输电网中储能电站的智能预测系统设计

针对输电网中风电场与储能电站的容量配置问题,设计了一种输电网中储能电站的智能预测系统。采用直流系统、站用电低压系统、监控系统、微机保护装置、测控装置、计量装置、人工智能、5G移动通信以及综合自动化设备,创建智能预测系统。通过基于混合蛙跳算法(SFLA)的人工智能,实现储能电站容量的计算、研究、预测,同时对储能电站进行优化配置。将外连接口与卡线器进行对接。通过传感设备采集检测单元需要的硬件信息、运行状态、设备情况和额定负载等数据,并对数据进行优化。试验结果表明,该系统在储能电站的预测精准度高达90%以上。该系统对解决电能浪费问题具有较强的实用性,也符合储能电站的特性。

德国气候预测系统中东亚冬季风的季节预测及可预报性

东亚冬季风(EAWM)作为北半球冬季最强的中纬度环流系统之一,主导着东亚的冬季气候。因此,开展东亚冬季风季节预测和可预报性研究具有十分重要的意义。本研究使用德国气候预测系统(German Climate Forecast System,简称GCFS2)输出的回报数据(1993~2016年)对EAWM的预测性能进行全面评估。GCFS2很好地预测了EAWM气候态的主要特征,包括西伯利亚高压、阿留申低压、东亚大槽、东亚高空急流及东亚上空的地表气温和降水,并可以熟练地预测东亚大槽及东亚地表气温的年际变化。GCFS2对一个海平面气压定义的EAWM指数(EAWMI)显示出了预测技巧,同时可以很好地预测与EAWM相关的位于海洋上的大气环流、地表气温及降水异常。GCFS2中EAWM的预测技巧主要得益于对观测中的EAWM–ENSO关系及ENSO遥相关的成功再现,模式中增强的EAWM–ENSO[强于观测,观测中整个24年(1993~2016)EAWM与ENSO的相关系数为-0.46]关系,有助于提前2个月或更长时间预测EAWM。GCFS2中12月初始化的EAWMI在去除ENSO信号后仍有0.42的预测技巧,说明有另一预测源,为冬季巴伦支—喀拉海区域海冰覆盖度(BK_SIC)。观测中BK_SIC减少,增强西伯利亚高压,EAWM从而增强;模式中BK_SIC的变化可以增加西伯利亚高压东北部的可预测性,使得12月初始化的EAWM预测技巧增加。

基于边缘计算的商业区电力能源用电量动态预测系统

商业区电力能源内部拥有海量电力数据,动态预测能源用电量可以有效改善系统业务,确保用户拥有较好的用电体验。针对目前预测系统准确率较低这一问题,文中基于边缘计算设计了一种新的商业区电力能源用电量动态预测系统。在硬件设计上,利用AC/DC模块将交流电转化为直流电,运用电动机控制器连接被测量电动机与商业区供电,连接传动轴与供电测功机,实现电流传递。利用测功机控制器对区域电网动力电进行管理和控制。在软件设计上,采用边缘计算的方式对区域内电力能源进行分析,模拟构建电量动态预测程序,根据动态预测程序实现用电量预测。实验结果表明,该系统在短期预测和长期预测方面,都具有良好的能力,输出值与真实值相关系数为0.99,预测误差低于0.55%。

基于Transformer模型的人工智能肺癌方证结合预测系统构建

目的 基于Transformer模型构建人工智能肺癌方证结合预测系统。方法 选择上海市中医医院肿瘤临床医学中心、上海中医药大学附属龙华医院中医肿瘤科2005年10月19日—2021年4月28日门诊收治的肺癌患者5 994例(就诊8 011例次),使用Transformer模型构建并评价人工智能肺癌方证结合处方预测系统。结果 系统构建提取症状233个,药物350味。出现频次>2 000次的药物,模型的预测准确率77.5%,召回率84.4%,F1值80.8%;出现频次1 001~2 000次的药物,模型准确率66.6%,召回率57.4%,F1值为61.7%;出现频次501~1 000次的药物,模型准确率70.3%,召回率52.1%,F1值59.9%;出现频次201~500次的药物,模型准确率60.7%,召回率42.2%,F1值49.8%;出现频次<200次的药物,模型准确率58.5%,召回率23%,F1值33.2%。模型总体准确率73.7%,召回率68.3%,F1值70.9%,肿瘤临床专家评价平均分8.6分。模型参数提示,脉弦与应用百合具有相关性,化疗与脉弦有相关性,石上柏与石见穿运用有关联性。结论 基于Transformer模型构建的人工智能肺癌方证结合预测系统可以做到收集、分析、总结中医治疗规律的作用,其用药规律也体现了“扶正治癌”的治疗理念。

