针对含电池储能系统(batter energy storage system,BESS)的配电网参与电网仿真所需的广义综合负荷模型展开研究。阐述了BESS的仿真数学模型,搭建了基于MATLAB/Simulink的BESS仿真平台;通过对BESS暂态运行特性的仿真分析,提出了一种面...针对含电池储能系统(batter energy storage system,BESS)的配电网参与电网仿真所需的广义综合负荷模型展开研究。阐述了BESS的仿真数学模型,搭建了基于MATLAB/Simulink的BESS仿真平台;通过对BESS暂态运行特性的仿真分析,提出了一种面向负荷的BESS等效模型并进行了检验;建立了考虑BESS的配电网广义综合负荷模型,该广义综合负荷模型由BESS等效模型和经典综合负荷模型(composite load model,CLM)并联构成;通过多场景的仿真分析,检验了提出的广义综合负荷模型的有效性和模型参数稳定性。展开更多
针对目前机场群发展不平衡,国际枢纽机场的延误率居高不下,航班时刻短缺,资源紧张,而区域枢纽机场却存在资源空闲的问题,提出一种基于跳过门的长短时记忆网络(Skip-LSTM,Skip Long Short Term Memory)的机场群延误预测模型。该模型首先...针对目前机场群发展不平衡,国际枢纽机场的延误率居高不下,航班时刻短缺,资源紧张,而区域枢纽机场却存在资源空闲的问题,提出一种基于跳过门的长短时记忆网络(Skip-LSTM,Skip Long Short Term Memory)的机场群延误预测模型。该模型首先将机场群中各个机场的信息,机场群航班信息以及机场群地区的气象信息进行融合及处理,然后搭建Skip-LSTM网络对融合后的数据信息进行特征提取,最后利用Softmax分类器对机场群的延误状况进行分类预测。Skip-LSTM网络在传统的长短时记忆网络(LSTM,Long Short Term Memory)的基础上增加了Skip门,能更加充分地提取机场群数据信息的时间相关性,获得更高的准确率。实验结果表明,基于Skip-LSTM的机场群延误预测模型的准确率可达95.35%,预测性能优于传统的网络模型,能对机场群的延误状况进行有效的预测。展开更多
文摘针对目前机场群发展不平衡,国际枢纽机场的延误率居高不下,航班时刻短缺,资源紧张,而区域枢纽机场却存在资源空闲的问题,提出一种基于跳过门的长短时记忆网络(Skip-LSTM,Skip Long Short Term Memory)的机场群延误预测模型。该模型首先将机场群中各个机场的信息,机场群航班信息以及机场群地区的气象信息进行融合及处理,然后搭建Skip-LSTM网络对融合后的数据信息进行特征提取,最后利用Softmax分类器对机场群的延误状况进行分类预测。Skip-LSTM网络在传统的长短时记忆网络(LSTM,Long Short Term Memory)的基础上增加了Skip门,能更加充分地提取机场群数据信息的时间相关性,获得更高的准确率。实验结果表明,基于Skip-LSTM的机场群延误预测模型的准确率可达95.35%,预测性能优于传统的网络模型,能对机场群的延误状况进行有效的预测。