期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于云图特征提取的改进混合神经网络超短期光伏功率预测方法
被引量：
40
1
作者
余光正
陆柳
+3 位作者
汤波
王思源
杨秀
陈汝斯
《中国电机工程学报》
EI
CSCD
北大核心
2021年第20期6989-7002,共14页
光伏功率时序受多种特征因素的影响,呈现出高度的随机性和波动性。不同于分布式光伏,集中式光伏具有地理位置与辐照水平的同一性,运动型云层的遮挡往往导致光伏功率的分钟级剧烈波动,对光伏功率预测精度提出了挑战。针对上述问题,该文...
光伏功率时序受多种特征因素的影响,呈现出高度的随机性和波动性。不同于分布式光伏,集中式光伏具有地理位置与辐照水平的同一性,运动型云层的遮挡往往导致光伏功率的分钟级剧烈波动,对光伏功率预测精度提出了挑战。针对上述问题,该文提出基于云图特征提取的改进混合神经网络超短期光伏功率预测方法。首先,通过提取并匹配彩色云图局部特征描述子,提出基于地基云图的云轨迹跟踪方法;其次,为评估运动型云团引起的超短期辐照度变化,建立基于云轨迹追踪的辐照系数预测模型;为表征各特征序列的内在相关性,提出一种基于改进注意力机制(improved attentionmechanism,IAM)的卷积–长短时记忆混合神经网络(convolutional neural network-long and short-term memory network,CNN-LSTM)进行超短期光伏功率预测。在此基础上,综合天气类型与波动性聚类识别并提取功率波动过程,建立误差修正模型以进一步提高预测精度。采用西北某集中式光伏电站数据进行算例验证,结果表明,所提方法能有效提高预测精度,具有一定工程实用价值。
展开更多
关键词
地基云图
特征匹配
改进混合神经网络
波动性聚类
超短期光伏功率预测
在线阅读
下载PDF
职称材料
用改进粒子群神经网络混合算法优化特高压油气套管均压球结构
被引量：
11
2
作者
张施令
彭宗仁
+2 位作者
胡伟
刘鹏
王浩然
《高电压技术》
EI
CAS
CSCD
北大核心
2012年第9期2195-2204,共10页
在我国特高压(ultra-high voltage,UHV)油气套管样机的试制过程中,套管尾部电场分布和均压球结构的优化是一项重要的研究内容。为此,详细介绍了改进粒子群神经网络混合算法(PSO-BP算法)的基本原理和流程,运用连续显式函数验证了该算法...
在我国特高压(ultra-high voltage,UHV)油气套管样机的试制过程中,套管尾部电场分布和均压球结构的优化是一项重要的研究内容。为此,详细介绍了改进粒子群神经网络混合算法(PSO-BP算法)的基本原理和流程,运用连续显式函数验证了该算法的寻优能力和准确度;并运用该算法对套管尾部均压球结构进行了优化。研究表明:PSO-BP算法能较准确地搜寻到显式函数的极值点,具有较强的挑出局部最优解的能力;需用套管3维全模型才能较准确地计算得出套管尾部的电场分布;PSO-BP算法能有效搜寻到均压球结构参数的最佳配置;优化后均压球表面的最大电场强度较优化前降低了约64.9%,且PSO-BP算法较传统PSO算法可节省约75.2%的计算时间。该研究结果已成功运用于特高压油气套管样机的试制并完成了全部型式试验。
展开更多
关键词
特高压(UHV)
油气套管
均压球
改进
粒子群
神经网络
混合
(PSO-BP)算法
有限元法(FEM)
结构优化
在线阅读
下载PDF
职称材料
题名
基于云图特征提取的改进混合神经网络超短期光伏功率预测方法
被引量：
40
1
作者
余光正
陆柳
汤波
王思源
杨秀
陈汝斯
机构
上海电力大学电气工程学院
国网陕西省电力有限公司电力调度控制中心
国网湖北省电力有限公司电力科学研究院
出处
《中国电机工程学报》
EI
CSCD
北大核心
2021年第20期6989-7002,共14页
基金
上海市科委创新行动计划(8DZ1203200)。
文摘
