基于变分推断的超短期风电功率预测

为量化气象不确定性导致的预测随机性，应对超短期风电功率预测结果进行概率计算，进而给出响应新能源出力变化的电网调控安全裕度。因此，构建一种基于变分推断（Variational Inference,VI）的风电超短期功率预测模型。首先，使用完备集成经验模态分解（Empirical Mode Decomposition,EMD）对风机有功进行降噪处理。其次，分析各影响因素与风机功率的分布特征，利用神经网络构建隐变量生成模型，实现了对输入变量的特征压缩。第三，对隐变量进行高斯采样并构建回归网络实现功率预测。第四，以证据下确界（Evidence Lower Bound,ELBO）作为优化目标进行模型参数优化。最后，通过山东省内风场实际运行数据，基于变分推断的超短期功率预测模型给出的预测均值均方根误差为2.857，与对照组极限梯度提升模型表现接近；同时，根据模型的预测结果概率分布，设置为20%和80%分位点的预测区间覆盖率为99.6%。     

热态气压胀形聚碳酸脂板材盆形件有限元分析

为了研究聚碳酸酯板材在热气压胀形过程中的几何形状变化、应力、应变分布及璧厚等参数的变化情况,利用DYNAFORM软件对板厚为4 mm、直径100 mm聚碳酸酯盆形制件加工过程进行数值模拟,并且得出了相应的结论.分析表明:聚碳酸酯板材在均匀增压至某特定数值时,有一个突然的变形.在纬向应变分布,璧厚分布及位移变化所得的云图中均有一个临界圆,这使得制件的璧厚从临界圆到压边圈的厚度逐渐增加.实验结果与有限元分析结果一致.