基于斑点鬣狗算法优化支持向量机的短期风电功率预测

为提高短期风电功率预测精度,提出了一种基于斑点鬣狗算法优化支持向量机的短期风电功率预测方法。采用斑点鬣狗算法对支持向量机的惩罚系数和核参数进行优化,建立基于SHO SVM的短期风电功率预测模型,并采用实际风电场运行数据进行仿真分析。仿真结果表明,SHO SVM模型的平均相对误差和均方根误差分别为4.15%和0.196,预测精度和数据波动性均优于其他模型,验证了短期风电功率预测方法的正确性和实用性。     

基于风速升降特征的短期风电功率预测

为提高短期风电功率预测精度,提出了基于风速升降特征的短期风电功率预测方法。该方法分析风速上升或下降对风力发电的影响,根据风速升降特征,为风速添加标记值,增加训练样本维度,从而提高功率预测精度。用上海某风电场2014年9月至2015年9月数据对算法进行验证,并对比最小二乘支持向量机(LSSVM)、极限学习机(ELM)、遗传BP神经网络(GA-BP)三种方法的预测结果。实验结果表明,在风电功率预测中引入风速升降特征能够明显提高了模型的预测精度,适合风电场的短期功率预测。     

基于经验模态分解和支持向量机的短期风电功率组合预测模型

针对风速序列随时间、空间呈现非平稳性变化的特征,提出一种基于经验模态分解（empirical mode decomposition,EMD）和支持向量机（support vector machine,SVM）的EMD-SVM短期风电功率组合预测方法。该方法首先利用EMD将风速序列分解为一系列相对平稳的分量,以减少不同特征信息间的相互影响;然后利用SVM法对各分量建立预测模型,针对各序列自身特点选择不同的核函数和相关参数来处理各组不同数据,以提高单个模型预测精度。最后将风速预测结果叠加并输入功率转化曲线以得到风电功率预测结果。研究结果表明,EMD-SVM组合预测模型能更好地跟踪风电功率的变化,其预测误差比单一统计模型降低了5%~10%,有效地提高了短期风电功率预测的精度。     

基于混沌时间序列的支持向量机短期风速预测模型研究

风电场风速及风电功率预测技术是加强风电并网管理的关键措施之一。为了提高短期风速预测的精度,减小风电并网对电力系统的电能质量及其安全稳定运行带来的影响,提出了基于混沌时间序列的支持向量机短期风速预测模型。该模型针对风速混沌时间序列建模,并采用基于贝叶斯框架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,该预测模型有效地提高了短期风速预测的精度。     

基于WD-CS-SVM的超短期风电功率组合预测

为了提高风电场输出功率的预测精度,应用小波分析(WD)和布谷鸟优化支持向量机(CS-SVM)算法对风电功率进行超短期预测,对比于通过预测风速间接求得的风电功率更加直接且准确。首先,利用WD与重构,将风电功率模型分解成近似序列和细节序列,然后利用CS-SVM算法对每个序列进行预测,得到每个序列的预测结果,最后把各个序列的预测结果叠加,形成风电功率的最终预测值。算例计算结果表明,预测结果具有较高的精度,与SVM以及其他方法优化的SVM预测结果相比,文中使用的方法预测结果更加准确,具有较强的优越性和实用性。     

基于IPSO-LSSVM的风电功率短期预测研究

风电功率预测的关键是预测模型的选择和模型性能的优化。选择最小二乘支持向量机(least squares support vector machine,LSSVM)作为风电功率预测模型,使用改进的粒子群算法（improved particle swarm optimization algorithm ,IPSO）对影响最小二乘支持向量机回归性能的参数进行优化。在建立了改进的粒子群算法优化最小二乘支持向量机（LSSVM）的风电功率预测模型后,运用该模型对广西某风电场进行了仿真研究。为了对比研究,同时使用前馈(back propagation,BP)神经网络模型和支持向量机（support vector machine,SVM）模型进行了预测。最后采用多种误差指标对三种模型的预测结果进行综合分析。结果表明,使用改进的粒子群算法优化最小二乘向量机（IPSO-LSSVM）的风电功率预测模型具有较高的预测精度。     

