基于多任务学习的风速实时预测方法

准确的秒级风速实时预测能够提高风电机组的运行状况和控制品质,为电网做出最优调度决策提供辅助信息。目前风速实时预测时间分辨率通常为分钟级,且在小数据集的情况下模型泛化能力弱。文章以时间分辨率为5 s的风速序列为研究对象,提出了基于多任务学习的风速实时预测方法。该方法结合了变分模态分解方法和长短期记忆神经网络。首先,通过变分模态将风速序列分解为一系列信号;然后,建立多任务学习的共享层,使用长短期记忆神经网络提取各分解信号中的共享参数,深度挖掘分享子序列预测任务间的信息;最后,建立多任务学习的特定任务层,借助多个LSTM并行预测分解后的风速子序列,并将多个预测结果叠加得到风速实时预测结果。算例结果表明:所提多任务学习模型在10步、5步预测中的均方根误差总体均值分别为0.80 m/s和0.71 m/s,与经过变分模态分解和未经过变分模态分解的单任务模型预测相比,所提模型均方根误差总体均值在10步预测中分别降低了35.5%和39.8%,在5步预测中分别降低了24.5%和45.8%。     

中板轧机液压压上AGC系统的研究与设计

介绍了某钢厂2 600 mm中板轧机液压压上系统的机械和电气特性,其液压系统采用了下置式液压缸,控制系统由基础自动化系统和过程自动化系统组成并采用多种智能算法,该设计提高了轧制效率和轧件精度,值得在类似轧机上推广。     

乙酰水杨酸分子印迹聚合物微球的制备及性能研究

以乙酰水杨酸为模板分子,采用沉淀聚合的方式制备了对乙酰水杨酸具有高选择性和亲和性的分子印迹聚合物微球。通过紫外光谱分析法考察了模板分子与功能单体作用规律,优选了功能单体与配合比例。等温吸附实验的结果显示,与相应的空白聚合物相比,印迹聚合物对模板分子具有更高的亲和性;Scatchard数学模型分析的结果表明,印迹聚合物中主要存在一类亲和性质相同的结合位点,其最大表观结合量为37.97 mg/g。选择性吸附实验表明,制备的印迹聚合物对模板分子具有良好的选择性识别能力。     

一种太阳能光伏板发电制冷装置的设计

通过对太阳能光伏板发电系统以及制冷系统的分析,提出了太阳能光伏板发电制冷装置的构想,理论设计制冷系统的各个部件以及太阳能系统,并且进行匹配计算,并在装置搭建完成后,对装置内的冷藏室进行测温。     

LPCVD-Si3N4工艺及性能研究

使用低压化学气相沉积工艺（LPCVD），以三氯硅烷和氨气作为硅源和氮源，在烧结氮化硅表面制备氮化硅薄膜。分别考察了载气、沉积温度以及原料配比等工艺参数对沉积速率的影响，并对薄膜的组成、结构及硬度等性能进行了分析。结果表明，较好的工艺条件是，采用N2或N2＋H2为载气、沉积温度为800℃，NH3／HSiCl3流量比为4，此时薄膜沉积速率可达23．4nm／min，其主要由Si—N组成，并含有部分Si-O，硬度为28650MPa。     

冷却塔冷却性能的评价模型

冷却塔是汽轮发电机组重要的冷端设备之一，其运行性能对电站的经济和安全运行有重要的影响。通过建立自然通风冷却塔出水温度和冷却性能的计算模型，为冷却塔的经济运行提供依据，并且还可以为冷却塔的检修和改造提供指导。     

新型(口恶)二唑类衍生物的合成及荧光光谱分析

为了开发高强度的有机电致发光材料,在吡唑的1位上引入苯基以及苯并噻唑基,在3位上引入芳基,在4位上引入醛基.用一步法合成了1,3,4-(口恶)二唑,并通过Wittig反应将(口恶)二唑与4、甲酰基吡唑相连合成了6种未见报道的(口恶)二唑类化合物,用红外光谱、质谱、核磁共振谱和元素分析对合成化合物进行了结构表征.用荧光光...     

风电场输出功率预测中两种神经网络算法的研究

神经网络是风电功率预测系统中应用最广泛的方法,而其训练算法是影响预测精度的重要因素之一。探讨了采用聚类法和正交最小二乘算法两种训练方法。以中国北方某风电场的实际数据以及数值天气预报数据为依据,对RBF聚类法和正交最小二乘算法进行了验证,最终研究并比较RBF不同预测情况与BP的差异。结果表明:对于提前24h的风电功率预测,RBF神经网络模型预测精度要好于BP神经网络模型,尤其以正交最小二乘算法为训练方法建立的RBF模型,预测精度较高,能够很好拟合实际功率曲线。     

色谱分析实验改革研究

根据色谱分析实验的特点,提出色谱分析实验改革的意义,通过实验教学内容、结构的调整、采用CAI课件、开放实验室、鼓励学生申报大学生创新实验项目、参加相关色谱仪器及应用的讲座等方式,对色谱分析实验改革进行了摸索,达到加强学生实践技能的培养,全面提高学生操作技能、创新精神和提高教学效果的目的.     

用于计算平均风向的优化矢量平均法

平均风向数据的计算是风电场风能资源评估的重要工作内容之一。在目前的工程实践中,平均风向数据的计算方法通常为算术平均法和首风向代表法,这2种方法在风向变化跨越0或风向变化频繁时,可能出现选取的代表风向代表性较差甚至错误的情况。矢量平均法适合处理含有方向的数据,可以有效避免首风向代表法和算术平均法存在的问题,因此将矢量平均法引入到风资源平均风向计算中,并加入数据筛选,剔除偏离主风向较远的个别数据,形成了优化矢量平均法。计算结果证明,优化矢量平均法在已有的各种平均风向数据计算方法中具有较好的精度,并可通过Excel编程实现。