基于混沌CSO-WNN-RBF的光伏功率超短期组合预测

针对现有的光伏功率超短期预测方法难以得到所需复杂的气象数据,且光伏时间序列具有混沌特性,将小波去噪后的光伏电站的历史功率数据利用C-C法挖掘数据自身所包含的各影响因子.利用鸡群算法(CSO)对小波神经网络(WNN)的初值进行寻优,来提升WNN的预测性能.由于径向基函数(RBF)神经网络预测模型处理非线性输入输出关系具有较好的效果,将光伏功率时间序列分解为线性部分和非线性部分.提出一种CSO-WNN-RBF组合预测模型,利用CSO-WNN模型和RBF模型有序预测序列的线性部分和非线性部分,实现光伏电站输出功率的超短期组合预测.最后进行算例分析,将CSO-WNN-RBF预测模型与CSO-WNN预测模型、RBF预测模型进行预测效果对比.结果表明,所提方法在各天气类型中均保持良好的预测准确度和适用性.     

电子身份证的防伪

本文从软件的设计、用户注册、身份码的生成与保护、后台数据的管理和紧急情况的处理等方面,对防伪相关部分进行了架构和完善。通过有效的防伪手段保障电子身份证的使用,使之成为新一代身份证明的工具,更好的效力于人民,更好的适应时代。     

基于GSASO的局部阴影下光伏最大功率追踪

光伏系统在局部阴影遮挡条件下其输出功率会大幅度减少,同时其光伏功率特性曲线出现多峰现象,其最大功率追踪过程的复杂性也会加大.将黄金正弦(Golden-SA)作为局部优化算子嵌入到原子搜索优化算法(ASO)中,解决其收敛速度较慢并且容易陷入局部最优的缺陷;构造出一种新的算法——黄金正弦原子搜索优化算法(GSASO),原子个体通过黄金正弦操作与最优个体进行充分的信息交流,能够更加快速准确地收敛到最大功率点.设置了多种光照情况进行仿真,将其与原子优化算法和粒子群方法进行对比,结果表明,所提出的方法在局部遮阴环境条件下能准确快速地跟踪最大功率点.     

基于ILSLOA的局部遮荫下光伏发电最大功率追踪

针对光伏系统在局部遮荫情况(PSC)下的功率失配问题,提出了一种基于增强型狮群算法(ILSLOA)的最大功率点追踪控制方法,在基本狮群算法(BLOA)的基础上,引入反向搜索机制,利用反向搜索因子加快追踪速度,增强狮群算法的全局搜索能力,应用到最大功率点追踪中.设置多种光照模式进行仿真验证,并与粒子群算法(PSO)、BLOA进行比较.结果表明,所提方法追踪速度更快、精度更高,追踪过程波动更小.