一种短期风电功率集成预测方法

为提高短期风电功率预测精度,缩短模型训练时间,提出了一种短期风电功率集成预测方法。根据风速功率曲线和风速频率特征,将风速划分为高、中、低三段,并对每段的风速功率特征进行统计分析。高、低风速段功率波动较大,使用最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)方法可取得较高的预测精度。中风速段风速数据点较多,且风速和功率有明显的物理关系,使用高斯(Gaussian)模型预测。并用风速功率等级表对各段预测的结果进行订正,保证了算法的稳定性。用上海某风电场2014年的历史数据,验证了Gaussian模型以及高、中、低风速段对应的预测算法选取的合理性。与LSSVM预测方法相比较,集成预测方法既提高了预测精度又缩短了预测时间,适合风电场短期功率的实时预测。     

基于云推理的短期风电功率预测模型

针对风速、风向和风功率之间的关联知识,提出了一种短期风电功率预测的云推理模型。利用云变换将风速等历史数据转换成多个云的定性概念,并用云的合并方法得到跃升概念,再用极大判定法进行概念隶属判定,得到约简数据库,用Apriori算法挖掘得到风速、风向和风功率之间的关联规则,最后形成云推理的规则发生器,利用规则发生器的不确定性推理来完成未来24个小时的风电功率预测。实验得到一系列有稳定倾向的预测值集合,取其期望值与Arima模型和RBF神经网络的预测值比较,相对误差均有不同程度的减小,显示了该模型较高的实用和推广价值。     

基于蜜蜂进化遗传算法优化SVM的超短期风电功率预测

提出了基于蜜蜂进化型遗传算法优化支持向量机(SVM)的超短期风电功率预测方法。针对遗传算法在优化支持向量机参数存在的早熟问题,提出了将蜜蜂进化型遗传算法应用于优化支持向量机参数,提高了搜索效率。通过某风电场预测数据进行对比实验,验证了该方法可以有效提高预测准确率和精度。     

基于Copula-SVM的短期风电功率场景预测方法

风电场输出功率具有随机性、间歇性以及可控性弱等特点,提高风电功率预测精度对含有大规模并网风电的电力系统安全经济运行具有重要意义。基于支持向量机(SVM)建立短期风电功率的均值预测模型,利用Copula函数对多时段风电功率的预测误差进行相依性建模,结合风电功率的预测均值和预测误差相依性结构,形成短期风电功率场景集合,可以直接用于机组组合等决策过程中。基于某实际风电场进行仿真分析,结果表明,考虑预测误差相依结构的场景集合能够包含风电功率实际值曲线,显示了方法的有效性。     

混合云模式中的安全问题研究

随着云计算理念及实践的推进,混合云模式逐渐成为用户解决信息化需求的首选。混合云模式不仅能满足用户对云资源自主可控的安全需求,同时还可以满足用户对云资源的突发性需求。但当前有关混合云安全的技术和方法还不成熟,影响了混合云的应用与推广。文章分析了混合云面临的安全风险,讨论了当前混合云安全研究现状,最后提出了混合云安全建议,可以为混合云的安全建设提供重要参考。     

云平台支撑下的信息数据中心管理

泰安供电公司通过搭建H3C CAS云管理平台,实现了信息数据中心硬件设备的虚拟化,建立了虚拟化管理平台,完成了信息数据中心的整合,将原来各业务数据独享硬件资源的烟囱型IT架构转变为业务共享资源池和以服务为导向的云基础架构;同时,借助云平台优化信息数据中心业务,优化云业务工作流,为用户提供＂云终端＂应用,建立个人＂私有云＂。目前,该平台已建设完成并投入使用,有效提升了公司IT管理效率,降低了总体拥有成本,确保了公司信息数据中心安全、可靠、高效运行。     

基于云模型的电力应急群体决策评价方法

近年来,随着现代电力系统朝着高度的相互关联性及复杂性方向发展,其脆弱性和巨大事故发生的危害性也日益彰显,所以,有效的电力应急管理显得尤为重要。全面评估电网企业的大面积停电应急能力,明确应急工作的目标和方向成为研究的重点。在运用层次分析法建立的评价指标体系的基础上,通过引入云理论及相关方法,可以获得一种新的电力应急群体决策评价方法。该方法利用云模型完成了评价过程中定性与定量之间的转化并同时考虑了模糊性和随机性问题。最后通过实际算例分析并验证了该方法的有效性和合理性。     

一个教育云平台实例的设计与实现

Hadoop通过分布式文体系统（HDFS）、MapReduce、HBase和Hive等关键技术,能够在一个集群上创建并执行大型数据库处理应用程序,使得它成为当前最为广泛应用的开源云计算软件平台。研究了基于Hadoop的教育云平台所采用的关键技术,设计并实现了一个典型的教育云平台,并探讨了教育云平台的应用效益问题。     

