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
基于代理模型与Wilson法的低流速下水轮机翼型优化研究
1
作者
申春赟
章嘉豪
+2 位作者
丁成林
王世明
娄嘉奕
《太阳能学报》
EI
CAS
CSCD
北大核心
2024年第11期604-611,共8页
针对中国绝大部分海域平均流速低导致水轮机适用性不足的问题,在低流速下对经过代理模型优化前后的设计翼型进行数值仿真优化研究。基于儒可夫斯基定理对低速潮流能翼型构建模型进行设计,得到相对厚度12%、相对弯度2.5%的原始翼型;通过...
针对中国绝大部分海域平均流速低导致水轮机适用性不足的问题,在低流速下对经过代理模型优化前后的设计翼型进行数值仿真优化研究。基于儒可夫斯基定理对低速潮流能翼型构建模型进行设计,得到相对厚度12%、相对弯度2.5%的原始翼型;通过代理模型设置4阶CST方程进行参数优化。结果表明,厚度较薄、弯度较大的翼型水动力性能更优异,优化后最大厚度点前移4.58%,升阻比提升4.03%,为水轮机叶轮翼型设计在低流速研究工作提供新的思路。
展开更多
关键词
水轮机
数值模拟
翼型
代理模型
低流速
在线阅读
下载PDF
职称材料
基于CNN-LSTM-ARIMA的超短期风速预测
被引量：
2
2
作者
王世明
张少童
娄嘉奕
《新能源进展》
CSCD
北大核心
2024年第6期688-695,共8页
提升风速预测的精准度对于实时调整电力系统的管理策略及增强风电市场的竞争实力有着关键作用。提出一种基于卷积神经网络(CNN)、长短期记忆网络(LSTM)和自回归集成移动平均(ARIMA)模型的超短期风速预测方法,通过CNN卷积层捕捉时间序列...
提升风速预测的精准度对于实时调整电力系统的管理策略及增强风电市场的竞争实力有着关键作用。提出一种基于卷积神经网络(CNN)、长短期记忆网络(LSTM)和自回归集成移动平均(ARIMA)模型的超短期风速预测方法,通过CNN卷积层捕捉时间序列数据中的模式和局部特征,利用LSTM模型对提取的特征进行学习训练,基于CNN-LSTM组合架构模型,预测未来风速并对比实际数据获得残差值,最终利用ARIMA分析历史残差来修正未来的预测误差值,实现对风速的超短期预测。以土耳其某个风电场的实际风速记录为基础,对未来10min的风速进行预测。结果表明,与CNN-LSTM、双层LSTM传统神经网络模型相比,CNN-LSTM-ARIMA模型对风速预测结果的平均绝对误差分别下降了16.40%、26.92%,能显著提高预测精度。
展开更多
关键词
风速预测
卷积神经网络
长短期记忆网络
自回归集成移动平均模型
在线阅读
下载PDF
职称材料
题名
基于代理模型与Wilson法的低流速下水轮机翼型优化研究
1
作者
申春赟
章嘉豪
丁成林
王世明
娄嘉奕
机构
上海
海洋
大学
工程
学院
上海师范大学天华学院
上海
海洋
可再生能源
工程
技术
研究
中心
苏州市津泰海洋工程研究有限公司
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2024年第11期604-611,共8页
基金
国家自然科学基金(No.41976194)
上海市“科技创新行动计划”软科学研究项目(23692102600)
上海市“科技创新行动计划”上海工程技术研究中心(19DZ2254800)。
文摘
针对中国绝大部分海域平均流速低导致水轮机适用性不足的问题,在低流速下对经过代理模型优化前后的设计翼型进行数值仿真优化研究。基于儒可夫斯基定理对低速潮流能翼型构建模型进行设计,得到相对厚度12%、相对弯度2.5%的原始翼型;通过代理模型设置4阶CST方程进行参数优化。结果表明,厚度较薄、弯度较大的翼型水动力性能更优异,优化后最大厚度点前移4.58%,升阻比提升4.03%,为水轮机叶轮翼型设计在低流速研究工作提供新的思路。
关键词
水轮机
数值模拟
翼型
代理模型
低流速
Keywords
hydraulic turbine generators
numerical simulation
airfoil
surrogate model
low flow velocity
分类号
TK730.2 [交通运输工程—轮机工程]
在线阅读
下载PDF
职称材料
题名
基于CNN-LSTM-ARIMA的超短期风速预测
被引量：
2
2
作者
王世明
张少童
娄嘉奕
机构
上海
海洋
大学
工程
学院
苏州市津泰海洋工程研究有限公司
出处
《新能源进展》
CSCD
北大核心
2024年第6期688-695,共8页
基金
国家自然科学基金项目(41976194)
上海市“科技创新行动计划”软科学研究项目(23692102600)
上海市“科技创新行动计划”上海工程技术研究中心项目(19DZ2254800)。
文摘
提升风速预测的精准度对于实时调整电力系统的管理策略及增强风电市场的竞争实力有着关键作用。提出一种基于卷积神经网络(CNN)、长短期记忆网络(LSTM)和自回归集成移动平均(ARIMA)模型的超短期风速预测方法,通过CNN卷积层捕捉时间序列数据中的模式和局部特征,利用LSTM模型对提取的特征进行学习训练,基于CNN-LSTM组合架构模型,预测未来风速并对比实际数据获得残差值,最终利用ARIMA分析历史残差来修正未来的预测误差值,实现对风速的超短期预测。以土耳其某个风电场的实际风速记录为基础,对未来10min的风速进行预测。结果表明,与CNN-LSTM、双层LSTM传统神经网络模型相比,CNN-LSTM-ARIMA模型对风速预测结果的平均绝对误差分别下降了16.40%、26.92%,能显著提高预测精度。
关键词
风速预测
卷积神经网络
长短期记忆网络
自回归集成移动平均模型
Keywords
wind speed prediction
convolutional neural networks
long short-term memory network
autoregressive integrated moving average model
分类号
TK81 [动力工程及工程热物理—流体机械及工程]
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
基于代理模型与Wilson法的低流速下水轮机翼型优化研究
申春赟
章嘉豪
丁成林
王世明
娄嘉奕
《太阳能学报》
EI
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
基于CNN-LSTM-ARIMA的超短期风速预测
王世明
张少童
娄嘉奕
《新能源进展》
CSCD
北大核心
2024
2
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
