基于集成经验模态分解和最小二乘双支持向量回归机的风速预测算法研究

为有效解决风电大规模并网过程中面临的并网难和弃风等问题,实现可再生能源大规模平滑并网并保证大电网的安全稳定运行,采用集成经验模态分解(ensemble empirical mode decomposition,EEMD)和最小二乘双支持向量回归机(least square twin support vector regression,LSTSVR)算法进行风电场风速预测。分别介绍了LSTSVR、EEMD及自适应变异粒子群算法原理。给出基于EEMD和LSTSVR的风速预测流程,以安徽女儿岭风电场测风声雷达30、70 m处风速采样数据为例,开展基于EEMD和LSTSVR的风速预测算法验证,预测结果误差分析表明:基于EEMD+LSTSVR+自适应变异粒子群算法可以实现风电场风速的高精度预测。     

多口径低压气体超声波流量计在负压环境中计量特性的分析

气体超声波流量计具有通用性好、压损小、精度高、测量范围广等一系列优点,广泛应用于各个行业~([1])。由于其稳定性较好、易损部件少、精度高已成为各个天然气交接门站首选的计量器具~([2])。目前大多数在用气体超声波流量计使用工况均为高压,高流速,与日常检测工况是相反的。低压气体超声波流量计在现场使用时往往是常压或者次高压,这与目前气体计量器具检测时压力(常压)相接近。实验分两组,以DN50、DN80、DN100为一组;DN150、DN200、DN250为一组。以负压、检测介质为空气分析不同口径流量稳定性与示值误差。得出不同口径流量计在不同分界流量点以上及分界流量点以下流量稳定性与示值误差变化规律。     

掺(Ga,Si)银铝浆对n型TOPCon太阳能电池电性能的影响

银铝浆是新一代太阳能电池(n型TOPCon)的关键材料,但其金属化后在Si发射极表面形成很大且很深的“银铝尖钉”,尖钉易击穿p-n结造成短路,成为限制其应用的瓶颈。引入Si、Ga元素对银铝浆进行优化,分别制备了掺Si和掺Ga, Si的银铝浆,研究其对金属化区域暗态饱和电流密度J_0.metal、欧姆接触电阻R_c的影响机制。结果表明：掺入少量Si后,金属化区域未见明显“银铝尖钉”,说明掺Si后抑制了在浆料金属化时出现“银铝尖钉”的现象,对p-n结损伤较小,J_0.metal下降,开路电压V_oc上升,但是R_c增大。再掺入Ga组分后“银铝尖钉”明显变浅,数量变多,R_c下降,弥补了掺Si银铝浆欧姆接触差的弊端,有较高的电池转换效率;用扩散浓度测试仪(ECV)对发射极表层进行元素浓度分析,发现Ga分布于表层0～50 nm处,有利于改善欧姆接触。研究了Ga、Si的掺入量对银铝浆电性能的影响,电池转换效率最高达到24.68%,太阳能电池效率提升0.55%。     

生物微阵列芯片检测新方法的研究

随着基因组学与蛋白质组学的深入发展,生物微阵列芯片正成为DNA与蛋白质等生物分子多靶标同时检测的新技术新方法。发展新型的生物微阵列芯片模式与高灵敏检测方法是实现多靶标生物分子同时检测的重要方向。发展高灵敏的DNA微阵列芯片方法可以实     

《遥感与地理信息系统》精品课程网站设计与开发

该文从《遥感与地理信息系统》精品课程网站的前期准备、网页设计、解决的关键技术、网站更新维护四个方面详细探讨了精品课程网站开发过程中需要注意的问题．为精品课程网站建设提供了一些方法和心得体会。精品课程建设的6项标准之一是多媒体课件建设,因此网站设计了两套多媒体课件,以达到不同的教学效果。     

计算机专业实践教学改革

论述如何提高计算机专业大学生的动手能力和解决工程应用问题的创新思维能力,分析新形势下计算机专业大学生的特点和实践教学的改革思路。提出通过逐步构建多层次、分布式的大学生课外科研训练中心,组织大学参加地区、全国或国际范围的工程应用技能竞赛,提高大学生的实践技能和团队合作精神。     

WSN中基于分簇的实时传输算法

采用跨层技术,提出一种无线传感器网络(WSN)中基于分簇的实时传输算法。在WSN中找出簇头到基站的多条优化路径,采用基于平均队列长度的拥塞控制方法,在这些路径中找出一条耗能最小且实时性最优的路径,并沿着该路径将数据传送到基站。仿真分析表明,该算法能满足网络的实时性需求,并能有效进行拥塞控制。     

WSN中基于LEACH的多层分簇路由方案

针对传统分簇路由中存在的节点能耗严重失衡问题,提出一种新的成簇路由方案。在参考LEACH路由算法的基础上,融合多层分簇的思想,通过在网络拓扑的底层构建具有多个簇头节点的簇集合、在拓扑的顶层构建多跳转发机制,提出能量高效的多层分簇路由算法。仿真结果表明,该算法在网络生存时间和负载均衡方面较已有算法有较大的提高。     

数据丢失情况下的最小二乘参数辨识算法

现有系统参数辨识方法大多是建立在输入输出数据可以完全测量和完全获取的基础上,而在实际系统中,由于传感器故障或网络传输机构故障,使得数据丢失现象经常发生。研究一类线性系统在输入或输出数据丢失情况下的系统辨识问题,并将数据丢失现象描述为随机伯努利序列,在此基础上提出新的辨识算法来估计数据丢失情况下系统的参数。最后,通过仿真示例验证所提算法对数据丢失的影响。结果表明,所提出的算法相较于递推最小二乘法有更好的收敛性。     

基于多示例多标记的抽油机故障诊断

针对抽油机工况数据可从位移、载荷、电流等多个方面进行描述,若仅仅使用一个特征向量来描述抽油机工况数据会使其信息过于简化,丢失一部分有效信息的问题,以及工况数据具有多义性的特征,提出基于多示例多标记的抽油机故障诊断.该学习方法中,用抽油机的位移、载荷、电流数据作为抽油机工况样本包的多个示例,使用k-medoids聚类算法对样本包进行聚类,将多个样本包转换为若干示例,新示例的每一维表示样本包到样本各聚类中心的距离,再利用MLSVM算法对转换后的多标记问题进行求解.实验结果表明,多示例多标记学习能够及时、准确地诊断出抽油机故障问题.