基于双重注意力机制CNN-BiLSTM与LightGBM误差修正的超短期风电功率预测

为了响应国家“双碳”目标,针对风电功率预测误差影响电网安全稳定运行的问题,提出一种基于双重注意力机制改进的CNN-BiLSTM初步预测和LightGBM误差修正的组合预测模型。该模型首先利用卷积神经网络(Convolutional neural network,CNN)与注意力机制结合构成特征注意力模块自适应提取风电功率重要特征,然后利用双向长短期记忆网络(Bi-directional long short-term memory,BiLSTM)与注意力机制结合构成时间注意力模块对风电功率进行初步预测,最后利用LightGBM构造误差修正模型,对初步预测结果进行修正。使用平均绝对误差(Mean absolute error,MAE)、均方根误差(Root mean square error,RMSE)和确定系数(R^(2))作为试验评价指标,结果表明,该组合模型预测效果明显优于BiLSTM、CNN-BiLSTM等模型。

基于VMD-TCN-LSTM模型的短期光伏功率预测

针对光伏发电易受气象因素影响导致发电功率不稳定问题,提出了一种基于变分模态分解(Variational Modal Decomposition, VMD)、时域卷积网络(Temporal Convolutional Network, TCN)和长短期记忆神经网络(Long Short Term Memory Network, LSTM)的短期光伏功率预测模型,以准确预测其发电功率,给电力系统的调度规划提供参考。上述模型首先使用VMD对光伏发电功率数据进行分解,得到多个不同频率的分量,再将光伏发电功率数据、分量数据以及气象数据输入TCN-LSTM,以对数据特征进行深度挖掘,经多次迭代最终输出预测结果。通过实验验证,上述模型的均方误差、平均绝对误差等指标有所提升,具有更高的预测精度。

海上安保需求视角下发展中国私营武装护航的制度构想

中国推行“海上丝绸之路”所涉沿线水域存在着不稳定因素,相关中国企业面临安全威胁,存在安保需求。和西方发达国家相比,中国私营安保、武装护航企业的质和量都有较大差距,无法满足中国“走出去”的企业的安保需要。很重要的原因之一是中国现有的法律制度对私营武装护航业务的定位不清,这制约了该行业的健康发展。有必要从供给侧改革角度入手,在承认私营武装护航的合法性、破除相应法律障碍的基础上,设置事前、事中、事后的监管机制,对私营武装护航加以规范化管理,并引导、支持保险公司设立和完善有关责任险种,以促进这一行业的健康发展,更好地护卫中国在海外的利益。

危险废物热处理现状及其设备选型

介绍了热处理技术处理危险废物的发展现状,通过对其应用的设备技术比较与分析,得出最适合危险废物处理的设备,同时对最先进的热处理技术—等离子体技术进行了展望。

氢气TSA干燥装置流程分析与优化

以原料气流量4 000 m^3/h氢气变温吸附TSA干燥装置为例,采用等压干燥流程,除在分水罐排出游离水外,整个过程几乎没有损耗,产品回收率接近100%。分析氢气变温吸附等压干燥工艺原理、设计参数、工艺流程、工艺设备参数、吸附剂性能指标,优化变温吸附加热再生时间、冷却再生时间、再生气气量工艺参数,以提高TSA干燥装置的运行效果。