太阳能光伏发电功率短期智能预测方法

随着能源危机的加剧,太阳能光伏产业日益受到关注。而太阳能光伏发电功率存在波动性和随机性的特点,为减轻其对电网的影响,进行光伏出力预测是解决这一问题的基本途径。文章针对短期光伏预测中存在的计算量大、预测精确度低等难题,在对现场数据进行采集、处理与定量分析的基础上,基于改进的超闭球神经网络(Improved hyperball CMAC,IHCMAC)理论,提出了短期智能预测算法并对其加以改进,利用采集的气象参数、光伏发电数据,构建了光伏发电功率预测模型,并通过性能评价验证了该算法的有效性。

一种改进的局部离群数据检测算法

针对传统局部离群数据检测算法时间复杂度高、参数鲁棒性差的问题,在基于连接的异常因子(Connectivity based outlier factor,COF)算法的基础上,提出了一种基于聚类和密度的局部离群数据检测算法。利用聚类方法从原始数据集中筛选出候选离群数据集,来降低算法的时间复杂度;在进行数据对象之间距离计算时,引入信息熵的概念确定数据对象的离群属性,以提高算法的检测准确率。确定数据集的离群属性后,采用新的局部链接离群因子(Local connectivity based outlier factor,LCOF)度量候选离群数据集中数据的离群程度。此算法在保证检测准确率的前提下,降低了时间复杂度和检测准确率对参数的依懒性。仿真结果证明了所提方法的有效性和可行性。

基于云平台的建筑室内舒适度监控系统

针对当前具有代表性的热舒适度PMV评价指标局限在某一特定区域的不足,将ARM技术、无线传输技术和物联网设备云技术相结合,构建基于无线传感器网络的环境变量监测和舒适度控制的云监控平台,实现对整栋建筑甚至整个建筑群各个区域的远程监测和舒适度的控制。

基于冷热电联产系统能耗数据的模糊建模与优化

基于TRNSYS构建了冷热电联产系统仿真平台,采集系统实际运行能耗数据,利用基于半张量积的方法对采集数据进行处理,建立了反映输入输出各部分特性的模糊矩阵模型。基于分时电价,应用改进的粒子群搜索策略对系统各项目标函数分别作了单目标优化。基于二元对比确定了各目标函数的权重,利用范数加权的方法,对冷热电联产系统进行了多目标优化的研究。研究结果表明,当总费用最优且运行费用、环境费用及配置费用都达到局部最优时,每一个典型日的总费用均小于环境费用最优、配置费用最优运行策略下的总费用及分产系统的总费用。