software reuse and use PVM as development environments to imitate Iargescale computer, which is expected to fulfill distributed storage and parallel search of components efficiently and improve software reuse.     

Windows环境下光伏水泵报价系统的实现

该文介绍了在Ｗｉｎｄｏｗｅ３．１环境下．利用ＭｉｃｒｏｓｏｆｔＣ（＋＋）及其基本类库（ＭＦＣ）开发光伏水泵报价系统的方法。该方法采用了面向对象技术，使软件具备可重用性。同时，ＭＦＣ类库的使用使复杂的Ｗｉｎ－ｄｏｗｓ应用程序的编程接口变得更容易。该方法对其它工程报价问题也具借鉴意义。     

基于差异化绿色电力交易需求的省级绿色电力市场绩效评价

绿色电力作为环境友好型能源在近年来得到了广泛的应用,为探索省级电力市场绿色电力交易成效,首先通过梳理国外绿色电力市场机制和交易组织情况,并对比分析国内国网区域和南网区域的绿色电力交易现状,总结出国内各网省绿色电力交易的开展情况和规则特点。然后从分布式绿色电力参与市场交易、绿色电力偏差调整和绿色电力曲线形成三个方面,进行了差异化绿色电力交易需求分析与实践探索。最后针对性构建省级绿色电力交易的绩效评价指标体系,并进行实例分析,为省级电力市场绿色电力交易方法和市场评价提供参考方案。     

光伏模组积灰与阴影特性分析及识别方法

针对光伏模组积灰与阴影特性识别问题,详细分析了积灰和阴影的光伏特性曲线差异,揭示了阴影光伏曲线的拐点时变特性。提出由特性曲线的拐点数量及电流电压特性条件共同构成训练模型的输入特征量,基于CatBoost算法训练积灰和阴影识别模型。最后,利用光伏模组实测数据对CatBoost算法、ID3和GA-BP算法训练出的识别模型进行性能分析和对比测试,结果表明基于CatBoost训练出的识别模型输入量区分性强、诊断精度高,极具工程应用价值。     

基于新型相似日选取和VMD-NGO-BiGRU的短期光伏功率预测

光伏功率预测在现代电力系统调度和运行中起着重要作用.针对光伏发电功率的多变性和复杂性,提出了一种基于新型相似日选取和北方苍鹰算法（Northern Goshawk Optimization, NGO）优化双向门控循环单元（Bidirectional Gated Recurrent Unit, BiGRU）的短期光伏功率预测方法.首先,利用斯皮尔曼相关系数选取主要气象因子,通过变分模态分解（Variational Mode Decomposition, VMD）将原始光伏功率和最大气象因子分解重构为一系列子信号.其次,通过构建新的评价指标筛选出相似日数据集,利用一组BiGRU建立以相似日子信号为网络输入的深度学习模型,并利用NGO对每个BiGRU网络的超参数进行有效优化.最后,对各子信号的预测结果进行综合,得到最终的光伏功率预测值.仿真结果表明,所提混合深度学习方法在预测精度和计算效率方面均优于其他方法.