电力市场中的边际电价预测

在分析了系统边际价格(SMP)形成机理和影响因素的基础上,分别提出了基于累计式自回归滑动平均模型（ARIMA）和人工神经网络（ANN）的SMP预测方法,在这2种方法中都引入了市场供求指数(SDI)作为影响SMP的因素。通过对某省级发电市场真实数据的仿真结果表明,在引入SDI后,ARIMA模型和ANN模型的预测精度都得到了提高;同时,ANN模型比ARIMA模型更易于处理多种市场因素,若在模型中考虑更多的市场因素,则SMP预测的精度可进一步提高。     

中压配电网线损计算新方法

长期以来，国内中压配电网线损计算困难，虽已做过大量研究，但仍未完全解决。文中针对这一难点以及遗传算法（GA）与人工神经网络（ANN）相结合的优点，提出了一种利用改进GA优化的ANN计算中压配电网线损的新方法。该方法首先利用负荷测试仪获得ANN模型所需的学习样本，然后利用改进的GA优化ANN的结构，最后应用优化的BP型ANN来拟合影响线损的特征参数与线损之间的复杂关系，从而建立了适合配电网线损计算的新模型。实例验证结果表明，该方法具有计算精度高、模型简单和经济实用等优点。     

融合极值分布与MCMC的降水极值模拟研究

模拟降水极值对于城市防洪具有重要意义。根据北京、深圳、济南1952—2012年的日降水资料,采用广义极值分布（GEV）与广义帕累托分布（GPD）分别模拟三个城市的年最大降水与超阈值降水序列,通过马尔科夫链蒙特卡洛方法（MCMC）识别参数,并对模拟结果加以综合分析。研究发现,MCMC方法在GEV与GPD参数的贝叶斯估计中行之有效,所识别最佳模型的相关性系数与确定性系数均普遍高达0.95,降水极值的均方根误差与平均绝对误差分别普遍低于0.6 mm与2.5 mm,且所获得的模拟值置信区间性质优良;采用GEV得到相同重现期的设计暴雨更大,采用GPD得到的模拟值置信区间性质更优;GEV与GPD对于不同地区的适用性不同,在模拟区域降水极值时应综合运用多种分布。     

基于随机森林变量选择的飞灰含碳量预测模型

针对目前几种飞灰含碳量软测量方法建模时未进行输入特征筛选以及建模方法较为单一的问题,提出花授粉算法优化随机森林的变量选择飞灰含碳量(FPA-RF)预测模型。采用影响飞灰含碳量的因素构成初始变量,利用基于随机森林的变量选择方法从中筛选最优变量。以最优变量为模型输入,训练随机森林并通过花授粉算法优化其参数。以某600 MW燃煤机组的分布式控制系统(DCS)数据为例,对本文FPA-RF预测模型和基于人工神经网络(ANN)和粒子群-支持向量机(PSO-SVM)的飞灰含碳量预测模型进行比较验证,结果表明:ANN预测模型的预测误差最大,泛化能力较弱;FPA-RF和PSO-SVM预测模型均取得较好的效果;但PSO-SVM预测模型平均训练时间为55 s,较FPA-RF长约30 s,说明本文FPA-RF预测模型具有更高的预测精度和更快的计算速度。     

考虑河岸植被影响及变形的河流形态数值模拟研究

本文基于已有正交贴体坐标系下的二维水沙模型,考虑河岸植被影响因素,引入植被压力源项,修正水流动量守恒方程;并结合实际提出简单易行的非黏性土崩岸技术,提高计算效率。利用改进模型模拟概化河流演变过程,结果表明改进后模型能较好模拟边岸植被影响下河流演变过程,从而为进一步研究河型转化过程及其控制因素变化规律提供数值模拟手段。     

