排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
2.
4.
风力发电作为一种技术成熟、规模较大的新能源发电形式,目前在世界各国得到了广泛应用和发展。风电具有不确定性的特点,必须对其进行准确的预测才能保证并网后电力系统的正常运行。针对风电预测的传统方法和新的研究趋势开展了综述。首先对物理方法、时间序列方法、人工智能方法和组合方法进行了总结,然后针对目前风电预测的几个重要的发展方向:空间相关性预测、集群预测、不确定性预测和爬坡预测的研究进展进行了重点阐述。对现有的风电功率预测方法进行综述后,进一步对这一领域的研究方向进行了展望。 相似文献
5.
根据风能具有随机性和间歇性的特点,分析了大容量风电并网对电网运行造成的影响.针对风电场容量可信度低、大型风电容量计算难的问题,在保证系统安全运行的前提下,建立了基于模拟植物生长算法理论的风电并网容量的优化分析模型.该模型引入了风电的发电能力约束,考虑了风电场减出力控制措施的影响因素,在IEEE 39节点系统的风电并网容量计算中得以运用.试验证明该模型正确,适用于不确定的应用环境. 相似文献
6.
7.
8.
针对传统变电站人工视频安全帽检测效率低和错误率高的问题,文中提出了一种优化的高精度Faster-RCNN安全帽检测方法。首先,以RPN为主干网络引入特征金字塔,增强检测算法浅层和深层信息表征能力;接着,引入K-Means++聚类算法优化Anchor参数,提升网络对小目标的检测能力;然后,以ROI Align代替RoI池化,消除量化误差和原始图片与特征图的映射偏差,从而提高检测精度;最后,采用开源安全帽数据集对改进的网络进行训练与测试,并将该模型与YOLOv3、RFBnet和传统Faster-RCNN进行了对比。实验结果表明:优化的Faster-RCNN相比RFBnet、YOLOv3和传统Faster-RCNN模型,将mAP值分别提高了6.81%、9.57%和5.09%,达到了92.43%;检测速度为18 frame/s,同时增强了变电站安全帽高精度识别能力。 相似文献
9.
10.