住宅短期电力负荷预测是一种关键应用场景,能够为电力公司和用户提供实时且准确的用电负荷预估,实现最优调度并合理分配电力资源。提出了一种基于双向长短期记忆(Bi-directional Long Short-Term Memory,BiLSTM)和卷积神经网络(Convolut...住宅短期电力负荷预测是一种关键应用场景,能够为电力公司和用户提供实时且准确的用电负荷预估,实现最优调度并合理分配电力资源。提出了一种基于双向长短期记忆(Bi-directional Long Short-Term Memory,BiLSTM)和卷积神经网络(Convolutional Neural Network,CNN)的CNN-BiLSTM预测模型。利用CNN对原始负载数据进行特征提取,以降低输入数据的维度并提高模型的运行效率;将提取的特征输入BiLSTM和CNN-BiLSTM模型中进行预测。该方法已在实际住宅负荷数据集上进行了验证,预测结果好于传统的基于时间序列的预测方法。这表明该方法在短期住宅负荷预测领域中具有广泛的应用前景。展开更多
近年来,全球气候变化和人为活动日益剧烈,研究陆地水储量动态变化的影响因素,有助于深入了解陆地水储量的时空分布规律,为区域水资源管理和保护提供依据。基于(Gravity Recovery And Climate Experiment)GRACE数据及8种气候要素,采用趋...近年来,全球气候变化和人为活动日益剧烈,研究陆地水储量动态变化的影响因素,有助于深入了解陆地水储量的时空分布规律,为区域水资源管理和保护提供依据。基于(Gravity Recovery And Climate Experiment)GRACE数据及8种气候要素,采用趋势分析、互相关分析和偏最小二乘回归(Partial least squares regression,PLSR)等,从网格尺度(1o×1o)上分析我国云南、贵州、四川、广西、湖南、湖北以及重庆7省市陆地水储量距平(Terrestrial Water Storage Anomaly,TWSA)变化趋势及其不同时间尺度下的主要影响因素。结果表明:2002-2017年期间,我国南方7省市除西部区域外TWSA总体上呈现明显增长的趋势,在重庆、贵州、湖北和湖南省交界处上升幅度最大,平均增幅最大可达每年0.9 cm,该区域TWSA动态变化由长期趋势主导。云南、四川中南部、广西南部以及湖南湖北二省的东部区域中,TWSA随时间变化由季节周期性变化所主导。月尺度下,TWSA与空气比湿的动态变化最为相似,85%网格TWSA的变化受气候波动控制,仅研究区中北部TWSA明显受到大型水库消峰填谷调控的影响,其季节波动弱于其他地区,但水库对该区域TWSA年尺度的变化影响明显减弱。年尺度下,全区域TWSA的变化仍主要受气候因素的影响,陆地水储量60%以上的变化可由气候变化解释,降雨为七成以上研究区域TWSA年尺度变化的主控要素,仅三峡水库附近TWSA受到人为活动和气候变化的共同影响。展开更多
文摘近年来,全球气候变化和人为活动日益剧烈,研究陆地水储量动态变化的影响因素,有助于深入了解陆地水储量的时空分布规律,为区域水资源管理和保护提供依据。基于(Gravity Recovery And Climate Experiment)GRACE数据及8种气候要素,采用趋势分析、互相关分析和偏最小二乘回归(Partial least squares regression,PLSR)等,从网格尺度(1o×1o)上分析我国云南、贵州、四川、广西、湖南、湖北以及重庆7省市陆地水储量距平(Terrestrial Water Storage Anomaly,TWSA)变化趋势及其不同时间尺度下的主要影响因素。结果表明:2002-2017年期间,我国南方7省市除西部区域外TWSA总体上呈现明显增长的趋势,在重庆、贵州、湖北和湖南省交界处上升幅度最大,平均增幅最大可达每年0.9 cm,该区域TWSA动态变化由长期趋势主导。云南、四川中南部、广西南部以及湖南湖北二省的东部区域中,TWSA随时间变化由季节周期性变化所主导。月尺度下,TWSA与空气比湿的动态变化最为相似,85%网格TWSA的变化受气候波动控制,仅研究区中北部TWSA明显受到大型水库消峰填谷调控的影响,其季节波动弱于其他地区,但水库对该区域TWSA年尺度的变化影响明显减弱。年尺度下,全区域TWSA的变化仍主要受气候因素的影响,陆地水储量60%以上的变化可由气候变化解释,降雨为七成以上研究区域TWSA年尺度变化的主控要素,仅三峡水库附近TWSA受到人为活动和气候变化的共同影响。