双护盾TBM掘进速度的影响因素研究

以甘肃引洮一期工程9#隧洞为例,综合引入多层线性模型及数量化理论I的建模原理,在初始设置的解释变量基础上,通过逐步删除不显著解释变量的方法,建立了两层线性模型,对双护盾TBM的掘进速度的影响因素进行了研究。通过计算模型各解释变量固定效应的参数估计值,定量阐述了各因素对掘进速度的直接和间接影响,并依据模型的参数估计值结果对未来TBM的更好施工提出建议。通过预测模型和实例应用两方面分析、证明了该模型应用的可靠性,为同类工程掘进速度的合理预测和施工进度有效控制提供了理论依据。     

基于偏最小二乘回归的锅炉再热汽温建模

锅炉再热汽温调节对于机组安全性和经济性有着重要的意义.利用偏最小二乘回归结合机组实际运行数据对再热期望焓升-即单位流量蒸汽吸热能力进行建模.分析了再热期望焓升的影响因素,构建了现场没有引入但会对再热汽温造成直接影响的中间变量.在建模前期通过稳态工况以及均匀设计的方法对建模数据进行筛选,并比较了多种数据筛选方法的建模精度.研究结果表明,再热汽温受多个因素综合变化影响,且呈非线性关系,对再热期望焓升进行建模能够更好地反映再热汽温变化的本质:选择不同的样本数据对模型的精度和稳定性有一定的影响:建立的偏最小二乘回归模型能够克服变量间的多重相关性,得到易于解释的统计学模型,量化已有运行数据,使运行人员快速掌握系统特性,同时也为先进控制策略的应用提供了数据基础.     

基于生态水文模型的无定河流域径流变化归因

受到黄土高原气候变化和人类活动等因素影响,黄河流域中游河道径流在过去50年间有显著的下降趋势。此前的径流变化归因方法,未考虑气候变化通过影响植被生长进而对径流的间接影响。本文选择了位于黄土高原的无定河流域为研究区域,基于新发展的分布式生态水文模型CLM-GBHM,分别采用静态与动态植被两种模式模拟了1961—2012年的流域水文过程。径流变化归因分析结果显示,1972—2000年相对1961—1971年,单纯气候变化对径流减少的贡献为79.8%,而气候变化和植被生长共同贡献率降低为74.6%;2001—2012年相对1972—2000年,植被生长减小了单纯气候变化所导致的径流增加趋势,人类活动是对应时段径流减少的主导因素。这表明该流域植被生长对水文过程有较强的调节作用。     

坡面植被水流水动力学特性研究北大核心CSCD

本实验为人工水草模拟植被覆盖条件下的坡面流水动力学特性研究,以水力学和流体力学基本理论为依据,通过室内定床阻力模拟放水实验,定量的研究了植被覆盖度为9．3％（2500簇／m2）的工况下,不同坡度和流量组合对植被水流各水动力学参数的影响。结果表明：坡面植被水流平均流速随坡度和流量的增大呈递增趋势,可用线性函数或幂函数关系模拟,且线性关系优于幂函数关系;植被坡面流平均水深与流量和坡度之间也存在着显著的线性关系和幂函数关系;植被坡面流的佛汝德数随流量的增加而减小、随坡度的增加而增大,并呈现出一定的幂函数关系,但佛汝德数主要受坡度的控制,流量对佛汝德数的影响很小;阻力系数随雷诺数的变化规律呈单驼峰形式,本实验条件下,在雷诺数为1500～2000时达到最大值,当雷诺数大于2000时,随雷诺数的增加阻力系数反而减小,最后逐渐趋于稳定,可见两者之间并非呈简单的递增或递减关系。     

基于模糊聚类识别及统计相关的短期负荷预测

应用模糊聚类理论，通过对负荷历史数据进行聚类和隶属度分析，依据模糊聚类和模糊模式识别、类别（或级别）变量特征值与概率统计相关分析等模型，根据模糊聚类参数与预测因子的前期特征值，确定相应的类别变量特征值，建立类别变量特征值与预测对象之间的相关关系，利用此相关关系进行负荷预测。应用隶属度来描述负荷与影响负荷因素之间的相关关系，可以同时考虑多种影响负荷因素，在算法上只是隶属度矩阵的阶数发生变化，预测过程简单明了。实践结果表明，此方法具有较高的预测精度，能较好地适应不同地区的负荷特性。     

