基于小波变换和深度学习的短期天然气负荷预测研究

随着天然气在能源消耗中占比越来越大,如何准确预知未来的天然气消耗量,对天然气资源合理规划具有重大意义。针对此问题,提出一种基于小波变换和深度学习的短期天然气负荷预测模型。首先对所收集的天然气负荷数据利用不同小波变换进行分解,之后对其进行归一化处理;其次利用深度学习算法对数据进行训练与预测;然后利用小波重构对预测的数据分别进行整合;最后以平均绝对百分误差、平均绝对误差和均方根误差为评价指标,评价不同小波变换的预测结果,计算最优小波变换的最优阶数和层数。结果表明,Fk小波变换第22阶第6层相对于其他小波变换和直接利用LSTM进行预测具有更高的预测精度。     

基于小波变换和AWLS-SVM的短期负荷预测

提出了一种基于小波变换和自适应加权最小二乘支持向量机(AWLS-SVM)的电力系统短期负荷预测方法。针对负荷变化具有拟周期性和随机性的特点,本方法先将负荷值利用小波变换分解为几个低频段的拟周期量和一个高频段随机量,然后根据各分量特点应用AWLS-SVM模型进行预测,最后小波重构各分量获得预测结果。实例预测结果表明该方法具有较高的预测精度。     

基于Haar小波变换的无失真图像压缩

提出了一种利用Haar小波进行图像无失真压缩的算法。对线性预测后的图像进行Haar小波分解,将各子带小波系数根据大小分解成两部分,其位置信息分别通过自适应算术编码进行了有效的压缩。试验结果表明,该算法实现简单,达到了很好的压缩效果。     

基于Haar小波变换的图像融合方法

为了有效的提高多个传感器的图像融合精度,该文提出了基于Haar小波变换的图像融合方法,首先分析了小波变换中不同频率分量对图像融合精度的影响,然后详细探讨了高频分量系数的确定方法。选取信息熵作为图像融合算法性能的评价指标,通过仿真实验定量分析了高频分量系数对图像融合精度的影响,实验结果表明高频分量系数并非越大越好,应根据融合后的图像信息熵确定高频分量系数。     

基于Haar小波变换的数字图像水印算法

算法基于Haar小波变换,把小波系数分块,并计算每个块的平均值.在一系列信号处理之后,这些块(尤其是大的块)的平均值不会有很大改变,否则,重构的图像就与原始图像有很大差别.通过对这些块的平均值进行量化来嵌入水印;提取时也依赖于相应块的平均值,所以不需要原始图像参与.算法对有损压缩、小波压缩、噪声、中值滤波和剪裁等操作有较好的鲁棒性.     

基于Haar小波变换的虹膜识别算法

提出基于Haar小波变换的虹膜识别算法.通过Haar小波变换对归一化虹膜图像进行特征提取,运用Hamming距离对2个虹膜特征进行模式匹配.与Daugman的虹膜识别算法比较,该方法在编码长度和编码时间上都有较明显的改进,且算法具有良好的鲁棒性,可用于实际的身份鉴别系统中.     

基于小波变换的支持向量机短期负荷预测

提出了一种基于小波分解和支持向量机的短期负荷预测方法．首先利用小波变换把负荷序列分解成不同频段的子序列，对高频序列利用软阀值消噪法去除负荷噪声；对降噪后的负荷序列利用不同的小波进行分解．然后用相匹配的支持向量机模型预测各子序列．仿真结果表明db4小波的预测精度最高，平均绝对预测误差为1．6692％．所得结果同直接用支持向量机预测结果进行比较表明，该方法是有效的。     

基于小波变换的支持向量机短期负荷预测

提出了一种基于小波分解和支持向量机的短期负荷预测方法.首先利用小波变换把负荷序列分解成不同频段的子序列,对高频序列利用软阀值消噪法去除负荷噪声;对降噪后的负荷序列利用不同的小波进行分解.然后用相匹配的支持向量机模型预测各子序列.仿真结果表明db4小波的预测精度最高,平均绝对预测误差为1.6692%.所得结果同直接用支持向量机预测结果进行比较表明,该方法是有效的.     

基于Haar小波变换的快速k-近邻分类算法

提出了一种新的快速k-近邻分类算法,通过研究Haar小波系数所包含的重要信息,确定向量经Haar小波变换得到的小波系数与向量方差问的关系,由此得出关于小波系数的不等式,并利用此不等式提高k-近邻分类中的k-近邻搜索效率.在搜索k-近邻的过程中,首先判断每个训练向量是否满足该不等式,由此排除许多不可能成为k-近邻的向量,...     

基于小波和神经网络的供热负荷预测

目的研究供热系统热负荷预测方法,使供热量及时跟随用户需热量进行控制.方法通过分析供热负荷特性及其变化规律,用小波包变换对热负荷序列进行分解,再结合Elman神经网络分别对各序列建立模型,进行单步预测,最后重构各序列,得出热负荷预测序列.结果仿真试验表明,与未采用小波分析的BP、Elman神经网络相比,该方法预测精度较高,跟踪能力强.结论基于小波和神经网络的供热负荷预测方法能较好地跟踪预测用热量,适合于短期供热负荷预测的应用.     

