基于Campo布置的定日镜场分布应用研究

定日镜场子系统与塔式太阳能热发电系统的综合性能紧密相连,它是塔式太阳能热发电站中的核心子系统之一。由于定日镜场包含大量的定日镜,并且在电站建设完成后,定日镜的安置位置无法更改,所以对定日镜场的初始布局规划显得格外关键。传统的定日镜布局方式未能有效地控制发生定日镜场的能量损失。本文运用Campo布置模型,建立了基于动态规划、Camop布置和光学追迹的定日镜布置模型,计算单位镜面面积年平均输出热功率,并与传统的放射状栅格法布置下单位镜面面积年平均输出热功率进行对比。研究结果表明:当定日镜场在年平均输出热功率固定的情况下,Campo布置相较于传统的放射状栅格法布置,单位镜面面积年平均输出热功率提升了20.52%,并且极大优化了土地的使用效率。

基于高斯过程回归的短时交通量不确定性预测

智能交通预测对解决交通难题具有重要意义。针对现有模型预测不精准的问题,本文提出一种全新的短期交通量预测模型——高斯回归模型(GPR),这是基于贝叶斯理论和统计学习理论发展起来的机器学习算法。首先对数据进行归一化处理后,将数据划分为训练集和测试集,建立标准高斯回归方程,利用贝叶斯后验概率公式,建立高斯回归预测模型,并采用无效覆盖率(KP)和区间宽度(Width)两个评价指标,将GPR与GARCH、BOOTSTRAP模型做对比,结果显示本模型表现出的性能最优。