基于GIS和RS技术的土壤侵蚀快速调查研究

随着地理信息系统GIS技术、遥感RS技术的发展，在土壤侵蚀快速调查中得到了广泛的应用。本文采用三要素(即植被覆盖度、地形坡度和土地利用)进行土壤侵蚀的快速调查，其中对植被覆盖度分别采用了线性拟合法和神经网络法进行了计算和分析，神经网络法可以考虑到多个影响因素，因此成果比线性拟合法具有更好的精度，在生产实际中有很好的实用价值。     

近年来宁夏植被指数与气候生产力的时空变化

为掌握宁夏归一化植被指数（normalized difference vegetation index,NDVI）与气候生产力的时空变化特征及其关系,本文基于2000—2017年遥感影像数据,采用一元线性回归分析、Thornthwaite Memorial模型及相关分析等方法进行分析。结果表明：宁夏南部林区和引黄灌区植被指数高于中部干旱带且NDVI以0.041 (10 a)-1的速率呈显著增加趋势;18 a间宁夏植被指数轻度增加区域占64.12%;宁夏气候生产力在空间上呈东南向西北逐渐递减变化,年降水量与气候生产力的时间变化趋势基本一致;大部分地区NDVI与气候生产力在空间上呈正相关,呈负相关区域占4.92%;两者的线性拟合度达0.731。     

日降水场分解的典型解集模型及应用北大核心CSCD

高时空分辨率的降水数据对汇流时间短的城市流域及小流域的连续水文模拟而言至关重要。本文采用单站点、区域及多站点三种典型解集模型对南京及其周边地区9个气象站1983—2012年汛期(5—9月)日降水量进行分解,构建南京地区小时随机降水场;在此基础上,基于多种评估指标(包括统计分布特征、极值分布、空间相关性、日内干湿统计特征等)对三种典型解集模型的模拟性能进行综合评估。结果表明:三种典型解集模型均能很好地模拟南京地区小时降水场的统计分布特征、降水极值及日内干湿统计特征。三种模型中,仅有多站点联合解集模型能重建观测小时降水场的空间相关性,更适合分布式水文模拟。本文的研究成果可为城市地区的降水径流模拟提供参考。     

负荷持续曲线的神经网络模型

鉴于前馈人工神经网络的诸多优点，本文提出了一种新的基于ＡＮＮ的负荷持续曲线模型，从而不用给定某个特定的显式数学表达式。该模型以实际的小时负荷数据及统计性的特征参数对ＡＮＮ的输入数据；对实际作了抽样处理，以免输入数据量太多；针对常规的误差反向传播算法的缺点，并考虑到遗传算法是一种鲁棒性好的优化方法，本文采用遗传算法来进行ＡＮＮ的学习可以方便地直接采用相对误差作目标函数，同时可以搜索到全局最优解。     

径流对气候变化的响应研究-以黄河上游河源区为例

为了研究气候变化对径流的影响,选择黄河上游河源区为典型流域,构建多变量Copula联合分布模型,分析流域内主要气象要素与径流的相互响应关系。通过对多元相依结构分析,得到主要气候变化要素与径流变化的定量关系。结果表明,黄河上游吉迈水文站以上流域,径流受气候变化影响明显。长期以来主要气象要素,气温、降水、潜在蒸发能力(Penman-Monteith公式计算)与径流量的相依度指数分别为0.03、0.46、0.13,且在不同时期影响径流变化的主导因素各异。黄河上游径流受降水、冰雪、冻土融水和地下水共同补给,径流自演化过程复杂。     

NEURAL NETWORK APPROACH TO DYNAMIC VOLTAGE STABILITY PREDICTION

ABSTRACT

The application of artificial neural network (ANN) on dynamic voltage stability analysis is presented. Two ANN models have been utilized, in which the first ANN model is used to classify the power system as to whether it is dynamically stable or unstable. Then the second ANN model is used for the dynamically stable system to predict the voltage magnitudes at load busbars. Both ANN models are based on the multiperceptron model, and the training is done using the error back propagation scheme. The training set patterns are generated by carrying out dynamic simulations, using induction motor and constant P-Q load models. This paper highlights the method for selection of the optimum number of training sets so as to minimise the time taken in the ANN learning process. The performance of the ANN models have been tested and shown to give good results.     

