排序方式: 共有21条查询结果,搜索用时 15 毫秒
1.
针对短期光伏发电功率预测输入特征数据冗余,抗干扰能力差,预测精度受限等问题,提出了基于特征因素选取的IVMD-GLSSVM短期光伏出力预测模型。首先利用GRA-KCC对影响特征因素进行分析,提取影响光伏发电功率的极相关特征因素,随后采用IVMD对光伏发电数据进行分解,降低数据非线性和波动性对预测精度的影响。然后将各模态分量分别输入GLSSVM预测模型进行预测,求得的各子序列预测结果叠加即为最终预测结果。最后在 MATLAB中对该预测模型及其他模型进行算例验证和误差分析,结果表明采用所提预测模型抗干扰能力强,预测精度高。 相似文献
2.
提出了一种基于 FIR 滤波器的卫星导航抗干扰天线数字信号正交分解方法。首先, 根据卫星导航信号在抗干扰天线中的中频中心频率及带宽信息确定带通滤波器的通带、阻带响应以及滤波器阶数等参数。接下来,采用 Parks-McClellan 算法分别设计滤波系数偶对称和奇对称的带通滤波器。最后,将抗干扰天线中 AD 采样后的中频数字实信号分别通过以上偶对称和奇对称的带通滤波器即可得到 I、Q 两路信号。本文所提方法具有计算量小、精度高且易于工程实现的特点。通过对实测数据分析验证了本文所提方法的有效性。 相似文献
3.
针对光伏发电系统短期预测影响因素较多、预测精度较低、稳定度不高等问题,提出一种基于动态时间弯曲(DTW)和变分模态分解(VMD)的粒子群(PSO)优化的BP神经网络光伏发电预测方法。首先使用动态时间弯曲算法对光伏发电功率及影响因素的数据进行测算得到DTW值,再根据DTW值选择对光伏发电功率影响较大的辐射度作为主要影响因素,然后利用变分模态分解将影响因素及光伏发电功率进行分解,降低数据的波动性和非平稳性。运用粒子群优化的BP神经网络对各分量进行预测,然后将预测结果进行叠加,叠加所得结果即为最后预测结果。在Matlab中对该方法和其他神经网络进行算例验证和误差分析,结果表明采用该方法预测结果精度高,稳定性好。 相似文献
4.
5.
6.
7.
8.
9.
汽车覆盖件模具的设计水平决定了汽车覆盖件的质量,并影响着汽车的性能与外观.本研究在分析拉延模结构设计特点的基础上,提出一种汽车覆盖件数字化设计制造的思路和方法.现有的汽车覆盖件冲压成形工艺设计一般采用经验与计算机相结合的设计方珐,这在某种程度上满足了企业生产的需要,但其设计周期长、效率低、设计质量难于保证.为适应汽车工业的快速发展和市场竞争要求,在汽车模具生产中采用该方法综合利用逆向工程软件、CAD/CAM软件、材料成型分析软件和加工仿真软件的有效组合和数据集成,有效地解决了汽车覆盖件拉延模具快速设计与制造的过程.综合实例表明.该过程可以快速提高模具类产品的研制周期,提高产品的质量. 相似文献
10.