深度置信网络光伏发电短时功率预测研究

针对现有光伏功率预测技术存在提取特征不充分导致预测精度低的问题,提出一种基于深度置信网络的光伏发电短时功率预测方法。根据光伏发电系统的运行特征和深度置信网络的特点,阐述该预测方法的可行性和科学性。搭建功率预测模型,通过无监督学习过程逐层提取输入序列的内在特征;模型顶层采用BP神经网络对特征矩阵和偏移量进行有监督训练,经过误差微调后输出预测结果。综合考虑可能对光伏发电功率产生影响的多种因素(如辐射强度、温度等),并将上述因素做归一化处理后作为模型的初始输入量,在Matlab上对预测模型进行仿真验证。最后将该预测模型与常用的BP神经网络方法进行比较,结果显示所提模型性能优于BP神经网络,证明该模型具有较好的预测准确度。     

基于EEMD-LSTM方法的光伏发电系统超短期功率预测

为提高光伏发电系统功率超短期预测的准确性,提出一种基于EEMD-LSTM的光伏电站超短期预测模型。该模型选取某50 MW光伏电站2017年功率数据作为样本,根据天气因素分类指标将天气情况分为非突变天气和突变天气两大类,利用EEMD将分类天气的历史功率数据分解为IMF1～IMF5和剩余分量,计算各个分量与原始数据之间的相关性并将强相关的分量送入LSTM神经网络,叠加各子分量结果得到最终的光伏功率预测结果,同步搭建BP、SVM、KNN和LSTM模型与所提模型进行误差对比。结果表明：天气因素对光伏输出功率有较大影响;单一模型对功率波动较大的突变天气进行预测时会产生较大误差;功率数据经过EEMD分解,可充分提取细节特征,使得EEMD-LSTM耦合模型较LSTM模型在e_RMSE、e_MAPE、e_TIC上分别提升21.23%、11.92%、25.67%。所提模型可有效提高光伏功率超短期预测的准确度,满足光伏发电系统超短期预测的要求。     

新能源功率预测算法优化研究

以风能和太阳能为代表的新能源具有随机性、间歇性和波动性,对新能源发电功率进行预测是有效解决以上问题的途径。在确定性预测中充分考虑风电出力和预测模型特性,提出分段支持向量机（piecewise support vector machine,PSVM）和神经网络（neural network,NN）预测算法;充分考虑天气特征对光伏出力的影响,提出基于气象特性分析的光伏出力预测算法。通过若干风电场的算例分析,证明了上述几种预测模型的实用性,为功率预测的可靠性分析提供支持。     

基于误差修正 NLSTM 神经网络的无人机航迹预测

无人机产业近年来发展迅猛,在军用和民用方面都拥有广泛的应用前景。无人机的航迹记录在其航行过程中发挥着重要作用,无人机的航迹预测也成为当前世界研究的热点,使用神经网络进行航迹预测更可以充分发挥其优势。首先对国内外学者关于航迹预测的文献进行了梳理,根据航迹预测的原理对目前飞行器航迹预测算法进行了总结和分类,针对利用神经网络模型预测无人机航迹并逐步改进模型以提高预测精度的问题进行了研究。接着对于传统神经网络模型预测精度不够高的问题,提出一种带误差修正的嵌套长短期记忆 (ENLSTM) 神经网络预测模型。ENLSTM 在嵌套长短期记忆网络模型的基础上引入了误差修正项,从而使得预测精度更高。最后使用 BP、RNN、LSTM 和 ENLSTM 四种神经网络模型分别对无人机的真实航迹数据和模拟航迹数据进行仿真实验,得出结论：循环神经网络相对 BP 神经网络在无人机航迹的预测上更具有优势,基于基础循环神经网络的逐步改进提升了模型的预测能力,ENLSTM 模型对于无人机的航迹预测具有更好的效果。     

基于Attention-LSTM的分布式光伏超短期发电功率预测

现有光伏功率预测方法聚焦于集中式光伏且多依赖气象数据,然而分布式光伏不具备良好的气象数据,因此现有光伏预测方法难以应用于分布式光伏。值得注意的是,分布式光伏位置邻近,处于相似的外部环境下,场站间出力具有强时空相关性。充分利用场站间的相关性有助于进一步提高功率预测精度。因此,该文提出了一种基于Attention-LSTM的分布式光伏超短期发电功率预测模型,该模型将目标场站与多个邻近场站的出力数据作为输入,通过Attention-LSTM挖掘各场站出力的相关性,以提高目标场站功率预测精度。该文通过实际的数据集验证了所提出的方法的有效性。     

