为解决现有大场景三维地理信息系统(geographic information system,GIS)平台中道路建筑信息模型(building information modeling,BIM)模型与倾斜实景模型融合展示中存在的坐标基准不统一问题,提出一种道路BIM模型与倾斜实景地理坐标高...为解决现有大场景三维地理信息系统(geographic information system,GIS)平台中道路建筑信息模型(building information modeling,BIM)模型与倾斜实景模型融合展示中存在的坐标基准不统一问题,提出一种道路BIM模型与倾斜实景地理坐标高精度匹配方法。针对道路带状分布特征及道路养护需求,首先对模型进行分段处理;然后根据道路路面及资产设施模型的特征点分布设计构建一种空间距离加权的最小二乘坐标匹配参数拟合方法,重点解决各分段路面的精准接边难题。选取真实道路数据展开实验,验证该坐标匹配方法,通过所提方法可以有效解决道路模型与倾斜实景模型匹配产生偏差的问题,匹配后二者之间的精度达到毫米级,满足道路交通设施数字化管养和动态更新的需要。展开更多
该文引入信息理论分析电力系统的负荷预测以及可再生能源出力预测,将其描述为信息决策过程,并提出了短期负荷预测中的最小信息损失(minimization of information loss,MIL)综合模型,利用历史负荷与预测误差的分布情况在信息损失最小的...该文引入信息理论分析电力系统的负荷预测以及可再生能源出力预测,将其描述为信息决策过程,并提出了短期负荷预测中的最小信息损失(minimization of information loss,MIL)综合模型,利用历史负荷与预测误差的分布情况在信息损失最小的原则下求解最可能的负荷取值。针对MIL综合模型中概率分布的估计问题,文中应用了正态分布参数估计和Parzen窗估计2种不同的方法,给出了各自的算法和实现方案。算例部分通过用实际电网负荷数据和实际风力发电出力数据进行测试,研究了MIL综合模型结构与参数对预测结果的影响,并在与传统综合模型的比较中显示了新模型的优越性。展开更多
该文引入信息理论分析电力系统的负荷预测,将其描述为信息决策过程,并提出了短期负荷预测中的最小信息损失(minimization of information loss,MIL)综合模型,利用历史负荷与预测误差的分布情况在信息损失最小的原则下求解最可能的负荷...该文引入信息理论分析电力系统的负荷预测,将其描述为信息决策过程,并提出了短期负荷预测中的最小信息损失(minimization of information loss,MIL)综合模型,利用历史负荷与预测误差的分布情况在信息损失最小的原则下求解最可能的负荷取值。针对MIL综合模型中概率分布的估计问题,文中应用了正态分布参数估计和Parzen窗估计2种不同的方法,给出了各自的算法。展开更多
文摘为解决现有大场景三维地理信息系统(geographic information system,GIS)平台中道路建筑信息模型(building information modeling,BIM)模型与倾斜实景模型融合展示中存在的坐标基准不统一问题,提出一种道路BIM模型与倾斜实景地理坐标高精度匹配方法。针对道路带状分布特征及道路养护需求,首先对模型进行分段处理;然后根据道路路面及资产设施模型的特征点分布设计构建一种空间距离加权的最小二乘坐标匹配参数拟合方法,重点解决各分段路面的精准接边难题。选取真实道路数据展开实验,验证该坐标匹配方法,通过所提方法可以有效解决道路模型与倾斜实景模型匹配产生偏差的问题,匹配后二者之间的精度达到毫米级,满足道路交通设施数字化管养和动态更新的需要。
文摘该文引入信息理论分析电力系统的负荷预测以及可再生能源出力预测,将其描述为信息决策过程,并提出了短期负荷预测中的最小信息损失(minimization of information loss,MIL)综合模型,利用历史负荷与预测误差的分布情况在信息损失最小的原则下求解最可能的负荷取值。针对MIL综合模型中概率分布的估计问题,文中应用了正态分布参数估计和Parzen窗估计2种不同的方法,给出了各自的算法和实现方案。算例部分通过用实际电网负荷数据和实际风力发电出力数据进行测试,研究了MIL综合模型结构与参数对预测结果的影响,并在与传统综合模型的比较中显示了新模型的优越性。
文摘该文引入信息理论分析电力系统的负荷预测,将其描述为信息决策过程,并提出了短期负荷预测中的最小信息损失(minimization of information loss,MIL)综合模型,利用历史负荷与预测误差的分布情况在信息损失最小的原则下求解最可能的负荷取值。针对MIL综合模型中概率分布的估计问题,文中应用了正态分布参数估计和Parzen窗估计2种不同的方法,给出了各自的算法。
