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XGBoost-Bin自动功率极限计算的风电机组健康性能评估及预测
被引量：
5
1
作者
李进友
李媛
+1 位作者
王海鑫
李超然
《计算机集成制造系统》
EI
CSCD
北大核心
2024年第6期2172-2185,共14页
针对数据量较大情形下风电机组健康性能评估区域难划分、健康性能预测精度低等问题,提出基于XGBoost-Bin的自动功率曲线极限算法,建立考虑多数据特征的机组健康性能预测模型。提出一种基于XGBoost-Bin的曲线构建算法,获取表征风电机组...
针对数据量较大情形下风电机组健康性能评估区域难划分、健康性能预测精度低等问题,提出基于XGBoost-Bin的自动功率曲线极限算法,建立考虑多数据特征的机组健康性能预测模型。提出一种基于XGBoost-Bin的曲线构建算法,获取表征风电机组运行状态的静态最优功率曲线;提出一种改进自动功率曲线极限计算的风电机组健康性能评估方法,以准确划分机组健康性能评估区域,并通过综合分析实际与理论静态最优功率曲线偏差、发电效能等指标评估机组健康性能;提出基于多数据特征广义回归神经网络的风电机组健康性能预测模型,以提升健康性能的预测精度。最后,以内蒙古塞罕坝风电场20台风电机组为例表明,与传统自动功率曲线极限计算方法相比,所提风电机组健康性能评估方法的评估准确度提升了0.1026,所提预测模型能够提升机组健康性能的预测精度,比传统随机森林预测模型R2提升了0.017。
展开更多
关键词
风电机组
XGBoost算法
自动功率极限计算
健康性能评估
在线阅读
下载PDF
职称材料
不同措施对光伏电站风沙环境及土壤的影响
被引量：
3
2
作者
曾春江
李龙
+3 位作者
胡鹏
孙小祥
闫军
卢阳
《内蒙古林业科技》
2024年第3期1-6,共6页
为研究不同措施对光伏电站风沙环境及土壤的影响,在乌兰布和沙漠100 MW光伏项目区内开展了光伏治沙试验研究,并以电站外部流动沙地为对照,对风沙、气象、土壤、植被等指标进行了对比分析。结果表明:光伏阵列自身能够起到显著的防风固沙...
为研究不同措施对光伏电站风沙环境及土壤的影响,在乌兰布和沙漠100 MW光伏项目区内开展了光伏治沙试验研究,并以电站外部流动沙地为对照,对风沙、气象、土壤、植被等指标进行了对比分析。结果表明:光伏阵列自身能够起到显著的防风固沙作用,无沙障无植被的板间、板下输沙量较对照分别降低了54.12%和74.63%;沙障显著削弱了“狭管效应”作用,板间、板下输沙量较对照分别降低了98.59%和97.88%;植被恢复后,土壤中微生物数量增加,粒径组成改善,对于土壤改良、生物多样性恢复发挥关键作用。在3种措施综合影响下,站内较站外输沙量平均降低了98.98%,月均风速降低了2.30 m·s^(-1),月均气温降低了2.05℃,月均空气相对湿度增加了3.94%,呈现出防风固沙和降温增湿的显著特点,实现了较好的生态治理效果。
展开更多
关键词
光伏治沙
沙障固沙
植物治沙
生态恢复
乌兰布和沙漠
在线阅读
下载PDF
职称材料
基于XGBoost-GRNN算法的分段式风功率预测
3
作者
李进友
李媛
+2 位作者
黄露秋
王海鑫
李超然
《计算机集成制造系统》
2025年第10期3831-3845,共15页
针对风电大数据背景下风电机组功率预测准确性、预测功率曲线契合率低等问题,提出一种基于XGBoost-GRNN的风功率预测算法,建立考虑分段式风电数据的风电机组功率预测模型。首先,提出基于风电机组运行状态特征、风速分布模型的SCADA数据...
