针对目前海上风电出力预测方法精度较低的问题,提出一种基于词向量化和长短期记忆网络(word to vector long short-term memory,Word2vec-LSTM)与聚类修正的海上风电出力预测方法。对Word2vec方法进行改进来提取时间序列数据特征,实现...针对目前海上风电出力预测方法精度较低的问题,提出一种基于词向量化和长短期记忆网络(word to vector long short-term memory,Word2vec-LSTM)与聚类修正的海上风电出力预测方法。对Word2vec方法进行改进来提取时间序列数据特征,实现数据信息的高效利用;在长短期记忆神经网络的预测模型基础上,研究了一种基于k-shape聚类结果的预测结果修正算法,对预测结果距离聚类中心超过阈值的数值判定为预测误差偏大的数据并向簇中心进行修正。最后,基于江苏某海上风电场的真实数据进行测试,结果表明,基于Word2vec-LSTM与聚类修正的海上风电出力预测方法的平均绝对误差(mean absolute error,MAE)和均方根误差(root mean square error,RMSE)达到5.04和5.42,相比传统LSTM预测模型的误差平均降低了11.10%和12.25%,为海上风电并网与电网调控提供了技术支持。展开更多
现有大跨径桥梁有限元模型修正(finite element model updating,FEMU)方法一般未考虑运营荷载对结构动力特性的影响,导致修正后模型的参数变异性大。鉴于此,提出了一种考虑运营荷载的层次贝叶斯有限元模型修正方法,该方法包含考虑温度...现有大跨径桥梁有限元模型修正(finite element model updating,FEMU)方法一般未考虑运营荷载对结构动力特性的影响,导致修正后模型的参数变异性大。鉴于此,提出了一种考虑运营荷载的层次贝叶斯有限元模型修正方法,该方法包含考虑温度和交通荷载的概率参数修正、概率响应预测和结构状态评估。首先,根据监测数据的相关性分析结果确定了计算理论频率时需要考虑的荷载。随后,建立了温度-弹性模量线性关系,并基于动态称重(weigh-in-motion,WIM)数据,提出一种车辆荷载估计方法,以在有限元模型中定量考虑运营荷载对结构频率的影响。同时,引入两阶段马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)采样方法和响应面代理模型,以提高概率模型修正的计算速率。该方法在一座采集了两年监测数据的大跨径拱桥上得到了验证。结果表明,在考虑运营荷载、参数不确定性和建模误差后,实测频率基本处于预测频率的95%置信区间内。最后,基于实测响应和预测响应置信区间提出了一个结构状态指标,并利用该指标检测出该桥的路面铺装更换过程。展开更多
基于球谐函数,实现区域电离层建模,并对区域差分码偏差(differential code bias,DCB)与总电子含量(total electron content,TEC)进行解算。对于格网处垂直总电子含量(vertical total electron content,VTEC)出现的异常值,提出一种序列...基于球谐函数,实现区域电离层建模,并对区域差分码偏差(differential code bias,DCB)与总电子含量(total electron content,TEC)进行解算。对于格网处垂直总电子含量(vertical total electron content,VTEC)出现的异常值,提出一种序列无约束最小化技术(sequential unconstrained minimization technique,SUMT)修正法进行修正,利用国际全球导航卫星系统服务(International GNSS Service,IGS)网络的6个测站双频观测数据,建立了电离层VTEC区域模型,并估算了31天的卫星频间DCB,将估算值与电离层分析中心中国科学院(Chinese Academy of Sciences,CAS)发布的产品进行对比分析,结果显示:所有的卫星差值都在0.42 ns以内,其中87.5%的卫星差值在0.4 ns以内,78.1%的卫星差值在0.2 ns以内,频间DCB的平均偏差基本小于0.4 ns。此外,估算的全球定位系统(global positioning system,GPS)卫星DCB序列的标准差(standard deviation,STD)值小于0.1 ns。建立了经纬度范围为5°E~25°E、40°N~60°N的电离层区域模型,将VTEC建模结果与CAS发布的全球电离层地图(global ionospheric map,GIM)产品做差比较,结果显示整体时间点的差值均处于4 TECU以内,且超过90%的区域差值在2 TECU以内,表明估算的结果与CAS产品具有良好的一致性。展开更多
文摘针对目前海上风电出力预测方法精度较低的问题,提出一种基于词向量化和长短期记忆网络(word to vector long short-term memory,Word2vec-LSTM)与聚类修正的海上风电出力预测方法。对Word2vec方法进行改进来提取时间序列数据特征,实现数据信息的高效利用;在长短期记忆神经网络的预测模型基础上,研究了一种基于k-shape聚类结果的预测结果修正算法,对预测结果距离聚类中心超过阈值的数值判定为预测误差偏大的数据并向簇中心进行修正。最后,基于江苏某海上风电场的真实数据进行测试,结果表明,基于Word2vec-LSTM与聚类修正的海上风电出力预测方法的平均绝对误差(mean absolute error,MAE)和均方根误差(root mean square error,RMSE)达到5.04和5.42,相比传统LSTM预测模型的误差平均降低了11.10%和12.25%,为海上风电并网与电网调控提供了技术支持。
文摘现有大跨径桥梁有限元模型修正(finite element model updating,FEMU)方法一般未考虑运营荷载对结构动力特性的影响,导致修正后模型的参数变异性大。鉴于此,提出了一种考虑运营荷载的层次贝叶斯有限元模型修正方法,该方法包含考虑温度和交通荷载的概率参数修正、概率响应预测和结构状态评估。首先,根据监测数据的相关性分析结果确定了计算理论频率时需要考虑的荷载。随后,建立了温度-弹性模量线性关系,并基于动态称重(weigh-in-motion,WIM)数据,提出一种车辆荷载估计方法,以在有限元模型中定量考虑运营荷载对结构频率的影响。同时,引入两阶段马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)采样方法和响应面代理模型,以提高概率模型修正的计算速率。该方法在一座采集了两年监测数据的大跨径拱桥上得到了验证。结果表明,在考虑运营荷载、参数不确定性和建模误差后,实测频率基本处于预测频率的95%置信区间内。最后,基于实测响应和预测响应置信区间提出了一个结构状态指标,并利用该指标检测出该桥的路面铺装更换过程。
