基于CNN-LSTM-lightGBM组合的超短期风电功率预测方法

近年来,风电装机规模逐年增加,风电数据采集量呈现规模化增长,面对海量多维、强波动的风电数据,风电功率预测精度仍面临一定的挑战。为提高风电功率预测精度,提出了基于卷积神经网络(convolutional neural networks, CNN)-长短期记忆网络(long short-term memory, LSTM)和梯度提升学习(light gradient boosting machine, lightGBM)组合的超短期风电功率预测方法。首先,分别建立CNN-LSTM和lightGBM的风电功率超短期预测模型。其中,CNN-LSTM模型采用CNN对风电数据集进行特征处理,并将其作为LSTM模型的数据输入,从而建立CNN-LSTM融合的预测模型;然后,采用误差倒数法对CNN-LSTM和lightGBM的预测数据进行加权组合,建立CNN-LSTM-lightGBM组合的预测模型;最后,采用张北曹碾沟风电场的风电数据集,以未来4 h风电功率为预测目标,验证了组合模型的有效性。预测结果表明：相较于其他3种单一模型,组合模型具有更高的预测精度。     

井下避难硐室压风供氧分布规律研究

为实现避难硐室内良好生存环境,提高人员生存环境质量,并为今后避难硐室的设计提供指导性依据,基于数值模拟软件FLUENT仿真平台,以压风供氧方式下的避难硐室生存区为研究对象,对主要扰动源进行分析,建立两种压风供氧管路方案下的避难硐室三维模型.通过控制方程组、RNG k--ε湍流模型、有限容积离散方法和SIMPLE算法相结合的方式,实现避难硐室空气分布可视化.得出在压风供氧下,以九个布气孔弥散式均匀布气的管道布置及尺寸设计最优方案,以及硐室内氧气和二氧化碳体积分数的主要分布规律.通过现场载人试验验证了数值模拟的可靠性.     

南京电视塔风振主动控制的实施方案研究

简要介绍了南京电视塔风振控制工程的现场条件，并根据实际情况论证了南京电视塔风振控制的工程可行性，通过化整为零的办法解决了现场场地和运输通道狭小的问题，通过将附加质量做成圆环形，并以3个作动器与塔简相连，解决了圆形结构控制力和控制位移实施的困难，证明了方案的可行性，文中还对工程中其他设备的设计，布置及安装也作了简要的阐述。     

地面气象测报业务软件瑕疵的改进-以风极值时间缺测的处理为例

在地面气象观测数据审核工作中发现,自动气象站采集的风极值在24时00分出现“时间缺测”的概率比较大,需要数据审核员按照技术规范逐一进行处理。地面气象测报业务软件的新版本应当考虑这一问题,以提高数据处理的有效性,并可弥补自动气象站监控软件的不足。     

静电除尘器离子风研究

在静电除尘器中,电晕线产生的离子风增加了除尘器驱进速度,对提高除尘器的除尘效率有重要作用.本实验对实验条件进行简化,在除尘器空载情况下,采用在收尘极分区布点的方法,改变设计参数,测量收尘极板上的速度分布,并对实验结果进行分析.     

计算机房上送风空调系统探讨

在某计算机房空调设计实例基础上，介绍计算机房送风空调系统，包括上部送风系统、置换通风系统，分析几个在上送风系统中人们比较有疑问的问题。     

非线性流滞阻尼器耗能结构随机风振响应和等效风荷载取值

针对非线性流滞阻尼器耗能结构在Davenport谱风振激励下的随机响应及等效风荷载取值进行了系统研究.首先建立了结构的非线性运动方程;经过等效线性化后,采用复模态理论解耦,进而用随机振动方法获得结构风振响应解析式和等效风荷载取值的计算公式,从而建立了结构非线性随机风振响应的分析方法.     

大跨桥梁侧向抖振加速度和抖振惯性荷载

在自然风的作用下桥梁主梁所受到的风荷载一般可分为平均风荷载、背景脉动荷载和抖振惯性荷载三部分来描述,其中抖振惯性荷载可由桥梁抖振加速度得到,根据Scanlan的颤抖振理论并引入气动导纳的影响,导出了大跨桥梁侧向抖振加速度的简化计算公式,并给出抖振惯性荷载的计算公式,抖振加速度和抖振惯性荷载进行参数分析,最后给出了数值算例,分析结果表明：给出的简化计算公式具有较好的精度,可适用于设计初步阶段对桥梁的抖振加速度和风荷载的估算。     

大气边界层风场模拟及测试技术的研究

总结了同济大学土木工程防灾国家重点实验室使用挡板、二元尖塔、分布粗糙元和格栅这几类模拟装置,在小、中、大三种类型风洞中模拟大气边界层流场的特性,除了纵向风场特性,还首次报道了在大气边界层风洞中测得的横向和竖向风场的特性,所得结果令人满意,最后还报道了一种新型的行人高度风环境探头。     

探讨大温差技术在空调系统中的应用分析

本文对空调大温差这一空调领域的新技术,从送风大温差、冷冻水大温差系统及与变流量、冰蓄冷相结合的冷水大温差和低温送风系统进行了分析。与常规系统比较,大温差技术能减少系统的运行费用,节约能源尤其是高品位的电能,能减少系统的一次投资。