针对风电大数据背景下风电机组功率预测准确性、预测功率曲线契合率低等问题,提出一种基于XGBoost-GRNN的风功率预测算法,建立考虑分段式风电数据的风电机组功率预测模型。首先,提出基于风电机组运行状态特征、风速分布模型的SCADA数据分段划分方法,并基于数据多维度分析构建功率关联指标架构。其次,提出一种基于改进极端梯度提升(XGBoost)变量的广义神经网络(GRNN)联合风电机组分段式功率预测算法,以获取准确性较高、误差较小的功率预测值。进一步,基于预测偏差、曲线契合率等指标评估所提预测模型的预测性能。最后,以内蒙古塞罕坝风电场20台风电机组为例进行实验分析,结果表明:与传统预测方法相比,所提方法R^(2)均值至少提高了0.0101;与全段数据预测相比,分段式预测R^(2)提高了0.0084。所提模型预测曲线契合率为0.9184,相比其余4种模型预测曲线契合率至少提高了0.036。
展开更多
关键词
风电大数据
风电机组
极端梯度提升
广义神经网络
分段式功率预测算法
在线阅读
下载PDF
职称材料
题名
基于XGBoost-Bin自动功率极限计算的风电机组健康性能评估及预测
被引量：
5
1
作者
李进友
李媛
王海鑫
李超然
机构
沈阳工业大学理学院
沈阳工业大学
电
气工程学院
国家电投集团内蒙古新能源有限公司
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2024年第6期2172-2185,共14页
基金
中国博士后科学基金资助项目(2019M651144)
辽宁省自然科学基金博士启动基金资助项目(2020-BS-141)
辽宁省自然科学基金资助项目(2019-ZD-0202)。
文摘
针对数据量较大情形下风电机组健康性能评估区域难划分、健康性能预测精度低等问题,提出基于XGBoost-Bin的自动功率曲线极限算法,建立考虑多数据特征的机组健康性能预测模型。提出一种基于XGBoost-Bin的曲线构建算法,获取表征风电机组运行状态的静态最优功率曲线;提出一种改进自动功率曲线极限计算的风电机组健康性能评估方法,以准确划分机组健康性能评估区域,并通过综合分析实际与理论静态最优功率曲线偏差、发电效能等指标评估机组健康性能;提出基于多数据特征广义回归神经网络的风电机组健康性能预测模型,以提升健康性能的预测精度。最后,以内蒙古塞罕坝风电场20台风电机组为例表明,与传统自动功率曲线极限计算方法相比,所提风电机组健康性能评估方法的评估准确度提升了0.1026,所提预测模型能够提升机组健康性能的预测精度,比传统随机森林预测模型R2提升了0.017。
关键词
风电机组
XGBoost算法
自动功率极限计算
健康性能评估
Keywords
wind turbines
XGBoost algorithm
automatic power limit calculation
health performance assessment
分类号
TP277 [自动化与计算机技术—检测技术与自动化装置]
TM614 [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
不同措施对光伏电站风沙环境及土壤的影响
被引量：
3
2
作者
曾春江
李龙
胡鹏
孙小祥
闫军
卢阳
机构
重庆远达烟气治理特许经营
有限公司
科技分
公司
重庆远达烟气治理特许经营
有限公司
国家电投集团内蒙古新能源有限公司
出处
《内蒙古林业科技》
2024年第3期1-6,共6页
基金
国家电投集团“光伏+”沙漠生态治理技术实验研究项目(KY-C-2022-YDHB-016)。
文摘
为研究不同措施对光伏电站风沙环境及土壤的影响,在乌兰布和沙漠100 MW光伏项目区内开展了光伏治沙试验研究,并以电站外部流动沙地为对照,对风沙、气象、土壤、植被等指标进行了对比分析。结果表明:光伏阵列自身能够起到显著的防风固沙作用,无沙障无植被的板间、板下输沙量较对照分别降低了54.12%和74.63%;沙障显著削弱了“狭管效应”作用,板间、板下输沙量较对照分别降低了98.59%和97.88%;植被恢复后,土壤中微生物数量增加,粒径组成改善,对于土壤改良、生物多样性恢复发挥关键作用。在3种措施综合影响下,站内较站外输沙量平均降低了98.98%,月均风速降低了2.30 m·s^(-1),月均气温降低了2.05℃,月均空气相对湿度增加了3.94%,呈现出防风固沙和降温增湿的显著特点,实现了较好的生态治理效果。
关键词
光伏治沙
沙障固沙
植物治沙
生态恢复
乌兰布和沙漠
Keywords
photovoltaic sand control
sand barrier fixation
plant desertification control
ecological restoration
Ulanbuh Desert
分类号
S157 [农业科学—土壤学]
在线阅读
下载PDF
职称材料
题名
基于XGBoost-GRNN算法的分段式风功率预测
3
作者
李进友
李媛
黄露秋
王海鑫
李超然
机构
广西民族师范学院数理与
电
子信息工程学院
出处
《计算机集成制造系统》
2025年第10期3831-3845,共15页
基金
广西高校中青年教师科研基础能力提升资助项目(2023KY0792)
广西民族师范学院科研项目资助项目(2024YB123)。
文摘
针对风电大数据背景下风电机组功率预测准确性、预测功率曲线契合率低等问题,提出一种基于XGBoost-GRNN的风功率预测算法,建立考虑分段式风电数据的风电机组功率预测模型。首先,提出基于风电机组运行状态特征、风速分布模型的SCADA数据分段划分方法,并基于数据多维度分析构建功率关联指标架构。其次,提出一种基于改进极端梯度提升(XGBoost)变量的广义神经网络(GRNN)联合风电机组分段式功率预测算法,以获取准确性较高、误差较小的功率预测值。进一步,基于预测偏差、曲线契合率等指标评估所提预测模型的预测性能。最后,以内蒙古塞罕坝风电场20台风电机组为例进行实验分析,结果表明:与传统预测方法相比,所提方法R^(2)均值至少提高了0.0101;与全段数据预测相比,分段式预测R^(2)提高了0.0084。所提模型预测曲线契合率为0.9184,相比其余4种模型预测曲线契合率至少提高了0.036。
关键词
风电大数据
风电机组
极端梯度提升
广义神经网络
分段式功率预测算法
Keywords
big data of wind power
wind turbines
extreme gradient boosting
general regression neural network
piecewise power prediction algorithm
分类号
TM614 [电气工程]
TP18 [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
作者
出处
发文年
被引量
操作
1
基于XGBoost-Bin自动功率极限计算的风电机组健康性能评估及预测
李进友
李媛
王海鑫
李超然
《计算机集成制造系统》
EI
CSCD
北大核心
2024
5
在线阅读
下载PDF
职称材料
2
不同措施对光伏电站风沙环境及土壤的影响
曾春江
李龙
胡鹏
孙小祥
闫军
卢阳
《内蒙古林业科技》
2024
3
在线阅读
下载PDF
职称材料
3
基于XGBoost-GRNN算法的分段式风功率预测
李进友
李媛
黄露秋
王海鑫
李超然
《计算机集成制造系统》
2025
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
