建筑施工过程碳排放量预测模型及应用研究

在明确碳排放量计算公式和碳排放因子的基础上,文章建立建筑施工过程中碳排放量预测模型,并对建筑施工过程中材料及机械设备使用情况进行实证分析,得出建筑面积与施工过程碳排放量存在显著的线性关系。最后通过实例对该碳排放量预测模型进行应用研究。     

基于多因素改进型PSOSVM算法的中长期负荷预测

中长期负荷预测作为电力规划与调度中的重要一环,其影响因素有着多样性和不确定性等特点.选取支持向量机作为中长期负荷预测的核心算法,筛选多种区域宏观经济因素,利用粒子群(PSO)寻优与循环寻优的改进型算法对支持向量机(SVM)的参数进行优化及负荷预测.仿真结果显示,改进型PSOSVM算法有着较高的预测精度.     

极端海况下FPSO系泊系统安全性评估与分析

针对近年极端海洋性气候频发所导致的FPSO系泊系统安全性问题,从服役多年系泊系统钢缆的剩余强度入手,评估影响船体运动的环境参数,给出系泊钢缆的安全系数。利用准静态的方法估算环境等级的范围,选取南海某型FPSO建立系泊系统耦合计算模型。应用AQWA-DRAFT与AQWA-NAUT模块,采用时域非线性方法对系泊系统进行耦合分析,在满足规范系数的前提下确定现服役系泊系统的定位能力,预报系泊系统所能承受的最大风浪流极值组合及对应的台风等级。通过计算可看出钢缆强度的下降直接影响着系泊系统的定位能力,导致其无法抵御百年一遇的台风,系泊系统可抵御台风等级降至12级。     

基于RBF神经网络的交通生成预测模型

针对交通生成预测中传统集计预测模型缺少行为基础这一重要数据源,以及普通离散模型建立对数学推导依赖性高和预测中存在多个预测值,导致预测结果精度不理想的问题,建立了基于RBF神经网络的交通生成预测模型,该模型将以行为基础为前提的离散数据作为数据源,模型的建立不需要进行数学推导,利用输入和输出数据自动建立,再结合RBF神经网络收敛速度快和具有唯一最佳逼近点的特点,对交通生成进行预测。通过实例进行仿真和分析,结果表明,该模型最终获得的交通生成预测结果与实际值误差在允许范围内,RBF神经网络交通生成预测效果好,能在实际中应用。     

元胞驻留视频群体状态预报方法

视频场景人群状态预报是防止公共场所安全事故的一种重要措施．为此提出了一种视频场景群体状态预报模型．该模型使用格内驻留元胞自动机(inner-grid parking cellular automata, IPCA)模型预报视频中群体状态．首先,通过光流法进行运动跟踪作为IPCA的输入特征对场景进行建模,并根据特征点的运动状态自适应地调整其在元胞格内的驻留时间以提高预报精度;其次,通过分析IPCA模型的预测结果判断群体微团间的相互作用得到视频帧的状态信息,从而达到对场景中人群状态进行预报的目的;最后,利用当前场景的状态信息对该场景的预报输出进行反馈校正,使模型能够及时地反映场景中群体状态的变化,该模型不依赖于具体的视频帧,以微团结构的碰撞作为异常检测依据．实验结果表明,与传统的检测方法相比,该预报模型能够提前预报视频场景中的异常状态,并具有较好的准确性．     

基于社会经济指标影响的电力系统月度负荷组合预测模型

电力负荷受到多种因素影响,用负荷历史数据进行负荷预测结果往往不准确.考虑社会经济指标的影响,采用无偏灰色预测模型与偏最小二乘模型相结合的方法对月度电力负荷进行预测.首先通过无偏灰色理论的方法预测各社会经济指标,然后针对社会经济指标与电力月度负荷的变化特点进行偏最小二乘建模.最后拟合出负荷与各指标之间的线性关系式.实例证明,该组合预测模型具有较高精度.     

新型GM(2,1)模型在电力负荷预测中的应用

电力负荷预测是电网调度中的一项重要工作,精确的负荷预测是电网运行安排的主要依据。文中提出了一种新型GM(2,1)模型的建模方法,克服了传统GM(2,1)模型强行定义白化微分方程常数项所带来的数据突变问题。将上述方法用于电力负荷预测,实例仿真结果表明,与传统的GM(2,1)模型相比,新模型具有更高的预测精度,为电力负荷预测提供了一种重要手段。     

面向光伏发电的规则表预测模型

基于模式树提出了一种面向光伏发电的规则表模型.学习时,迭代地构建不同的模式树;对于每次迭代,树中对应于最优的路径被作为规则表中的规则.预测时,根据规则表,使用相应的线性回归模型进行预测.实验结果表明,较之于神经网络、模式树,该模型具有更好的可解释性,同时表现出更高的预测准确性.     

基于混沌时间序列及神经网络的大同电网负荷短期预测研究

精确的负荷预测对电力定价、实时负荷调整起着十分重要的作用.提出利用径向基函数神经网络模型,通过采用混沌时间序列的方法,对大同地区的全网用电负荷数据进行了短期预测验证.通过数据预处理产生混沌序列,进而通过相空间参数完成了相空间重构.最后通过RBF网络预测得到了相应的预测值,并与实际值进行了对比.结果表明:得到的预测结果与实际结果几乎重合,证明了该方法的高度预测能力与适应能力.     

电力现货市场前瞻优化的周期选择

前瞻优化对于适应可再生能源的发展需求,确保电力现货市场良好运作,发挥着重要作用.而合理的前瞻周期选择能够有效地提高电力系统全局优化的可靠性与经济性.因此,迫切需要对前瞻周期的选择问题进行研究.为此,文中首先通过建立电力现货市场前瞻优化模型,推导了优化模型下的节点边际电价公式,分析了跨时段约束对节点边际电价的影响.然后,构建了前瞻周期的偏差量模型,设计了电力现货市场前瞻周期的选择流程.最后,通过不同的算例,揭示了不同前瞻周期下跨时段约束对节点边际电价的影响,验证了流程所选最佳前瞻周期的有效性.