基于负荷动态模拟的冰蓄冷系统优化控制分析

目的 研究一种在理论上接近最优控制结果,而在实际工程中又切实可行的冰蓄冷系统优化控制模型.方法 运用全能耗模拟软件EnergyPlus,根据优化控制单纯型求解方法,对北京某实际工程的冰蓄冷空调系统在不同控制策略下的全年运行费进行分析比较.结果 得到整个供冷季办公楼空调系统在冷机优先运行和优化运行两种工况下运行的电费,通过分析比较可知,实行优化控制后全年节省的运行电费主要来源于非设计条件,尤其在过渡季节.结论 基于负荷模拟的结果对冰蓄冷系统控制进行模拟优化,可以指导运行节能,较大幅度地减少运行费用,该研究对公共建筑空调系统进行控制策略优化提供依据.     

基于SVM-GA模型的城市天然气长期负荷预测

天然气长期负荷预测能够解决城市燃气供需不平衡的问题,为城市燃气公司的管理运行提供帮助。为了提高天然气长期负荷的预测精度,提出了基于SVM-GA(SupportVectorMachines-GeneticAlgorithm)的天然气长期负荷预测模型。分析确定影响天然气用气量的相关因素,应用遗传算法和交叉验证方法分别对支持向量机模型的惩罚因子c 及核函数参数g 进行优化,以期提高支持向量机模型的预测精度,将优化后的参数输入支持向量机模型中,进行天然气长期负荷预测。以某省实际的样本数据为例,将SVM-GA模型的预测结果与SVM 和交叉验证法结合模型及BP(BackPropagation)神经网络模型的预测结果进行比较分析。结果表明,SVM-GA 预测模型分别比SVM 和交叉验证法结合预测模型和BP神经网络模型在衡量预测精度的相对均方误差、归一化均方误差、归一化绝对平方误差、归一化均方根误差、最大绝对误差五个指标分别高0.58%、3.98%、2.99%、4.58%、8.64%和6.13%、26.28%、19.71%、21.09%、31.48%。因此支持向量机与遗传算法相结合的模型能够较准确地预测天然气长期负荷。     

基于小波阈值的天然气管道阀门内漏信号分析

阀门是天然气管道运输的重要组成部件,阀门内漏给天然气管道运输带来了严重的安全威胁。通过阀门内漏声发射特性实验和声发射信号分析,可以得到声发射信号的幅度、能量和频谱,并进行内漏流量的判定。由于采集的声发射信号含有大量的噪声,因此应对采集的声发射信号采用默认阈值、硬阈值、软阈值、改进的小波阈值等多种阈值进行降噪分析,提高重建信号的信噪比,降低均方根误差值,消除信号噪声,为阀门内漏的检测和定性定量分析提供有效工具。     

基于改进灰色GM(1,1)模型的天然气负荷预测

构建三种改进的灰色预测模型,提高传统预测方法的精度。以北京市2007—2015年天然气负荷量作为原始数据建立模型,并用2016年数据进行结果检验。依次对三种改进灰色GM(1,1)模型分析和比较,选出最佳的改进模型与新陈代谢模型结合,替换旧数据、填补新数据,依次建模,构建北京市2017—2020年天然气负荷量预测模型。结果表明,组合后的模型可降低原始数据对预测系统的干扰,预测精度符合实际要求,且精度远高于传统的灰色模型,能真实反映未来天然气年负荷量的发展趋势,预测结果具有可靠性和实用性。同时,也为燃气市场的规划和调控提供参考。     

对流扩散方程的Haar小波数值解

本文针对一维对流扩散方程构造了有效的Haar小波方法.数值实验验证了该方法的有效性.     

关于燃气小时计算流量公式的探讨

本文通过两种燃气小时计算流量公式的分析、比较,提出合理的方法,对最大负荷利用小时数（n）和燃具同时工作系数（K）进行修正,以使相同命题下的计算结果一致。     

基于小波分析的负荷突变在线监测方法

首次对负荷突变在线监测问题作了研究,提出了一种基于小波分析的负荷突变在线监测方法,它不仅可以准确判定负荷突变发生时刻,而且可以数值化地具体反映负荷突变程度。数字仿真及实验结果证明该方法是切实可行的。该方法已成功应用于笼型异步电动机转子断条故障的在线监测中。     

基于活动性度量的小波变换系数的符号预测

对基于小波变换的图像压缩算法的符号编码进行了分析, 针对小波变换后系数符号呈等概分布不利于压缩的问题, 提出了一种使用图像活动性度量的符号预测算法. 实验表明, 符号预测误差信号的概率分布具有不均匀性, 可以提高符号压缩的效率.