基于电力计量大数据的区域性短期负荷预测算法设计

针对单一算法在对电力负荷进行预测时存在的局限性,同时为了提高短期负荷的预测精度,文中提出了一种基于CEEMDAN分解的门控循环单元和小波神经网络相结合的短期负荷预测算法,并构建了SSA-GRU&WNN预测模型。该模型采用CEEMDAN算法分解负荷数据,以降低数据的波动性与不确定性,利用样本熵算法对分解得到的分量进行评估及分组。同时分别利用GRU和WNN对两组分量加以预测,且引入麻雀搜索算法实现对二者超参数的优化。实验结果表明,所提算法的MAE、RMSE和MAPE分别为66.54 MW、58.62 MW及67.8%,相比传统单一负荷预测算法的误差更小、时间成本也更低。

基于激光视觉传感器的智能家居体感交互系统设计

为提高智能家居系统的人工智能技术水平,结合激光视觉传感器设计一套与之相匹配的体感交互系统。该系统设计分为四部分:系统整体框架为四层框架,即视觉定位层、体感交互层、中心控制层、执行操作层;硬件上,主要介绍了激光视觉传感器、Kinect体感交互器、微控制器以及数据传输装置等四种主要设备;软件上,主要经分析了摄像机标定与校正、手势识别、语音识别三种关键程序算法;系统测试实验,结果表明:本系统应用下,手势识别准确性和指令执行准确性均达到预期,证明系统可行与有效。

基于Adam算法优化GRU神经网络的短期负荷预测模型

为提高短期负荷预测的精度,文中提出了一种基于Adam算法优化门控循环单元(Gated Recurrent Unit,GRU)神经网络的短期负荷预测模型。针对循环神经网络(Recurrent Neural Network,RNN)存在的梯度消失和梯度下降、长短期记忆神经网络(Long Short-Term Memory,LSTM)在运行时计算时间较长的问题,采用GRU神经网络作为负荷预测的模型,针对随机梯度下降(Stochastic Gradient Descent)算法前期收敛速度较慢所导致的预测精度不高的问题,利用Adam算法来替代GRU神经网络中的随机梯度下降算法,并采用学习率衰减策略来加速模型的收敛,提高预测的精度。算例仿真结果表明,文中所提出的预测模型比常规GRU神经网络预测模型、BP神经网络预测模型具有更高的预测精度。

基于梯度提升树的短期用电负荷预测系统设计

为了解决传统短期用电负荷预测系统存在响应时间慢、预测精度差的问题,设计了一种基于梯度提升树的短期用电负荷预测系统。该系统框架采用C/S架构模式搭建,根据预测需求选择系统的组成硬件,并以梯度提升树为核心,建立预测模型,完成系统软件及短期用电负荷预测系统的设计。实验结果表明,与基于神经网络、数据挖掘、支持向量机的三种传统用电负荷预测系统相比,本系统运行下,响应时间缩短,预测精度提高,为电力企业电量生产和供应提供了可靠的依据。

基于混合现实的数字交互全景虚拟展示系统设计

为增强用户体验感、真实感以及人机交互性,结合混合现实技术,并在前人研究经验的基础上,设计一种数字交互全景虚拟展示系统。该系统框架分为数据采集层、数据处理层以及用户界面层三部分。系统硬件主要由全景用摄影设备、混合现实体感交互设备、中央控制设备组成;系统软件部分设计了运行主程序,并针对全景虚拟场景构建、指令识别、目标检测追踪等三个关键子程序进行具体分析。结果表明所提系统三个功能均符合预期。

基于AQUATOX的矿区环境生态修复模拟系统设计

为满足生产生活的需要,矿产资源的开采量越来越大,但是与此同时,对矿区的生态环境也造成了严重破坏。在此背景下,如何缓解矿产资源开采和生态环境保护之间的矛盾成为研究的热点。矿产资源开采后,修复矿区生态环境是一项重要举措。为此,基于AQUATOX设计一种针对矿区环境生态修复的模拟系统。该系统框架以B/S架构(Browser/Server)形式为基础,设计显示逻辑部分、事务处理逻辑部分和数据存取逻辑部分三层结构;硬件部分主要对数据采集设备、单片机和三维立体显示设备进行了介绍;软件部分主要用到AQUATOX仿真软件、3D建模软件和开发工具等三种。通过性能和功能测试证明所设计系统的应用价值满足了用户需要,可为矿区生态环境保护工作提供重要帮助。