共查询到20条相似文献,搜索用时 171 毫秒
1.
2.
针对光伏发电系统预测精度不高等问题,建立以门控循环单元(GRU)为基础的预测模型。使用社交网络搜索算法(social network search)和注意力机制(attention)相结合对构建的门控循环单元进行参数优化,采用K-均值对天气类型进行划分,提出材料生成算法(material generation)对变分模态分解中的模态分解数量和惩罚因子进行寻优来确定最佳组合,实现对初始数据的分解操作。利用社交网络搜索算法超参数优化后的门控循环单元对时序特征进行提取,引入注意力机制对时序输入中重要信息的关注进行加强。选用新疆某光伏电站2021年运行数据进行分析,仿真结果表明:所提出的MGA-VMD-SNSAttention-GRU预测模型能有效提升光伏输出功率预测精度。与SVR、Elman模型相比,平均MAPE分别降低8.14%和8.59%。 相似文献
3.
针对风电机组柔性塔架因机械疲劳、振动等引起的失稳问题,采用改进的回归方法建立塔架振动预测模型。在风电机组不同运行工况下,通过相关性分析对多源异构数据进行优化,求出影响柔性塔架振动的相关联变量。基于灰狼优化(GWO)算法得到支持向量回归(SVR)方法的最优参数,建立塔架振动预测模型。以某风场2 MW风电机组120 m柔性塔架数据进行仿真分析,结果表明,在额定风速以上工况下,GWO优化SVR模型相较于BP模型、SVR模型、粒子群算法(PSO)优化SVR模型、鲸鱼优化算法(WOA)优化SVR模型,均方根误差RMSE分别降低了11.143、8.925、8.263、3.651;平均绝对误差MAE分别降低了9.032、7.016、2.665、3.233。基于GWO优化的SVR模型提高了柔性塔架振动预测精度,可为柔性塔架的振动控制提供准确数据支持。 相似文献
4.
5.
6.
针对使用数值天气预报(NWP)数据进行风电功率预测时,NWP风速与实际风速存在偏差导致预测精度欠佳,提出一种基于注意力机制(Attenion)门控逻辑单元(GRU)数值天气预报风速修正和Stacking多算法融合的短期风电功率预测模型。首先,分析NWP预报风速和实际风速的皮尔逊相关系数,建立Attention-GRU风速修正模型,提高预报风速精度。其次,考虑风向、温度、湿度、气压、空气密度等气象因素,基于Stacking框架,提出融合XGBoost、LSTM、SVR、LASSO的多算法风电功率预测模型,同时采用网格搜索与交叉验证优化模型参数。最后,选取西北和东北两个典型风电场数据进行验证,算例结果表明,所提出模型能改善NWP风速精度并提升风电功率预测效果。 相似文献
7.
基于可变模糊聚类迭代模型的溃坝生命损失预测 总被引:1,自引:0,他引:1
针对我国溃坝相关资料缺乏、数据均匀连续性较差的现状,将可变模糊集理论引入到溃坝生命损失预测中,建立基于可变模糊聚类(VFC)循环迭代模型的人口死亡率预测模型。采用相邻模糊标度法确定指标权重,运用模型得到最优相对隶属度矩阵和最优聚类中心矩阵,结合欧氏距离,对样本进行二次筛选,再运用指数加权平均法,计算得到待估样本人口死亡率估计值。实例验算证明,该模型符合我国现状,具有一定的实用性和较高的精度。 相似文献
8.
9.
10.
为提高受外部因素影响敏感的短期电力负荷预测精度,提出了一种基于改进ABC优化密度峰值聚类和多核极限学习机的短期电力负荷预测方法。构建融合特征提取、人工蜂群算法(ABC)、密度峰值聚类(DPC)和核极限学习机(KELM)的短期电力负荷预测模型。针对ABC收敛效率不高的缺陷,设计新型蜜源搜索和蜜蜂进化方式,以提升改进ABC全局寻优能力;针对DPC截断距离与聚类中心人为设定的不足,定义邦费罗尼指数函数和聚类中心截断指标,并将改进的ABC应用于DPC参数优化过程,以实现DPC最佳聚类分析;针对KELM回归能力不强、参数选取难以确定的问题,设计多核加权KELM,并采用改进的ABC进行参数优化,以提高极限学习机预测精度。仿真结果表明,所提短期电力负荷预测方法更具有效性,平均误差低了约8.8%~39.8%。 相似文献
11.
