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
3
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
基于沙地猫群优化–最小二乘支持向量机的动态NOx排放预测
被引量：
11
1
作者
金秀章
史德金
乔鹏
《中国电机工程学报》
EI
CSCD
北大核心
2024年第1期182-190,I0015,共10页
针对火电机组频繁调峰导致机组燃烧状态不稳,进而导致锅炉出口NOx浓度波动范围大的问题,提出一种基于沙地猫群优化(sand cat sarm optimization,SCSO)的最小二乘支持向量机(leastsquaressupportvectormachine,LSSVM) NOx动态预测模型。...
针对火电机组频繁调峰导致机组燃烧状态不稳,进而导致锅炉出口NOx浓度波动范围大的问题,提出一种基于沙地猫群优化(sand cat sarm optimization,SCSO)的最小二乘支持向量机(leastsquaressupportvectormachine,LSSVM) NOx动态预测模型。首先利用k近邻互信息计算时间延迟的同时筛选辅助变量。然后,基于SCSO算法进行输入变量阶次的选择。使用包含辅助变量时间延迟和阶次的信息作为模型的输入,SCSO算法优化最小二乘支持向量机参数,建立动态NOx排放最小二乘支持向量机预测模型(SCSO-LSSVM动态软测量模型)。最后将模型与未加入迟延的LSSVM模型,加入迟延的LSSVM模型和粒子群优化算法(particle swarm optimization,PSO)优化最小二乘支持向量机参数的动态软测量模型进行对比验证。结果表明,相较于其他模型,该文建立SCSO-LSSVM动态软测量模型均方根误差、平均绝对误差、平均绝对误差最小,预测精度最高,而且在NOx浓度剧烈波动时也能够较好地预测NOx浓度,具有很好的动态特性。
展开更多
关键词
NOx浓度
k近邻互信息
沙地
猫群
优化
算法
最小二乘支持向量机
软测量模型
在线阅读
下载PDF
职称材料
考虑氢储能与源荷不确定性的微网优化配置
被引量：
2
2
作者
栗然
王欣鹏
+1 位作者
白杨
王嘉琳
《华北电力大学学报(自然科学版)》
北大核心
2025年第3期32-41,53,共11页
为提高可再生能源的就地消纳能力,解决能量季节不平衡问题,提出一种考虑季节性氢储能和源荷不确定性的微电网双层优化配置方法。给出电热氢微电网结构,建立耦合季节性氢储能的微电网模型;为描述源荷不确定性因素,突出源荷的季节性与时序...
为提高可再生能源的就地消纳能力,解决能量季节不平衡问题,提出一种考虑季节性氢储能和源荷不确定性的微电网双层优化配置方法。给出电热氢微电网结构,建立耦合季节性氢储能的微电网模型;为描述源荷不确定性因素,突出源荷的季节性与时序性,基于马尔科夫链表征风电出力不确定性,结合蒙特卡洛抽样生成大量源荷不确定场景,进而基于概率场景缩减为典型源荷场景;建立微电网双层优化配置模型,上层模型以微电网年化综合成本为优化目标,下层模型以微电网年总运行成本为优化目标;采用沙地猫群优化算法与混合整数线性规划相互迭代的方法对双层模型进行求解。算例求解结果证明所提出模型的有效性,能够提高风光的消纳率,兼顾微网中的经济性与不确定因素,分析源荷不确定性对微电网优化配置的影响,为含有氢储能的微电网优化配置研究提供参考。
展开更多
关键词
季节性氢储能
源荷不确定性
马尔科夫链蒙特卡洛方法
双层优化配置
沙地
猫群
优化
算法
在线阅读
下载PDF
职称材料
结合多源气象数据的TSCSO-SVR季冻区铁路路基形变预测
3
作者
李国成
陈光武
司涌波
《测绘通报》
北大核心
2025年第1期143-149,共7页
针对季冻区铁路路基形变易受环境影响、传统单变量形变预测模型精度不足的问题,本文提出了一种结合多源气象数据的TSCSO-SVR季冻区铁路路基形变预测模型。首先,采用PS-InSAR技术监测路基形变情况,分析气象因素与路基形变之间的相关关系...
