基于神经网络和改进相似日的光伏电站功率预测

为提高光伏电站功率预测的准确率,提出了一种基于SOM神经网络与熵权法优化关联系数的相似日预测模型,利用麻城市某100MW光伏电站的气温、相对湿度、风速及国家气象站日照时数、总云量、低云量等气象要素,采用SOM神经网络推算出预测日的三个相似日,再利用熵权法优化关联系数确定三个相似日的系数求出相似日分辨率为15min的瞬时功率,作为BP神经网络输入对光伏电站进行短期功率预测,并通过与其他四种预测模型的对比分析评估其性能。结果表明,模型的月相对均方根误差、月平均绝对百分比误差分别为5.88%、3.03%,与效果最佳的原理法模型误差接近;基于熵权法优化的关联系数和云量数据的加入对预测准确率有较大提高;模型预测准确率较高,抗扰动能力较强,可集合至本部门开发的预测系统运用到实际中。     

电压不平衡下无权重系数FCS-MPC的DFIG控制

针对传统多目标模型预测控制(MPC)权重系数设计复杂的问题,运用分层控制的思想,提出一种无权重系数的多目标优化模型预测控制策略.利用MPC控制算法可直接控制交流量这一优势,在两相静止坐标系下推导双馈感应发电机(DFIG)转子电流、定子电流和定子功率的参考方程和预测方程.最后进行传统多目标MPC控制策略和无权重系数多目标...     

考虑不确定性的大坝监测信息异常诊断方法及应用

大坝监测资料分析是一个充满不确定性的复杂非线性问题,常规的分析方法较少考虑监测信息中的不确定性问题,导致分析结果的合理性存疑。因此,基于信息熵理论的重要指标——近似熵研究大坝监测信息中的不确定性问题,利用实际监测数据选取近似熵算法的关键参数,进而评估大坝的运行状态。通过分析混凝土坝坝顶水平位移和土石坝测压管水位,发现近似熵算法能在若干监测信息不确定性条件下较有效地识别大坝监测数据的异常。     

基于熵权法的光伏输出功率组合预测模型

提出基于熵权法的光伏功率组合预测模型。首先采用持续法、支持向量机法、相似数据法对光伏电站输出功率进行单一模型预测,然后使用信息熵理论的熵权法客观评价单一预测方法提供的信息量,确定各单一预测方法的组合权重,建立基于熵权法的光伏输出功率组合预测模型。通过仿真对比3种单一预测方法以及熵权法组合预测模型的预测精度。研究结果表明,基于熵权法的组合预测模型可有效识别各单一预测方法包含的信息量,确定合理的权重,提高光伏功率预测的精度。     

改进的BP网络模型在确定河流纵向离散系数中的应用

针对当前河流纵向离散系数计算方法的缺陷,提出了一种利用改进的BP神经网络模型计算河流纵向离散系数的新方法.实例应用结果表明,该法增强了BP网络预测的精度和泛化能力,可简单、有效地预测河流纵向离散系数.     

中国年最大致洪暴雨落区随机性描述与预测

鉴于中国年最大致洪暴雨落区的随机性,利用1900~2010年全国最大致洪暴雨落区分布资料,结合中国暴雨区划图并进行编号,得出每年暴雨落区的编号,从而形成年最大致洪暴雨落区时间序列。通过对该时间序列进行自相关、趋势、周期等一系列分析,发现该序列为独立序列,序列整体呈减小趋势,且通过了Kendall秩次相关检验,序列存在9年左右的第一主周期、5年左右的第二主周期和30年左右的第三主周期,可见该序列具有一定的规律性和可预测性。利用改进的BP网络方法对该时间序列进行模拟与预测,发现模拟和预测精度均较好,表明中国最大致洪暴雨落区具有一定的可模拟性和可预测性。     

计及表面纹理结构的晶硅太阳电池温度预测模型

根据现代太阳电池工艺,提出一种计及太阳电池表面晶硅纹理结构的光热特性耦合温度预测模型。首先,根据面板几何位置和时间信息对入射光进行等效折算,通过离散坐标辐射传输模型得到波长分布;然后,以光路概率分布计算汇总硅结构反射路径,得到波长对应光学系数;最后,通过能量平衡数值求解得到太阳电池预测温度变化。通过仿真验证和实验数据对比,该模型的预测精度较平面近似温度模型预测精度更高,可用于短时或中长时的太阳电池温度变化预测。     

微孔硅酸钙的有效导热系数和最佳使用密度

利用等效热阻模型,考虑辐射传热影响,对硬硅钙石型微孔硅酸钙绝热材料的有效导热系数进行了预测,给出了计算公式,探讨了不同使用温度下微孔硅酸钙绝热材料的最佳使用密度.分析表明,模型计算值与实验值吻合好,有效导热系数预测模型可精确预测其绝热性能并指导绝热设计施工.     

