针对中长期电力负荷序列噪声含量高、难以直接提取序列周期规律从而影响预测精度的问题,提出了一种基于完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和奇异谱分析(sin...针对中长期电力负荷序列噪声含量高、难以直接提取序列周期规律从而影响预测精度的问题,提出了一种基于完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和奇异谱分析(singular spectrum analysis,SSA)双重分解的双向长短时记忆网络(bidirectional long and short time memory,BiLSTM)预测模型。首先,采用CEEMDAN对历史负荷进行分解,以得到若干个周期规律更为清晰的子序列;再利用多尺度熵(multiscale entropy,MSE)计算所有子序列的复杂程度,根据不同时间尺度上的样本熵值将相似的子序列重构聚合;然后,利用SSA去噪的功能,对高度复杂的新序列进行二次分解,去除序列中的噪声并提取更为主要的规律,从而进一步提高中长序列预测精度;再将得到的最终一组子序列输入BiLSTM进行预测;最后,考虑到天气、节假日等外部因素对电力负荷的影响,提出了一种误差修正技术。选取了巴拿马某地区的用电负荷进行实验,实验结果表明,经过双重分解可以将均方根误差降低87.4%;预测未来一年的负荷序列时,采用的BiLSTM模型将拟合系数最高提高2.5%;所提出的误差修正技术可将均方根误差降低9.7%。展开更多
针对数据量剧增的配电物联网中存在的带宽利用率低和业务数据服务质量(quality of service,QoS)难以满足通信需求等问题,提出一种多优先级排队论的带宽分配方法。首先,对感知终端到边缘物联网关的业务数据传输过程进行改进,改进后的传...针对数据量剧增的配电物联网中存在的带宽利用率低和业务数据服务质量(quality of service,QoS)难以满足通信需求等问题,提出一种多优先级排队论的带宽分配方法。首先,对感知终端到边缘物联网关的业务数据传输过程进行改进,改进后的传输过程可根据不同业务数据对QoS的不同要求进行数据优先级的划分,对不同优先级数据设置不同的服务机制;然后,对业务数据传输中的马尔科夫过程进行分析,基于改进后的数据传输过程建立以带宽利用率为目标,丢包率和延时时间为约束的多优先级排队论带宽分配模型;并将所提出的带宽分配方法与传统方法进行对比。结果表明:QoS指标有所改善,而且带宽利用率比传统不分优先级带宽分配方法高9.73%,比弹性系数法高31.17%。最后,探究多优先级排队论带宽分配方法的动态性能,结果表明适当地提高带宽可以改善QoS指标,但要注意带宽增大时所带来的带宽利用率减小问题。合理的带宽分配可以避免资源的浪费。展开更多
将基于虚拟磁链直接功率控制策略VF?DPC(virtual-flux-linkage direct power control strategy)应用于光伏并网电压源型逆变器。引入虚拟磁链的概念并用于计算瞬时有功和无功功率,结合空间矢量SVM(Space Vector Modulation)技术,构成固...将基于虚拟磁链直接功率控制策略VF?DPC(virtual-flux-linkage direct power control strategy)应用于光伏并网电压源型逆变器。引入虚拟磁链的概念并用于计算瞬时有功和无功功率,结合空间矢量SVM(Space Vector Modulation)技术,构成固定开关频率三相并网逆变器DPC控制策略。该方法不仅能够实现系统对有功功率和无功功率的直接控制,而且能保证固定的开关频率,简化了滤波器的设计,降低了对控制器和A/D采样的要求。仿真和实验结果表明实现了单位功率因数控制,电流谐波小,具有良好的动态和稳态性能。展开更多
文摘针对中长期电力负荷序列噪声含量高、难以直接提取序列周期规律从而影响预测精度的问题,提出了一种基于完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和奇异谱分析(singular spectrum analysis,SSA)双重分解的双向长短时记忆网络(bidirectional long and short time memory,BiLSTM)预测模型。首先,采用CEEMDAN对历史负荷进行分解,以得到若干个周期规律更为清晰的子序列;再利用多尺度熵(multiscale entropy,MSE)计算所有子序列的复杂程度,根据不同时间尺度上的样本熵值将相似的子序列重构聚合;然后,利用SSA去噪的功能,对高度复杂的新序列进行二次分解,去除序列中的噪声并提取更为主要的规律,从而进一步提高中长序列预测精度;再将得到的最终一组子序列输入BiLSTM进行预测;最后,考虑到天气、节假日等外部因素对电力负荷的影响,提出了一种误差修正技术。选取了巴拿马某地区的用电负荷进行实验,实验结果表明,经过双重分解可以将均方根误差降低87.4%;预测未来一年的负荷序列时,采用的BiLSTM模型将拟合系数最高提高2.5%;所提出的误差修正技术可将均方根误差降低9.7%。
文摘针对数据量剧增的配电物联网中存在的带宽利用率低和业务数据服务质量(quality of service,QoS)难以满足通信需求等问题,提出一种多优先级排队论的带宽分配方法。首先,对感知终端到边缘物联网关的业务数据传输过程进行改进,改进后的传输过程可根据不同业务数据对QoS的不同要求进行数据优先级的划分,对不同优先级数据设置不同的服务机制;然后,对业务数据传输中的马尔科夫过程进行分析,基于改进后的数据传输过程建立以带宽利用率为目标,丢包率和延时时间为约束的多优先级排队论带宽分配模型;并将所提出的带宽分配方法与传统方法进行对比。结果表明:QoS指标有所改善,而且带宽利用率比传统不分优先级带宽分配方法高9.73%,比弹性系数法高31.17%。最后,探究多优先级排队论带宽分配方法的动态性能,结果表明适当地提高带宽可以改善QoS指标,但要注意带宽增大时所带来的带宽利用率减小问题。合理的带宽分配可以避免资源的浪费。
文摘激光雷达技术在地貌测量中展现出显著优势,其能迅速、大面积,快且精度极高地收集地表信息,从而构建精准的数字地形模型(Digital Terrain Model,DTM)。本研究聚焦于利用激光雷达技术提升地面模型的精确性和实用性。我们首先对激光雷达扫描的数据进行预处理,通过计算激光雷达点云的范围与密度,进行分类和平滑处理,从而提高了数据的准确度和可用性;在此基础上,我们结合地理信息系统(Geographic Information System,GIS),建立点云数据处理与生成地面模型的方法,利用激光雷达数据构建高精度的DTM。进一步地,我们探寻高精度地面模型在土地使用、市区规划以及环保等领域的实用价值和广泛应用,展现出其无法估量的宝贵价值。本研究证明激光雷达技术在地面模型生成与应用中的重要作用,对精准测绘和地理信息分析具有重要指导意义。
文摘将基于虚拟磁链直接功率控制策略VF?DPC(virtual-flux-linkage direct power control strategy)应用于光伏并网电压源型逆变器。引入虚拟磁链的概念并用于计算瞬时有功和无功功率,结合空间矢量SVM(Space Vector Modulation)技术,构成固定开关频率三相并网逆变器DPC控制策略。该方法不仅能够实现系统对有功功率和无功功率的直接控制,而且能保证固定的开关频率,简化了滤波器的设计,降低了对控制器和A/D采样的要求。仿真和实验结果表明实现了单位功率因数控制,电流谐波小,具有良好的动态和稳态性能。