全文获取类型
收费全文 | 50篇 |
免费 | 8篇 |
专业分类
电工技术 | 20篇 |
综合类 | 1篇 |
化学工业 | 1篇 |
金属工艺 | 5篇 |
机械仪表 | 4篇 |
建筑科学 | 3篇 |
矿业工程 | 1篇 |
能源动力 | 9篇 |
石油天然气 | 4篇 |
武器工业 | 2篇 |
无线电 | 2篇 |
冶金工业 | 2篇 |
自动化技术 | 4篇 |
出版年
2024年 | 1篇 |
2022年 | 2篇 |
2021年 | 2篇 |
2019年 | 3篇 |
2018年 | 4篇 |
2017年 | 1篇 |
2016年 | 6篇 |
2015年 | 1篇 |
2014年 | 6篇 |
2013年 | 2篇 |
2012年 | 5篇 |
2011年 | 6篇 |
2010年 | 2篇 |
2009年 | 1篇 |
2008年 | 3篇 |
2006年 | 2篇 |
2004年 | 2篇 |
2003年 | 3篇 |
2000年 | 1篇 |
1995年 | 1篇 |
1994年 | 1篇 |
1993年 | 2篇 |
1989年 | 1篇 |
排序方式: 共有58条查询结果,搜索用时 15 毫秒
51.
52.
为提高实时预测精度,提出一种新的基于时空相关性和BP神经网络的风速实时预测方法。该方法首先基于风速演变的物理特性,依据目标预测点若干个邻域点的风速及风向信息,建立时空相关性预测(spatio-temporalcorrelation predictor,STCP)模型并得到不等时间间隔的预测风速;然后依据目标预测点的风速序列建立BP神经网络预测模型进行风速的实时预测;最后将STCP结果以一定的滑动时间窗与BP预测模型得到的实时预测风速进行适当加权组合得到最终的预测风速。以某区域多个风电场实测数据为例进行仿真测试,结果表明,与BP预测模型相比,该文提出的STCP-BP组合预测方法可有效提高风速的实时预测精度。 相似文献
53.
结合大屯电厂2×135 MW技改工程150 m烟囱工程,利用埋入烟囱壁内的钢筋作为爬杆支撑,液压千斤顶产生外力克服滑升时的摩擦力、模架自重和施工荷载,将成型模版分阶段连续提升,达到烟囱混凝土连续浇筑成型。与传统施工方法相比,节约施工机械设备、工期、劳动力、模版及周转材料等,效果良好。 相似文献
54.
基于经验模式分解和时间序列分析的风电场风速预测 总被引:2,自引:0,他引:2
针对风速时间序列的非线性和非平稳性,该文提出将经验模式分解(Empirical Mode Decomposition,EMD)和时间序列分析方法相结合对风电场风速进行预测,以探寻更为准确有效地风速预测方法.首先,运用EMD对原始风速序列进行预处理,将其自适应地分解成一系列不同尺度的模式分量,这样能够突出原始风速时间序列不同的局部特征信息;然后,分析各分量,根据其变化规律,采用时间序列分析法分别建立相应的模型并进行预测,这样既简化了建立的模型又降低了预测的成本;最后将各分量的预测值叠加得到风速序列的预测值.算例结果表明,该方法大幅提高了风速预测精度. 相似文献
55.
一种基于EMD的短期风速多步预测方法 总被引:4,自引:0,他引:4
针对风速时间序列的非线性和非平稳性,提出了一种基于经验模式分解(EMD)的短期风速多步预测新方法。该方法首先对风速时间序列进行EMD处理,将其分解为一系列相对平稳的分量,以减少不同特征信息之间的干涉;然后利用游程判定法,将波动程度相近的分量重构为高-中-低频三个分量,使所得分量特征信息集中且预测分量大幅减少;之后针对三分量的特征分别建立相应的多步预测模型;最后将三分量的多步预测结果进行自适应叠加作为最终的预测风速。算例结果表明,运用本文方法使风速多步预测的精度得到了大幅提高,同时在风速波动剧烈时也能保证较好的预测效果。 相似文献
56.
对多负荷投切行为的有效辨识,为了解用户用电行为,制定节能计划,实现智能用电提供了有力支撑。首先,为解决多种负荷投切行为的辨识问题,提出改进的二进制粒子群优化算法(Improved Binary Particle Swarm Optimization, IBPSO),并在IBPSO的适应度函数中引入距离测度法。其次,针对目前对单一负荷特征进行辨识的精度并不理想的问题,本文融合电流谐波和有功功率作为负荷投切行为的特征。最后,对多负荷投切时的电流和功率信息进行大量的仿真试验。仿真结果表明,所提算法对多负荷投切行为的辨识在收敛速度和精度上都有所提高。 相似文献
57.
基于模糊粗糙集与改进聚类的神经网络风速预测 总被引:3,自引:0,他引:3
提高风电功率预测精度是保障风电场和电力系统安全稳定运行的有效手段。神经网络方法已在风电功率预测中得到了广泛应用,并取得了不错的效果,而网络的输入变量与训练样本对其预测性能有着重要影响。基于此,提出一种基于模糊粗糙集与改进聚类的神经网络风速预测方法。采用模糊粗糙集对影响风电场风速的多种因素进行了属性约简,得到优化了的模型输入及各属性对风速的重要性;采用基于属性重要性的加权欧氏距离对传统聚类进行改进,建立了各聚类预测模型,并提取相似性较高的数据作为训练样本训练各类预测模型,对训练样本实现了优选;根据当前属性值选择匹配的模型对风速进行预测。以华北地区某风电场实际数据为例进行了实验,结果表明该方法能在较少的模型输入下有效地提高预测精度。 相似文献
58.
基于机组动态风速信息的风电场有功控制策略 总被引:1,自引:0,他引:1
风能具有随机性和间歇性,规模化风电并网对电网安全运行带来了严峻挑战,风电场有功功率控制为重要应对措施之一.提出了一种基于所处风速区间进行机组动态分类的风电场有功控制策略,该方法首先根据风力发电机组的所处风速区间和最大发电能力等信息对机组进行动态分类,然后根据功率控制目标和机组情况建立有功分配模型,计算可控机组的期望输出功率,最后将有功控制目标下达到机组控制器执行,从而实现整个风电场有功控制.以华北地区某风电场为例进行了仿真测试,结果表明了控制策略的可行性和有效性. 相似文献