新能源正在逐步代替传统发电厂为用户提供电能,但同时也为电网的安全运行带来了潜在的风险。因此,在规划阶段需要全面地对最大频率偏差越线风险进行概率评估。基于蒙特卡罗仿真(Monte Carlo simulation,MCS)的规划方法效率很低,而人工...新能源正在逐步代替传统发电厂为用户提供电能,但同时也为电网的安全运行带来了潜在的风险。因此,在规划阶段需要全面地对最大频率偏差越线风险进行概率评估。基于蒙特卡罗仿真(Monte Carlo simulation,MCS)的规划方法效率很低,而人工神经网络(artificial neural network,ANN)可以通过对数据的学习做出快速有效的预测。为此,提出一种基于MCS-ANN的区域频率概率评估方法,以实现对区域最大频率偏差越线风险的快速评估。首先,产生大量的随机扰动,仅对小部分扰动进行仿真;然后将这部分数据送入ANN进行训练,并将剩余的大部分扰动送入训练好的ANN进行输出预测;重复以上训练和预测的过程,将多次预测结果的平均值作为最终的预测输出,得到各个风险区间的概率分布情况。最后,在IEEE 10机39节点的系统上验证了所提方法的有效性。展开更多
本文收集了环烷烃类、环烯烃类、酮类、胺类、醚类、酯类等有机物在固定相角鲨烷和SE-30上的气相色谱保留指数,并采用基于Monte Carlo采样的模型集群分析(Monte Carlo sampling model population analysis,MCS MPA)方法进行了定量结构...本文收集了环烷烃类、环烯烃类、酮类、胺类、醚类、酯类等有机物在固定相角鲨烷和SE-30上的气相色谱保留指数,并采用基于Monte Carlo采样的模型集群分析(Monte Carlo sampling model population analysis,MCS MPA)方法进行了定量结构-色谱保留指数相关关系建模方法的比较研究。对于两种固定相上的有机化合物,分别采用不同的分子描述符予以表征,分子描述符的选择基于统计学与遗传算法。采用的建模方法包括多元线性回归(multivariate linear regression,MLR)、支持向量机回归(support vector machine,SVM)、径向基函数人工神经网络方法(radial basis function artificial neural networks,RBF ANN),通过所建模型预测了独立外部测试样本的气相色谱保留指数。研究结果表明,对于本文所研究的数据,SVM回归方法的建模效果优于MLR与RBF ANN方法。展开更多
文摘本文收集了环烷烃类、环烯烃类、酮类、胺类、醚类、酯类等有机物在固定相角鲨烷和SE-30上的气相色谱保留指数,并采用基于Monte Carlo采样的模型集群分析(Monte Carlo sampling model population analysis,MCS MPA)方法进行了定量结构-色谱保留指数相关关系建模方法的比较研究。对于两种固定相上的有机化合物,分别采用不同的分子描述符予以表征,分子描述符的选择基于统计学与遗传算法。采用的建模方法包括多元线性回归(multivariate linear regression,MLR)、支持向量机回归(support vector machine,SVM)、径向基函数人工神经网络方法(radial basis function artificial neural networks,RBF ANN),通过所建模型预测了独立外部测试样本的气相色谱保留指数。研究结果表明,对于本文所研究的数据,SVM回归方法的建模效果优于MLR与RBF ANN方法。