12.
13.
针对大坝变形原型监测数据的非线性和影响因子的相关性问题,提出一种基于模糊C-均值聚类(FCM)和相关向量机(RVM)的组合建模方法。首先用FCM方法对影响因子进行相似聚类,然后运用RVM算法分别对每一聚类样本进行训练学习得到对应的RVM模型,其中RVM算法中的核参数采用改进的粒子群(PSO)算法寻优。将各组合算法用于某重力坝典型坝段水平位移的安全模型构建中,并与多种模型预测结果对比,结果表明,FCM-RVM预警模型的预测精度较高。研究结果可为类似工程的大坝变形预警提供参考。 相似文献
14.
15.
针对风速具有强非线性的特点,提出一种奇异谱分析和改进粒子群优化自适应模糊推理系统的短期风速预测模型。该方法采用奇异谱分析将原始序列分解为趋势和谐波分量,对各分量分别建立模糊神经网络模型,最后将各分量预测结果叠加得到预测风速值。为提高预测精度,改用改进粒子群算法对自适应模糊推理系统的隶属度函数进行优化。以河北某风电场实测数据进行仿真并与传统的神经网络对比分析,结果表明将风速重构后分别预测再叠加降低了原始问题的复杂度,同时提高了预测精度,在不同时间间隔的风速序列预测中该模型显著降低了多步实时预测中的误差。 相似文献
16.
17.
工作于自然环境的光伏阵列故障频发,及时对故障进行定位和分类对于提高光伏电站运行水平具有重要意义。针对光伏阵列的常见故障类型(短路、开路、局部遮挡等),基于运行数据提出无监督模糊C均值(FCM)聚类与模糊隶属(FM)算法相结合的光伏阵列故障诊断方法。论文首先对光伏阵列典型故障的产生机理进行分析并提取故障特征参数;然后,采用FCM聚类方法对光伏阵列典型故障样本数据进行分类,得到不同故障的聚类中心;最后,利用FM算法计算运行数据与聚类中心的隶属度,判定故障类型。基于数字模拟实验和实证测试,验证上述方法的有效性。分析结果表明,本文方法可有效判别光伏阵列的典型故障,诊断结果准确、可靠。 相似文献
18.
《International Journal of Hydrogen Energy》2019,44(11):5324-5333
Artificial neural network has generally been used for a quantity of tasks such as classification, prediction, clustering and association analysis in different application fields. To the best of our knowledge, there are few researches on breakthrough curve used artificial neural network. In this paper, an artificial neural network model is established for breakthrough curves prediction in relation to a ternary components gas with a two-layered adsorbent bed piled up with activated carbon (AC) and zeolite, and an optimization is concluded by the artificial neural network. The performance data which acquired by Aspen model has been utilized for training artificial neural network (ANN) model. The ANN model trained has great competence for making prediction of hydrogen purification performance of PSA cycle with impressive speed and rational accuracy. On the strength of the ANN model, we implemented an optimization for seeking first-rank PSA cycle parameters. The optimization is concentrated on the effect of inlet flow rate, pressure and layer ratio of activated carbon height to zeolite height. Furthermore, this paper shows that the PSA cycle's optimal operation parameters can be obtained by use of ANN model and optimization algorithm, the ANN model has been trained according to the data generated by Aspen adsorption model. 相似文献
19.
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。 相似文献
20.
为提高基于模糊神经网络的锅炉炉膛受热面结渣预测精度,提出了一种基于广义钟型隶属度函数非线性惯性权重递减调整策略的粒子群优化算法,通过适应度测试函数对比实验、结渣预测实验和预测稳定性分析对现有文献中线性惯性权重递减调整策略(LPSO)、指数型非线性惯性权重递减调整策略(IPSO)和基于广义钟型隶属度函数非线性惯性权重递减调整策略(GJPSO)进行对比分析。研究结果表明:本文所改进的粒子群算法可以有效地改善算法的早熟现象、平衡算法的全局和局部搜索能力、提高算法的收敛效果和稳定性。利用改进后的粒子群算法对模糊神经网络中的权值和阈值进行优化,提高了模糊神经网络的炉膛结渣预测性能。 相似文献