近似熵和小波变换在降水突变分析中的应用

鉴于流域降水量的演变受不同时间尺度的气候变率的影响,采用近似熵计算分析了渭河流域21个站点1960~2012年逐月平均降水量的复杂性演变特性,发现渭河流域逐月平均降水量复杂性在20世纪80年代中期开始逐步增加,并在20世纪90年代末期发生了突变;对近似熵序列进行小波变换分解重构处理发现,渭河流域逐月平均降水量的演变与准10年气候变率周期密切相关,太阳黑子活动在其中起主导作用。可见近似熵与小波分析相结合可有效分析不同时间尺度上降水演变的气候归因。     

考虑CEEMDAN样本熵和SVR的短期风速预测

为降低由于风速信号的非线性和非平稳性带来的风速预测难度,提高短期风速预测的准确性,提出一种考虑样本熵的组合分解模式和支持向量回归（SVR）相结合的预测模型。首先采用自适应噪声的完全集合经验模态分解（CEEMDAN）方法分解风速历史数据,并计算各模态分量的样本熵;然后采用变分模态分解（VMD）方法对样本熵最大的模态分量进行二次分解,充分削弱风速分量的非平稳性;接着对分解得到所有模态分量分别建立SVR预测模型;最后将各分量的预测值求和完成最终风速预测。实例分析表明,所提模型对比其他模型的预测误差最小,预测精度最高,可有效预测短期风速。     

基于GRA-BPNN时变权重的光伏短期出力组合预测

针对并网情况下光伏出力预测精度低和稳定性差问题,提出了一种基于灰色关联分析(GRA)结合BP神经网络(GRA-BPNN)的变权重系数组合预测模型。首先,利用3种单一预测模型对光伏出力分别进行预测,然后,利用GRA-BPNN模型对3个单一模型不同时刻的权重系数进行预测,最后,根据权重系数计算出预测结果。文章利用武汉某并网光伏电站的实测数据对GRA-BPNN变权重组合预测模型预测结果的准确性进行检验。分析结果表明:GRA-BPNN变权重组合预测模型的相对均方根误差和相对平均误差均低于单一模型和等权重组合模型;根据各预测模型的残差直方图可知,GRA-BPNN变权重组合预测模型预测结果中出现较大残差的概率很小,有效地解决了单一模型预测结果不稳定的问题。     

Influence of 2-D nanofillers on the thermal conductivity of composite PCMs

为了探究两种不同二维纳米填料对复合相变材料导热系数的影响,分别制备了以石墨烯纳米片和六方氮化硼纳米片为填料的石蜡基复合相变材料.采用瞬态平面热源法在20 ℃时测量了不同添加量下复合相变材料的导热系数.结果显示,石蜡基复合相变材料的导热系数随纳米填料添加量近似线性增长;六方氮化硼纳米片对复合相变材料导热系数的提升远低于石墨烯纳米片.此外,利用基于有效介质模型的预测公式与试验值进行了比较,计算发现形状,大小和导热系数相近的两种纳米材料,六方氮化硼纳米片的界面热阻却高出石墨烯纳米片两个数量级,是后者具有更显著强化效果的原因之一.     

基于MEEMD与排列熵的风电功率超短期预测研究

针对EMD方法存在模态混叠和IMF分量过多等问题,文章提出了一种基于MEEMD与排列熵的风电功率超短期预测方法。首先,利用MEEMD将原始时间序列分解得到各IMF分量,避免模态混叠。然后,计算各IMF分量的排列熵值,将熵值相近的分量合并,有效降低计算量。最后,用模糊树方法分别建立各分量预测子模型,通过叠加得到风电功率预测值。基于某风电场实际运行数据的预测结果表明,该方法的预测精度较高且运算速度较快,适用于风电功率的超短期预测。     

基于VMD-PE和优化相关向量机的短期风电功率预测

针对风电功率序列非线性、非平稳性等特点,提出一种基于变分模态分解(VMD)-排列熵(PE)和混沌布谷鸟搜索算法(CCS)优化相关向量机的短期风电功率预测新方法。为降低风电功率序列非平稳性和减小计算规模,首先采用变分模态分解技术(VMD),将原始风电功率序列分解成一系列不同的子模态,利用排列熵(PE)分析其复杂度并重组得到子序列;然后采用CCS优化后的相关向量机(CCS-RVM)对各子序列进行提前24 h预测;最后将预测结果叠加得到最终预测值,并利用某风电场实际采集数据进行仿真验证。结果表明,所提预测模型能有效提高风电功率预测的准确性。     