Neural network load forecasting with weather ensemble predictions

In recent years, a large amount of literature has evolved on the use of artificial neural networks (ANNs) for electric load forecasting. ANNs are particularly appealing because of their ability to model an unspecified nonlinear relationship between load and weather variables. Weather forecasts are a key input when the ANN is used for forecasting. This paper investigates the use of weather ensemble predictions in the application of ANNs to load forecasting for lead times from one to ten days ahead. A weather ensemble prediction consists of multiple scenarios for a weather variable. We use these scenarios to produce multiple scenarios for load. The results show that the average of the load scenarios is a more accurate load forecast than that produced using traditional weather forecasts. We use the load scenarios to estimate the uncertainty in the ANN load forecast. This compares favorably with estimates based solely on historical load forecast errors.     

应用人工神经网络预测棒-板短空气间隙在淋雨条件下的交流放电电压

为了获得降雨条件下能预测空气间隙击穿电压的数学模型,根据在人工气候室试验得到的降雨条件下空气间隙击穿电压数据,运用神经网络原理,建立了降雨条件下的交流棒-板短空气间隙击穿电压的人工神经网络模型。利用该模型可以对一定降雨条件下的交流棒-板短空气间隙击穿电压进行预测,预测结果满足精度要求,同时,该文根据建立的人工神经网络模型模拟了降雨时单个及多个环境因素对空气间隙击穿电压的影响,并对模拟结果进行了分析,结果表明:大气压强一定时,随着降雨强度、雨水电导率的增加以及环境温度的降低,空气间隙的击穿电压随之降低;当降雨强度、雨水电导率和环境温度其中任一环境因素改变时,另两个因素对空气间隙击穿电压的影响程度也随之改变。人工神经网络模型对训练数据的依赖较大,对训练范围以外的数据预测精度较差。     

基于灰色神经网络优化组合的风力发电量预测研究

文中提出一种新型灰色神经网络优化组合的风力发电量预测研究,将人工神经网络预测模型和灰色预测模型有效结合,不仅考虑了风力、风向和温度等影响因素,而且将往年风力发电量的历史数据综合考虑,结合两种预测优点,从而提高了预测的准确度并降低预测误差。算例结果证明,这种新型的灰色神经网络优化组合预测值误差低于单一的灰色预测或神经网络预测。     

Estimation of Effective and Functional Cortical Connectivity From Neuroelectric and Hemodynamic Recordings

In this paper, different linear and nonlinear methodologies for the estimation of cortical connectivity from neuroelectric and hemodynamic measurements are reviewed and applied on common data set in order to highlight similarities and differences in the results. Different effective and functional connectivity methods were applied to motor and cognitive data sets, including structural equation modeling (SEM), directed transfer function (DTF), partial directed coherence (PDC), and direct directed transfer function (dDTF). Comparisons were made between the results in order to understand if, for a same dataset, effective and functional connectivity estimators can return the same cortical connectivity patterns. An application of a nonlinear method [phase synchronization index (PSI)] to similar executed and imagined movements was also reviewed. Connectivity patterns estimated with the use of the neuroelectric information and of the information from the multimodal integration of neuroelectric and hemodynamic data were also compared. Results suggests that the estimation of the cortical connectivity patterns performed with the linear methods (SEM, DTF, PDC, dDTF) or with the nonlinear method (PSI) on movement related potentials returned similar cortical networks. Differences in cortical connectivity were noted between the patterns estimated with the use of multimodal integration and those estimated by using only the neuroelectric data.