考虑大气颗粒物对辐照度影响的光伏功率预测

太阳辐射强度受大气颗粒物浓度影响显著,对光伏发电功率预测准确度的影响不容忽视。为提高太阳辐射强度以及光伏发电功率预测准确度,通过K-means算法对大颗粒物浓度以及相对湿度历史数据进行聚类,基于聚类数据利用径向基神经网络分别建立大气气溶胶光学厚度预测模型;在预测的大气气溶胶光学厚度基础上,结合双波段太阳辐射大气传输模型与倾斜面辐射模型,预测光伏电池板面接收到的太阳辐射强度;最后利用气温和预测光伏电池板面接收到的太阳辐射强度,结合光电转换模型实现光伏发电功率预测。通过实验验证,预测模型平均误差为6.07%,考虑大气颗粒物浓度对太阳辐射强度影响的光伏发电功率预测模型具有较高准确度。     

SA-GA-CNN-LSTM新型冷暖系统负荷预测方法研究

为提高预测精度,给新型相变储能供冷供暖系统提供准确的储能参考,结合该系统的特点,提出新的负荷预测方法。该方法先对数据进行模糊C均值聚类,然后将聚类结果分别传入由遗传算法（genetic algorithm, GA）、自注意力机制（self-attention, SA）和卷积长短时记忆神经网络（CNN-LSTM）相结合的模型进行预测。采用北京昌平某变电所的相变储能冷暖系统的实测数据进行训练并确定了该预测模型,最后用该模型进行负荷预测,预测数据和实测数据对比,证明了该模型的有效性。与单一神经网络模型CNN、LSTM和混合神经网络模型CNN-LSTM、GA-CNNLSTM相比,所提出的SA-GA-CNN-LSTM神经网络模型的预测精度最高。在平均绝对误差（MAPE）指标下,比表现较好的单一神经网络模型LSTM误差降低2.32%,比混合神经网络模型CNN-LSTM误差降低1.49%。     

基于变量选择的电站燃煤锅炉NO_(x)排放浓度预估北大核心CSCD

针对电站燃煤锅炉NOx排放浓度存在测量迟延的情况,提出了基于互信息和长短期记忆神经网络相结合的电站燃煤锅炉NO_(x)排放浓度预测模型。首先,利用互信息计算出候选输入变量与输出变量NO_(x)浓度之间的延迟时间,并引入最大相关最小冗余算法,筛选出最优特征子集,将最优特征子集作为LSTM模型的输入,建立了锅炉NO_(x)排放浓度预测模型。仿真结果表明,所建模型的测试集均方根误差为4.626 mg/m^(3),平均绝对误差为3.836 mg/m^(3),与未经变量选择和未考虑时延的LSTM模型相比,预测精度显著提高。     

光伏发电系统发电功率预测

为解决光伏发电系统发电功率在不同条件下误差较大问题,提出光伏发电系统发电功率预测新方法。通过分析光伏发电系统结构,研究光伏发电系统发电功率影响因素;以季节和天气类型作为历史样本选取样本源,针对气象部门提供的预测日分时气象数据在历史数据库中寻找相似数据点作为历史样本;依据历史样本构建离线参数寻优数据总集,使用核函数极限学习机算法构建发电系统发电功率预测模型,通过粒子群算法优化模型参数。实验结果表明：所提方法在不同条件下预测太阳能光伏发电系统发电功率的平均绝对百分比误差分别为1.47%和6.39%,光伏组件在综合异常条件下发电功率预测误差相对变化均低于1%,证明所提方法满足实际预测要求。     

ICEEMDAN-ISSA-LSTM短期电力负荷预测

针对传统短期负荷预测方法误差大的问题,提出一种基于改进型自适应白噪声的完全集合经验模态分解(ICEEMDAN)和改进的麻雀搜索算法(ISSA)优化长短期记忆网络(LSTM)的短期负荷预测方法。首先,针对负荷序列波动性大,导致直接使用负荷数据进行预测难以获取内在特征的问题,运用ICEEMDAN方法将原始负荷序列进行分解,得到时间尺度各异的IMF分量;其次,针对LSTM模型参数较难选取的问题,采用ISSA对LSTM的超参数寻优,利用Fuch混沌映射、反向学习策略和自适应t变异改进麻雀算法,减小SSA陷入局部最优的风险,提高麻雀算法的寻优能力和收敛速度;最后,依据分解得到的各组数据特征,建立ISSA-LSTM模型并进行预测,再将各组分量的预测值进行叠加,得到最终的电力负荷预测结果。仿真结果表明：与其他预测模型相比,ICEEMDAN-ISSALSTM模型具有更高的短期电力负荷预测精度,其预测平均绝对误差为9.39 kW,均方根误差为11.47 kW,平均绝对百分比误差为0.19%。     