基于改进诱导有序加权算子的风电功率预测

针对风电功率超短期预测精度不高的问题,提出了一种结合Theil不等系数与改进诱导有序加权算子的组合预测方法。由于预测时刻的实际风电功率值未知,因此无法直接利用该方法进行预测。文章利用各单项预测模型的前几个时刻的预测精度均值作为预测时刻风电功率的诱导值,对诱导有序加权算子进行了改进,解决了预测时刻诱导值未知的问题。采用误差信息矩阵对单项模型进行冗余度分析,得到优选单项模型,然后建立基于Theil不等系数和3种改进诱导有序加权算子的组合预测模型。通过分析和实例验证表明,结合Theil不等系数和诱导有序加权算数平均算子(IOWA)的组合模型能有效地提高风电功率预测精度。     

基于最大熵混沌时间序列的支持向量机短期风速预测模型研究

为了提高短期风速预测的精度,减小风力发电接入对电力系统的安全和稳定运行带来的影响,提出基于最大熵混沌时间序列的支持向量机短期风速预测模型。该模型将最大熵原理引入到混沌时间序列样本选择过程中,针对风速混沌时间序列建模,并采用贝叶斯框架下的最小二乘支持向量机对风速进行短期预测。仿真实验结果表明,该预测模型能有效提高短期风速预测的精度。     

建筑间遮挡对光伏发电系统输出功率影响的研究

城市建筑屋顶的光伏发电利用潜力与其遮挡条件密切相关。因此,仅根据太阳辐照度评估城市建筑屋顶光伏发电利用潜力,未考虑城市建筑之间的相互遮挡因素,会导致一些情景下的评估结果偏大。为了准确评估城市建筑屋顶光伏发电利用潜力,采用建筑相对朝向、容积面积比及建筑群垂直和水平分布这3个城市形态参数作为预测变量,采用3D建筑模型进行实验,模拟不同形态建筑遮挡,获得多组有效实验数据,对城市不同形态建筑间的遮挡系数进行了量化分析;借助数据统计分析软件SPSS对多组实验数据完成统计分析后,建立了建筑群预测遮挡统计模型,并以长沙市某小区为例对该统计模型的适用性进行了验证,预测了该小区不同情景下的建筑屋顶光伏发电利用潜力。结果显示：利用该统计模型可得到被遮挡建筑的阴影遮挡水平,从而能更好地利用建筑屋顶光伏发电。研究结果提供了一种量化城市屋顶光伏组件遮挡系数的方法,对实现光伏建筑一体化和可持续城市发展有推进作用,可在城市区域建筑规划阶段模拟和预测屋顶遮挡情况。     

基于数据挖掘和遗传小波神经网络的光伏电站发电量预测

为了解决光伏发电预测不确定性问题,进一步提高光伏电站发电量的预测精度。提出一种基于数据挖掘和遗传小波神经网络的光伏电站发电混合预测模型,利用K均值聚类算法对历史数据进行分类,并对传统BP神经网络进行改进。以BP神经网络为基础,引入小波分析构建小波神经网络,同时利用遗传算法对网络的初始参数进行全局寻优得到最优参数,利用交叉熵函数对学习规则进行改进。改进后的网络模型既具有小波分析的良好的局部时域和频域特性,又具有全局搜索能力,可增大跳出局部最优的可能性,同时拥有更快的收敛能力和稳定性。实验结果验证了该算法的有效性。     

基于RBFNN与CMGA的催化转化器劣化预测

应用径向基函数网络(RBFNN)和压缩映射遗传算法(CMGA)的融合理论,提出了车用催化转化器劣化的在线预测策略.利用催化转化器劣化试验数据作为RBFNN的输入,影响催化转化器劣化的性能参数作为RBFNN的输出,进行了车用催化转化器劣化的模糊预测.利用RBF-CMGA融合预测策略,进行了车用催化转化器的空燃比特性、起燃比特性的劣化试验.结果表明: CO、HC和NOx的劣化系数分别为1.27、1.48、1.03,验证了该融合预测策略具有较好的分辨率,可用于车用催化器在线劣化预测.     

基于熵权时序模型的超短期风电功率预测

针对风电具有较强的随机性和波动性,传统的单一预测方法难以准确描述其规律且预测精度较低的问题,提出风速熵和功率熵的概念,在时间序列法的基础上分别采用基于风速和基于功率的预测方法,并根据风速熵和功率熵的计算结果动态设置预测点的权值,建立风电功率的熵权时序模型。算例分析结果表明,所提方法能有效提取风速及功率历史数据中的有用信息,提高超短期风电功率预测精度,预测结果的准确率和合格率均优于神经网络法、时间序列法和基于风速法。