基于机器学习的爆破块度优化预测系统

矿山的资源开发离不开工程爆破这一关键环节。为了保障作业安全,预测爆破产生的块度至关重要。为准确预测爆破岩石块度,本文提出了一种基于机器学习的爆破块度预测模型,利用Django框架实现了相应的可视化界面系统,方便工作人员通过简易交互实现模型训练。基于实际爆破块度库,引入Spearman特征相关性分析,对输入参数进行相关性预处理。利用DE、GWO和PSO三种优化算法预测矿山中岩石大小,对比得到预测精度最高的DE-XGBoost模型,模型的均方根误差0.0284、平均相对误差8.401%、决定系数0.9698,表明模型对爆破块度预测精度有一定的提升,在实际工程应用中具有较好的前景。

基于遥感数据的水资源变化分析与预测系统设计

本文旨在设计一个基于遥感数据的水资源变化分析与预测系统,通过利用遥感影像数据和相关气象数据,结合机器学习技术,实现对水体变化的监测和预测。该系统能够提供对水资源变化的准确评估,并为水资源管理和决策提供重要参考。

基于深度学习的风电场功率预测系统的设计与实现

当前,数字化风电场在功率预测方面主要关注风电设备运行中的实时动态采样数据,而忽略了风电场固有的时空关联特性对预测精度的影响。针对该问题,文章提出一种风电场功率预测方法,该方法通过有效的特征工程提高风电预测的精度。在单台风机功率预测方面,采用空间嵌入技术生成表征向量,用以描述不同风机设备之间固有属性的区别,为单台风机的精准化功率预测提供数据支撑;在风电场综合功率预测方面,采用关联图谱记录风电场内多维度的时空关联特征,并有效聚合邻居节点信息,以此向预测模型提供有效特征。基于上述功率预测方法,设计并实现的这套高效的风电场功率预测系统,有助于推动风电预测技术的进一步发展与应用。

汽车出口服务备件计划与预测系统研究

随着海外整车保有量的增加,海外市场对完备的配件供应体系的需求越来越迫切。海外市场地域广阔,市场特点及产品保有量各异,海外售后配件供应业务因配件品种繁多、替代关系复杂、供应链周期长、物流周期经常受到外界因素影响等,逐渐成为整个服务中的难点。为了更好地管理售后配件,提升市场需求满足率及库存周转率,本文研究建立了一套专业的配件计划与预测系统,以便更专业有效地做好服务配件供应业务。

基于深度学习的光伏低电压检测与预测系统研究

在电气技术与经济领域,光伏系统的稳定运行对于保障可再生能源的高效利用至关重要。然而,低电压问题常常威胁到光伏系统的性能和寿命。随着深度学习技术的迅猛发展,其在能源系统中的应用展现出巨大潜力,特别是在电压监测和预测方面。深度学习可以借助分析大量数据,识别复杂的模式和趋势,从而实现对光伏系统中可能出现的低电压事件的有效检测和预测。本文详细探讨了基于深度学习的光伏低电压检测方法,并分析了光伏低电压预测系统的设计与实现,旨在为光伏系统的稳定运行提供一种高效、可靠的技术解决方案。

电力市场管理与负荷分析预测系统开发及应用探讨

随着社会经济水平的不断提升,人们对电力的需求不断增加,在保证电力供应稳定性与安全性方面,电力负荷分析预测系统具有重要作用,该系统可以科学合理地调整电力系统运行,促使电力供应满足人们的用电需求。本文针对电力负荷预测系统的特性和原理进行简要分析,继而讨论电力市场管理与负荷分析预测系统的开发及其实际应用效果,以供参考。

新能源电站功率预测系统的运维关键技术研究

随着全球对清洁能源的需求不断增加,新能源电站作为可再生能源的主要生产者之一,在能源领域发挥着日益重要的作用。然而,与传统发电方式不同,新能源电站的运行受到诸多不确定因素的影响,如天气变化、气象条件波动等,这给电站的功率输出预测带来了较大的挑战。而功率预测系统通过准确预测电站未来的功率输出,使得运营团队能够更好地制订运维计划,合理安排电力调度,提高电站的整体经济效益。然而,功率预测系统在运维中面临着众多挑战,包括天气突变导致的不确定性、多源数据融合难题、数据质量管理等。文章深入探讨了新能源电站功率预测系统的运维关键技术,以期为相关人员提供参考。