模具表面离子氮化工艺研究

研究了一种利用空气／甲烷混合气体对模具表面进行离子氮化的新工艺,分析了渗层的硬度、组织及物相。结果表明,通过加入甲烷气体,可以实现用空气直接进行离子氮化处理,通过调整甲烷流量,可以获得不同的渗氮硬度和物相。     

基于VRML的电梯仿真研究与开发

电梯是大型机电一体化产品,由于技术复杂,专业性强,结构封闭,在教学和培训过程中,学员不易全面了解电梯的结构.提出了一种交互式电梯虚拟场景模型,以VRML为平台开发了七层七站虚拟电梯,可直观地观察电梯的基本结构和使用过程,还可以通过与场景的交互细致了解电梯运行中各环节的工作情况.     

基于文献反思参与式设计

目的 分析和反思有关参与式设计(PD)理论形成与实践的文献,并解决三个问题,强调“参与”设计的项目中为什么使用已经淡化了“参与”概念的PD;在商业环境中进行PD实践的前提;PD的核心理念是否应当按照某些指标排序。方法 筛选Web of Science数据库中收录的PD相关研究文献,用自然断裂点分级法划分出PD研究的四个阶段,通过CiteSpace 工具筛选各发展阶段中的重要文献,定性分析各阶段的文献。结果 梳理了PD的发展过程和核心理念,得出了PD的本质,分析了PD实践与PD理论间的隔阂,并探讨了PD未来的研究方向。结论 PD本质是文化、政治思想在设计活动中的表达;设计项目中使用PD可能是为了程序正义;“有用”是商业环境中进行PD实践的前提;对PD核心理念的排序是合理且有用的。     

基于随机前沿的竞争与公司效率影响实证研究

运用最近兴起的随机前沿技术,研究了产品市场竞争对公司效率的作用。不同的竞争激烈程度上,产品市场竞争与公司效率之间作用是不同的。在竞争激烈程度中等的行业,产品市场竞争与公司效率之间是"倒U型"的曲线关系。在竞争激烈和竞争不激烈的行业中,产品市场竞争与公司效率之间是一次正的线性关系。同时,大公司的存在能够促进公司效率的提高。另外,中国上市公司效率与行业竞争强度之间并没有表现出相互影响的关系,"效率结构假说"不成立。     

基于下一代网络的SLEE APIs的研究

对下一代网络业务逻辑执行环境(SLEE)的研究现状作了简要分析，在此基础上给出了业务逻辑执行环境(SLEE)的体系结构。为满足不同层次业务开发者编写业务(或应用)的需要，提出不同抽象粒度的SLEE应用业务编程接口(APIs)的体系框架。最后列举了两个用这些APIs实现的业务的例子。     

复合微孔玻璃膜的研制（Ⅱ）

利用由原硅酸四乙酯的水解缩聚反应制得的溶胶作为涂膜液，在多孔陶瓷基体上通过多次涂膜－干燥－加热过程，最后在盐酸中浸沥，可制成多孔的无机复合玻璃膜．探索了复合玻璃膜的成膜工艺因素涂膜方式和次数，加热和酸浸沥条件对膜性能的影响     

碳纤维复合材料T型接头的脱粘损伤监测实验

将压电传感与主动Lamb波监测技术相结合, 研究在静拉伸加载状态下碳纤维复合材料T型接头(T700/BA9916)界面脱粘及扩展过程中的信号特征, 并采用改进后的BP神经网络系统对接头损伤状态进行识别。实验结果表明: T型接头脱粘首先发生在三角填充区, 后向突缘扩展; 接头失效前, 信号能量和最小二乘峰值因子随时间呈线性递减, 能够表征脱粘程度, 利用自适应微粒群算法改进后的网络训练值与实验观测值之间的误差为3.8%~4.7%。     

Report on ONR Workshop on Fracture Scaling

The paper reports on the discussions at the ONR Workshop on Fracture Scaling, held at University of Maryland in June 1999, under the chairmanship of Z.P. Baant and Y.D.S. Rajapakse. The workshop dealt with size effects in structural failure and scale bridging in mechanics of materials. The lectures at the Workshop were published in Volume 95 of this Journal. The objective of this paper is to present records and interpretations of the extensive discussions prepared by invited specialists. The records show which are the areas of disagreement among leading researchers and which are those where consensus has been reached.     

制造过程的质量管理探讨（续）

生产过程控制是对“５ＭＩＥ”质量因素的探讨,其控制活动体现在每一个生产工序中。根据ＩＳＯ９００４标准,从生产过程控制的角度,探讨了制造过程的质量管理问题,并重点讨论了关健和特殊工序的控制。