首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   57篇
  免费   12篇
  国内免费   1篇
电工技术   44篇
机械仪表   2篇
能源动力   8篇
水利工程   1篇
无线电   2篇
一般工业技术   1篇
自动化技术   12篇
  2017年   2篇
  2016年   12篇
  2015年   1篇
  2014年   2篇
  2013年   1篇
  2012年   5篇
  2011年   5篇
  2010年   4篇
  2009年   3篇
  2008年   3篇
  2007年   8篇
  2006年   6篇
  2005年   7篇
  2004年   1篇
  2003年   3篇
  2002年   1篇
  2000年   1篇
  1999年   2篇
  1997年   1篇
  1994年   2篇
排序方式: 共有70条查询结果,搜索用时 31 毫秒
1.
为了实现对并网型光伏电站调度,提出了一种基于集合经验模态能分解(EEMD)与BP神经网络的短期光伏出力的组合预测模型。利用集合经验模态分解将光伏出力序列分解,得到本征模函数分量IMF和剩余分量Res,降低序列的非平稳性。采用游程检验法优化因IMF分量数量多造成的建模过程复杂的问题,针对优化后的分量分别建立相应的BP神经网络预测模型。利用该方法对额定容量为40 k W的光伏系统进行预测,并与EMD-BP神经网络和传统的BP神经网络模型进行比较分析。结果表明,所提出的方法有效地提高了预测精度。  相似文献   
2.
SCADA系统在配电网GIS中的应用   总被引:2,自引:0,他引:2  
配电网GIS系统中,在配电网调度中心建立主站,在新一代适合配电自动化使用的重合器、分段器上设置智能控制器,通过GPRS、GSM通道联系,利用短信的特点,实现远程监控,达到就地分散自动化、集中监控的功能,从而实现SCADA与GIS合一。  相似文献   
3.
对基于FTU的馈线自动化功能进行了介绍,并对配电自动化的各种通信方式做了分析,对两种馈线自动化系统进行了比较,在满足馈线自动化基本要求的基础上设计了FTU的软件流程图。  相似文献   
4.
神经网络在电力系统无功优化中的应用   总被引:1,自引:0,他引:1  
神经网络在处理非线性、多变量、多约束的电力系统无功优化问题方面有其特有的优势,但实际应用中仍存在局限性,把神经网络和其他优化算法结合用于此类问题的研究逐年增多.本文详细阐述了神经网络以及神经网络与其他优化算法相结合在电力系统无功优化中的应用以及今后的发展趋势.  相似文献   
5.
在GIS中,根据地理实体对周围空间的作用不同,将缓冲区分为静态和动态两类,对动态缓冲区不是简单的设定距离参数,而必须依据操作对象和要求,选择适用的分析模型。给出了不同的模型和变换公式,并给出实例,介绍了动态缓冲区分析的模型参数的确定方法和缓冲区的建立步骤。  相似文献   
6.
介绍一种以AD90S2333单片机为核心构成的配电线路无功动态补偿综合装置,该装置采用先进的微型控制器跟踪配电线路无功功率的变化,由晶闸管电路对多级电容器组进行自动投切,实验对线路无功功率的实时补偿,其特点是:电路设计简单,运行可靠,性能价格比高。  相似文献   
7.
在基本粒子群优化算法的基础上,提出了一种改进的粒子群优化算法用于电力系统无功电压综合控制。该算法改进了随机初始化种群的方法,采用均匀初始化,引进了粒子的自身探索机制,用多个位于可行域中的粒子个体引导粒子的更新,以保证全局搜索的有效性,同时采用混沌变异算子对陷入局部最优的粒子进行变异,提高了算法的寻优性能。通过对IEEE-30节点标准系统模型的无功电压综合控制计算和分析,证明了此改进的粒子群优化算法具有更高的全局寻优效率。  相似文献   
8.
介绍了CIMS环境下的移动通信综合网络管理,以TMN体系结构为基础,设计了移动网管软件体系结构。  相似文献   
9.
10kV配电网络GIS系统的研究   总被引:4,自引:0,他引:4  
GIS在电力系统中的应用越来越广泛,文中简要分析了组件式GIS软件开发工具的优势,结合所完成的抚顺县农电局配电网络锄系统开发工作,较详细地介绍了系统的总体设计方案、空间数据库的建立方法以及系统所能实现的主要功能,拓扑分析功能实用性较强。  相似文献   
10.
基于改进EEMD-SE-ARMA的超短期风功率组合预测模型   总被引:1,自引:0,他引:1       下载免费PDF全文
针对风力发电功率时间序列具有非线性和非平稳性的特性,提出了一种改进的集成经验模态分解(Modified Ensemble Empirical Mode Decomposition,MEEMD)-样本熵(Sample Entropy,SE)-ARMA的风电功率超短期组合预测模型。将EEMD分解中添加的白噪声信号改为添加绝对值相等的正负两组白噪声信号,并将MEEMD分解过程中的EMD步骤使用端点延拓和分段三次埃尔米特插值进行改进,形成一种改进的EEMD分解算法(即MEEMD)。利用MEEMD-SE将风力发电功率时间序列分解为一系列复杂度差异明显的风电子序列;针对每一个不同的子序列建立适当的ARMA预测模型;将各预测分量进行叠加重构,得到最终的风电功率预测值。通过算例分析及与其他几种预测模型预测结果的对比,证明MEEMD-SE-ARMA组合预测模型可以有效地提高风力发电功率超短期预测的精度。  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号