基于云计算的空中编队协同作战研究

信息化条件下,隐身、强电子干扰、超视距攻击等新威胁使得空战环境日益复杂.为满足信息化作战、体系化作战等新型作战方式的要求,将具有分布式、虚拟化和高效资源管理等特点的云计算技术运用于协同空战中,从而实现战场分散资源的动态、弹性整合,大大提高体系协同作战能力.以此解决空战中不断出现的各类新威胁,做到料敌先机,掌握主动.从新时期空战的概念和手段出发,针对云协同的相关问题,首先介绍云计算技术在协同作战领域的应用,进而讨论基于云计算的云协同作战系统的工作原理,并设计系统体系分层架构,最后与传统组网协同进行比较,分析了基于云计算的协同作战模式的作战优势.     

基于博弈论的云服务市场模型研究

云计算是集约型经济驱动下的基于大规模多租户技术的绿色高效能计算,已成为改造和革新IT行业的一个范例。然而,由于云服务具有的异质性、集中性和动态性,导致云服务的交易管理是个复杂的问题。探讨了云服务市场的重复、动态且完全信誉博弈的特性,设计了一种面向云服务的管理框架和信誉机制,使云服务消费者和提供商能够根据信誉度来更好地建立服务关系。     

县级供电企业云终端系统研究与应用

为响应公司集约化的发展战略,改变目前桌面终端处在采购分散、管理分散、运维分散的状态,公司逐步开展云终端建设,实现终端采购、管理、运维的集中管控。文章介绍电网云终端系统设计及其架构方式,进行总体优势分析,阐述公司县级供电企业云终端应用优势、部署模式以及经济效益。县公司实际应用表明,云终端的应用可改善供电所、营业网点到县级供电企业低带宽网络状况的应用效果,提高基层信息系统应用的安全水平,提升企业办公效率。     

The Actuality and Progress of Whole Sky Infrared Cloud Remote Sensing Techniques

Clouds are crucial regulators of both weather and climate. Properties such as the amount, type, height, distribution and movement of them have an impact on the earth''s radiation budget and the hydrological cycle, thus cloud observation is very important. The disadvantages of zenith pointing measuring instruments and whole sky visible imagers limit the application of them. A summary of the actuality and application of ground-based whole sky infrared cloud measuring instruments and analyses of the techniques of radiometric calibrations, removal of atmospheric emission and calculation of cloud cover, amount, type are conducted to promote the automatically observation of the whole sky. Fully considering whole sky infrared cloud sounding theories, techniques and applications, there are still a lot of studies on improving the properties of instruments, enhancing the techniques of cloud base height measurements and establishing instrumental cloud classification criterion before actual operations.     

基于地基云图的光伏功率超短期预测模型

以地基云图采集设备提供的实时日间彩色天空状况图像为研究对象,通过数字图像处理技术对时间序列图像进行了处理和分析,运用云团提取算法和跟踪学习算法实现对云团未来运动状况的预估,结合一天中太阳在云图像上的位置计算,预测未来时刻太阳的遮挡情况,进而预测辐照度和光伏功率的变化。研究结果表明,文中所述模型具有很好的可行性和实用性,为光伏电站0~4h超短期功率精确预测提供了方法。     

基于点云处理的小型工业零件高度精密测量

针对很多小型工业零件存在微米级测量的需求,提出了一种点云多次滤波与平面拟合相结合的测量方法。以上下平面平行的规则直三棱柱体工件作为测量对象,使用3D线激光传感器获取工件的点云模型并传输到计算机中进行处理,将点云数据首先通过统计滤波剔除噪声和离群值;其次利用体素滤波降采样精简点云数量;然后采用直通滤波分离出工件点云的上下表面;再分别对上下表面的点云通过随机抽样一致性（RANSAC）算法拟合出平面方程;最后计算上下平面之间的间距即为被测工件的高度信息。将该方法测得的高度与激光三角法原理测得的高度数据进行对比,结果表明,该方法测量精度提高了72.33%;同时对于不同的点云密度,利用所提出的方法进行测量,测得当降采样中体素立方体的边长为15cm时（点云数量精简了98.3%时）测量的误差最小,最小能达到5.1。该方法大大提高了工件的测量精度,可以广泛应用于工业测量中。