光伏功率时序受多种特征因素的影响,呈现出高度的随机性和波动性。不同于分布式光伏,集中式光伏具有地理位置与辐照水平的同一性,运动型云层的遮挡往往导致光伏功率的分钟级剧烈波动,对光伏功率预测精度提出了挑战。针对上述问题,该文提出基于云图特征提取的改进混合神经网络超短期光伏功率预测方法。首先,通过提取并匹配彩色云图局部特征描述子,提出基于地基云图的云轨迹跟踪方法;其次,为评估运动型云团引起的超短期辐照度变化,建立基于云轨迹追踪的辐照系数预测模型;为表征各特征序列的内在相关性,提出一种基于改进注意力机制(improved attentionmechanism,IAM)的卷积–长短时记忆混合神经网络(convolutional neural network-long and short-term memory network,CNN-LSTM)进行超短期光伏功率预测。在此基础上,综合天气类型与波动性聚类识别并提取功率波动过程,建立误差修正模型以进一步提高预测精度。采用西北某集中式光伏电站数据进行算例验证,结果表明,所提方法能有效提高预测精度,具有一定工程实用价值。
关键词
地基云图
特征匹配
改进混合神经网络
波动性聚类
超短期光伏功率预测
Keywords
ground-based cloud image
feature matching
improved hybrid neural network
volatility clustering
ultra-short-term photovoltaic power prediction
分类号
TM615 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
用改进粒子群神经网络混合算法优化特高压油气套管均压球结构
被引量：
11
2
作者
张施令
彭宗仁
胡伟
刘鹏
王浩然
机构
西安交通大学电力设备电气绝缘国家重点实验室
中国电力科学研究院
出处
《高电压技术》
EI
CAS
CSCD
北大核心
2012年第9期2195-2204,共10页
基金
国家电网公司科研项目(SG0924
SG11006)~~
文摘
在我国特高压(ultra-high voltage,UHV)油气套管样机的试制过程中,套管尾部电场分布和均压球结构的优化是一项重要的研究内容。为此,详细介绍了改进粒子群神经网络混合算法(PSO-BP算法)的基本原理和流程,运用连续显式函数验证了该算法的寻优能力和准确度;并运用该算法对套管尾部均压球结构进行了优化。研究表明:PSO-BP算法能较准确地搜寻到显式函数的极值点,具有较强的挑出局部最优解的能力;需用套管3维全模型才能较准确地计算得出套管尾部的电场分布;PSO-BP算法能有效搜寻到均压球结构参数的最佳配置;优化后均压球表面的最大电场强度较优化前降低了约64.9%,且PSO-BP算法较传统PSO算法可节省约75.2%的计算时间。该研究结果已成功运用于特高压油气套管样机的试制并完成了全部型式试验。
关键词
特高压(UHV)
油气套管
均压球
改进
粒子群
神经网络
混合
(PSO-BP)算法
有限元法(FEM)
结构优化
Keywords
ultra-high voltage （UHV）
oil-gas bushings
shielding electrode
hybrid algorithm which combines particle swarm optimization and back-propagation neural network （PSO-BP algorithm）
finite element method （ FEM）
structure optimization
分类号
TM216.5 [一般工业技术—材料科学与工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于云图特征提取的改进混合神经网络超短期光伏功率预测方法
余光正
陆柳
汤波
王思源
杨秀
陈汝斯
《中国电机工程学报》
EI
CSCD
北大核心
2021
40
在线阅读
下载PDF
职称材料
2
用改进粒子群神经网络混合算法优化特高压油气套管均压球结构
张施令
彭宗仁
胡伟
刘鹏
王浩然
《高电压技术》
EI
CAS
CSCD
北大核心
2012
11
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
