Monte Carlo模拟(Monte Carlo simulation,MCS)在复杂电力系统可靠性评估中广泛应用,但计算效率较低。针对此,该文提出一种基于卷积神经网络(conventional neural network,CNN)的可靠性评估方法,在时序MCS框架下采用CNN加速系统状态评...Monte Carlo模拟(Monte Carlo simulation,MCS)在复杂电力系统可靠性评估中广泛应用,但计算效率较低。针对此,该文提出一种基于卷积神经网络(conventional neural network,CNN)的可靠性评估方法,在时序MCS框架下采用CNN加速系统状态评估计算。首先,构造反映系统运行状态的特征向量,建立基于CNN的系统失负荷量回归模型;其次,针对可靠性评估样本不均衡、回归训练效率低的问题,进一步建立系统状态分类器,形成基于CNN的分类-回归模型;此外,针对CNN训练样本和实际评估样本不一致的问题,提出分类结果矫正机制,进一步提升模型的实用性;最后,通过改编IEEE-RTS系统的计算分析验证了所提方法的有效性和优越性。展开更多
文摘水上飞机运动极短期预报可以提供未来数秒的摇荡运动姿态,对确保大风浪条件下的起飞与降落阶段的安全有重要意义。目前已有相关水上飞机运动极短期预报方法研究,但是对不同方法适用性差异分析的研究较少。针对该情况,以NACA TN 2929飞机为例,基于势流理论计算其在典型工况下三自由度运动仿真数据,通过构建AR(auto regressive)、LSTM(long short term memory)和TCN(temporal convolutional network)三种典型运动极短期预报模型,对比三种模型在不同预报条件下的预报性能。结果表明:与AR模型相比,以LSTM、TCN为代表的神经网络模型在预报时长较长时具有更好的预报精度,可较好地实现对水上飞机的垂荡、横摇和纵摇运动十秒级的准确预报,为水上飞机运动预报算法的选取提供较好的理论参考价值。