分布式发电功率预测系统的研究

精确预测分布式光伏系统在不同负荷工况下的发电功率,可以有效地防止发电功率的不稳定。本文以分布式光伏发电系统为研究对象,采用在线空间重建与频谱特征提取相结合的方式,研究其在变负荷工况下的发电功率预报方法,并将其与DSP芯片相结合,实现对分布式光伏发电功率的预测。本文以光伏发电阵为研究对象,通过建立负荷工况光伏发电功率输出时序模型,研究不同工况下光伏源阵输出功率的动态变化规律,提出基于负荷工况判别的光伏源阵功率瞬态特性识别方法,从相空间提取出具有非线性特征的光伏源阵,实现对发电功率时序的精确预测。提出了一种基于数字信号处理器的电力预测模型。研究结果显示,利用所建立的模型,可以对分布式光伏发电系统在不同负荷工况下的发电功率进行准确的预测,并具有良好的收敛性能。

沈阳地区土壤墒情监测与预测系统的研制

利用VFP6.0数据库管理系统,开发研制了沈阳地区土壤墒情监测与预测系统。系统实现了土壤墒情信息的统计、检索、列表显示、图形分析显示和预测等功能,可实时监测土壤墒情变化规律,为有关部门部署人工增雨等抗旱决策提供科学依据。

软组织侧貌预测系统的研究进展

计算机化的软组织侧貌预测系统是正畸医生进行诊断、制定治疗计划、预测疗效以及和患者进行交流的有力工具。多年来学者们对其进行了大量研究,为其临床应用提供了有力依据。本文将对计算机化的软组织侧貌预测系统的研究现状、可靠性分析、存在的问题及相关影响因素作一综述。

湖南省干旱分析与预测系统探讨

湖南省干旱分析与预测系统是以水文站网长期实测资料为基础,应用水文学原理,充分利用所掌握的雨情、蒸发等大量实时信息,综合分析各种干旱指标而建立起来的,能形象、客观地对旱情实况及其发展作出评价。文章对该系统的开发背景、总体目标及模型的建立作了阐述与探讨。

我国动力气候模式预测系统的研制及应用

动力气候模式是目前国际上开展气候预测的主要工具。经过8年多的研制和发展,国家气候中心已建立起第一代动力气候模式预测业务系统,并以此为平台,形成了一套包括月、季节到年际时间尺度的模式预测业务。20年历史回报试验和1年多的试验性业务运行结果表明,该系统对东亚区域的季节预测具有较好的预测能力,其预测结果已经成为我国短期气候预测业务的重要参考信息。

基于GA-BP神经网络的池塘养殖水温短期预测系统

为解决传统的水温小样本非实时预测方法预测精度低、鲁棒性差等问题,基于物联网实时数据,提出了遗传算法(GA)优化BP神经网络的池塘养殖水温短期预测方法,并在此基础上设计开发了池塘养殖水温预测系统,首先采用主成分分析法筛选出影响池塘水温的关键影响因子,减少输入元素;然后使用遗传算法对初始权重和阈值进行优化,获取最优参数并构建了基于BP神经网络的水温预测模型;最后采用Java语言开发了基于B/S体系结构的预测系统。该系统在江苏省宜兴市河蟹养殖池塘进行了预测验证。结果表明:该系统在短期的水温预测中具有准确的预测效果,与传统的BP神经网络算法相比,研究内容评价指标平均绝对误差(MAE)、平均绝对百分误差(MAPE)和误差均方根(MSE)分别为0.196 8、0.007 9和0.059 2,均优于单一BP神经网络预测,可满足实际的养殖池塘水温管理需要。

基于智能融合的船舶交通流预测系统

船舶交通流量预测的研究为水道的规划、设计和船舶通航管理提供基础性依据。将智能融合算法应用于船舶交通流量预测系统,较好地解决了现有船舶预测算法中存在的预测精度不高,依赖于经验等不足。以长江江阴大桥2007年船舶流量观测数据为例进行分析,实验结果表明,融合预测能够对多个数据源进行预测,并可以减缓单种预测方法单独预测的不确定性,从而增加了预测的准确性和整个预测系统的鲁棒性。

基于自适应滚动优化的电力负荷多模型组合预测系统的研究与开发

该文提出了多模型组合预测等预测策略,采用了包括非线性优化组合模型、逻辑预测模型、组合自适应指数平滑模型和综合模型等多种组合模型来进行短期电力负荷的预测;并使用自适应滚动优化技术保证每种模型能随负荷特性变化,调整模型参数;同时根据对每种模型在一段时间内的预测误差分析,选取最优的组合模型。基于该文预测策略和预测模型所开发的预测系统的预测结果表明,组合预测模型的预测结果优于单一模型的预测结果。

基于农业气象模型的农作物单产预测系统

基于农作物单产可以分解为趋势产量和气象产量的原理 ,采用面向对象的开发方法 ,在Windows 32位操作系统环境下 ,用VB与MO作为开发工具 ,成功开发了Client/Server结构的农作物单产预测系统。系统将数据库技术、组件化GIS技术集成在一起 ,各模块之间实现了无缝连接。