针对季冻区铁路路基形变易受环境影响、传统单变量形变预测模型精度不足的问题,本文提出了一种结合多源气象数据的TSCSO-SVR季冻区铁路路基形变预测模型。首先,采用PS-InSAR技术监测路基形变情况,分析气象因素与路基形变之间的相关关系;然后,结合非线性递减、动态扰动、螺旋搜索3种优化策略得到改进沙地猫群算法(TSCSO),构建TSCSO-SVR路基沉降预测模型;最后,结合新疆石河子某段铁路实测数据进行验证。结果表明,多变量模型预测效果普遍优于单变量模型;TSCSO-SVR预测模型相比于其他模型,预测精度最高,具有很好的应用价值。
展开更多
关键词
路基形变预测
沙地猫群算法
SVR
多源气象数据
PS-INSAR
在线阅读
下载PDF
职称材料
题名
基于沙地猫群优化–最小二乘支持向量机的动态NOx排放预测
被引量：
11
1
作者
金秀章
史德金
乔鹏
机构
华北电力大学控制与计算机工程学院
出处
《中国电机工程学报》
EI
CSCD
北大核心
2024年第1期182-190,I0015,共10页
文摘
针对火电机组频繁调峰导致机组燃烧状态不稳,进而导致锅炉出口NOx浓度波动范围大的问题,提出一种基于沙地猫群优化(sand cat sarm optimization,SCSO)的最小二乘支持向量机(leastsquaressupportvectormachine,LSSVM) NOx动态预测模型。首先利用k近邻互信息计算时间延迟的同时筛选辅助变量。然后,基于SCSO算法进行输入变量阶次的选择。使用包含辅助变量时间延迟和阶次的信息作为模型的输入,SCSO算法优化最小二乘支持向量机参数,建立动态NOx排放最小二乘支持向量机预测模型(SCSO-LSSVM动态软测量模型)。最后将模型与未加入迟延的LSSVM模型,加入迟延的LSSVM模型和粒子群优化算法(particle swarm optimization,PSO)优化最小二乘支持向量机参数的动态软测量模型进行对比验证。结果表明,相较于其他模型,该文建立SCSO-LSSVM动态软测量模型均方根误差、平均绝对误差、平均绝对误差最小,预测精度最高,而且在NOx浓度剧烈波动时也能够较好地预测NOx浓度,具有很好的动态特性。
关键词
NOx浓度
k近邻互信息
沙地
猫群
优化
算法
最小二乘支持向量机
软测量模型
Keywords
NOx concentration
k nearest neighbor mutual information
sandcat swarm optimization algorithm
least squares support vector machine
soft sensor model
分类号
TK39 [动力工程及工程热物理—热能工程]
在线阅读
下载PDF
职称材料
题名
考虑氢储能与源荷不确定性的微网优化配置
被引量：
2
2
作者
栗然
王欣鹏
白杨
王嘉琳
机构
华北电力大学电气与电子工程学院
出处
《华北电力大学学报(自然科学版)》
北大核心
2025年第3期32-41,53,共11页
基金
国家自然科学基金资助项目(52107092).
文摘
为提高可再生能源的就地消纳能力,解决能量季节不平衡问题,提出一种考虑季节性氢储能和源荷不确定性的微电网双层优化配置方法。给出电热氢微电网结构,建立耦合季节性氢储能的微电网模型;为描述源荷不确定性因素,突出源荷的季节性与时序性,基于马尔科夫链表征风电出力不确定性,结合蒙特卡洛抽样生成大量源荷不确定场景,进而基于概率场景缩减为典型源荷场景;建立微电网双层优化配置模型,上层模型以微电网年化综合成本为优化目标,下层模型以微电网年总运行成本为优化目标;采用沙地猫群优化算法与混合整数线性规划相互迭代的方法对双层模型进行求解。算例求解结果证明所提出模型的有效性,能够提高风光的消纳率,兼顾微网中的经济性与不确定因素,分析源荷不确定性对微电网优化配置的影响,为含有氢储能的微电网优化配置研究提供参考。
关键词
季节性氢储能
源荷不确定性
马尔科夫链蒙特卡洛方法
双层优化配置
沙地
猫群
优化
算法
Keywords
seasonal hydrogen energy storage
source-load uncertainty
Markov Chain Monte Carlo method
bi-level optimization configuration
sand cat swarm optimization
分类号
TM76 [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
结合多源气象数据的TSCSO-SVR季冻区铁路路基形变预测
3
作者
李国成
陈光武
司涌波
机构
兰州交通大学自动化与电气工程学院
出处
《测绘通报》
北大核心
2025年第1期143-149,共7页
基金
甘肃省科技重大专项(21ZD4WA018)
兰州市科技计划(2023-RC-7)。
文摘
针对季冻区铁路路基形变易受环境影响、传统单变量形变预测模型精度不足的问题,本文提出了一种结合多源气象数据的TSCSO-SVR季冻区铁路路基形变预测模型。首先,采用PS-InSAR技术监测路基形变情况,分析气象因素与路基形变之间的相关关系;然后,结合非线性递减、动态扰动、螺旋搜索3种优化策略得到改进沙地猫群算法(TSCSO),构建TSCSO-SVR路基沉降预测模型;最后,结合新疆石河子某段铁路实测数据进行验证。结果表明,多变量模型预测效果普遍优于单变量模型;TSCSO-SVR预测模型相比于其他模型,预测精度最高,具有很好的应用价值。
关键词
路基形变预测
沙地猫群算法
SVR
多源气象数据
PS-INSAR
Keywords
subgrade deformation prediction
sand cat swarm algorithm
SVR
multi-source meteorological data
PS-InSAR
分类号
P258 [天文地球—测绘科学与技术]
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
基于沙地猫群优化–最小二乘支持向量机的动态NOx排放预测
金秀章
史德金
乔鹏
《中国电机工程学报》
EI
CSCD
北大核心
2024
11
在线阅读
下载PDF
职称材料
2
考虑氢储能与源荷不确定性的微网优化配置
栗然
王欣鹏
白杨
王嘉琳
《华北电力大学学报(自然科学版)》
北大核心
2025
2
在线阅读
下载PDF
职称材料
3
结合多源气象数据的TSCSO-SVR季冻区铁路路基形变预测
李国成
陈光武
司涌波
《测绘通报》
北大核心
2025
0
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
