期刊文献+
共找到252篇文章
< 1 2 13 >
每页显示 20 50 100
Application of bi-directional static loading test to deep foundations 被引量:4
1
作者 Guoliang Dai Weiming Gong 《Journal of Rock Mechanics and Geotechnical Engineering》 SCIE 2012年第3期269-275,共7页
Bi-directional static loading test adopting load cells is widely used around the world at present, with increase in diameter and length of deep foundations. In this paper, a new simple conversion method to predict the... Bi-directional static loading test adopting load cells is widely used around the world at present, with increase in diameter and length of deep foundations. In this paper, a new simple conversion method to predict the equivalent pile head load-settlement curve considering elastic shortening of deep foundation was put forward according to the load transfer mechanism. The proposed conversion method was applied to root caisson foundation in a bridge and to large diameter pipe piles in a sea wind power plant. Some new load cells, test procedure, and construction technology were adopted based on the applications to different deep foundations, which could enlarge the application scopes of bi-directional loading test. A new type of bi-directional loading test for pipe pile was conducted, in which the load cell was installed and loaded after the pipe pile with special connector has been set up. Unlike the conventional bi-directional loading test, the load cell can be reused and shows an evident economic benefit. 展开更多
关键词 deep foundations bi-directional static loading test root caisson foundation large diameter pipe pile
下载PDF
The Application of Reliability Based Optimization of Tophat Stiffened Composite Panels Subject to Bi-Directional Buckling Loads
2
作者 Xiaoguang Xue Guoxi Li +1 位作者 Adam James Sobey Ramanand Ajit Shenoi 《材料科学与工程(中英文B版)》 2013年第11期721-733,共13页
关键词 复合材料加筋板 可靠性优化 应用程序 屈曲荷载 复合材料结构 屈曲临界载荷 设计问题 计算效率
下载PDF
基于模糊逻辑的FBiLSTM-Attention短期负荷预测
3
作者 张岩 康泽鹏 +2 位作者 高晓芝 杨楠 王昭雷 《河北科技大学学报》 北大核心 2025年第1期41-48,共8页
针对电力负荷数据由于受多种因素的影响具有高度不确定性的问题,将负荷数据的不确定性与深度学习算法相结合,提出了一种基于模糊逻辑的FBiLSTM-Attention短期负荷预测模型,以提高负荷预测的精度。首先,对原始数据进行数据预处理,包括缺... 针对电力负荷数据由于受多种因素的影响具有高度不确定性的问题,将负荷数据的不确定性与深度学习算法相结合,提出了一种基于模糊逻辑的FBiLSTM-Attention短期负荷预测模型,以提高负荷预测的精度。首先,对原始数据进行数据预处理,包括缺失值填充、相关性分析及数据归一化;其次,通过K-Means聚类将每个特征的数据转换成模糊规则引入模糊逻辑的处理,同时,模型结构方面采用双向长短期记忆网络(BiLSTM)和注意力机制(Attention);最后,对所提方法和传统的LSTM与BiLSTM-Attention模型的预测结果进行对比。结果表明,结合了模糊逻辑的模型精确度和鲁棒性都有了明显的提升,具有更好的预测性能。所提模型可以有效提高处理不确定性数据的能力,为负荷预测研究提供了参考。 展开更多
关键词 数据处理 模糊逻辑 负荷预测 双向长短期记忆网络 注意力机制
下载PDF
基于CNN-BiGRU-Attention的短期电力负荷预测 被引量:4
4
作者 任爽 杨凯 +3 位作者 商继财 祁继明 魏翔宇 蔡永根 《电气工程学报》 CSCD 北大核心 2024年第1期344-350,共7页
针对目前电力负荷数据随机性强,影响因素复杂,传统单一预测模型精度低的问题,结合卷积神经网络(Convolutional neural network,CNN)、双向门控循环单元(Bi-directional gated recurrent unit,BiGRU)以及注意力机制(Attention)在短期电... 针对目前电力负荷数据随机性强,影响因素复杂,传统单一预测模型精度低的问题,结合卷积神经网络(Convolutional neural network,CNN)、双向门控循环单元(Bi-directional gated recurrent unit,BiGRU)以及注意力机制(Attention)在短期电力负荷预测上的不同优点,提出一种基于CNN-BiGRU-Attention的混合预测模型。该方法首先通过CNN对历史负荷和气象数据进行初步特征提取,然后利用BiGRU进一步挖掘特征数据间时序关联,再引入注意力机制,对BiGRU输出状态给与不同权重,强化关键特征,最后完成负荷预测。试验结果表明,该模型的平均绝对百分比误差(Mean absolute percentage error,MAPE)、均方根误差(Root mean square error,RMSE)、判定系数(R-square,R~2)分别为0.167%、0.057%、0.993,三项指标明显优于其他模型,具有更高的预测精度和稳定性,验证了模型在短期负荷预测中的优势。 展开更多
关键词 卷积神经网络 双向门控循环单元 注意力机制 短期电力负荷预测 混合预测模型
下载PDF
基于BO-BiGRU-Attention短期电力负荷预测
5
作者 包广斌 张瑞 +2 位作者 彭璐 李明 赵怀森 《计算机技术与发展》 2024年第6期201-206,共6页
电力系统的可靠供应对于工业、商业和居民的生活至关重要。为了满足电力需求并维持电力系统的稳定运行,提高短期电力负荷预测的准确性和可靠性尤为关键;针对负荷数据存在复杂的非线性特性,该文提出一种基于贝叶斯优化算法的双向门控循... 电力系统的可靠供应对于工业、商业和居民的生活至关重要。为了满足电力需求并维持电力系统的稳定运行,提高短期电力负荷预测的准确性和可靠性尤为关键;针对负荷数据存在复杂的非线性特性,该文提出一种基于贝叶斯优化算法的双向门控循环单元和注意力机制(BO-BiGRU-Attention)的混合预测模型对短期电力负荷进行精准预测。首先,使用Min-Max Normalization方法对负荷数据进行归一化处理。其次,利用BiGRU网络捕获序列中的长期依赖关系和上下文信息,结合注意力机制,通过在输入序列的不同部分给予不同的权重,从而突出关键特征。最后,针对BiGRU-Attention模型的超参数难以选取最优解的问题,引入贝叶斯优化算法对BiGRU-Attention模型的超参数进行寻优,完成短期电力负荷的预测。采用印度北部某地区的电力负荷数据进行预测分析,仿真结果表明,BO-BiGRU-Attention网络表现优于其他模型,各误差评价指标最小,其中MAE、RMSE和MAPE分别为56.67,73.49和1.16%,预测精度达到了99.47%。 展开更多
关键词 电力系统 负荷预测 贝叶斯优化算法 双向门控循坏单元 注意力机制
下载PDF
基于Bi-LSTM网络的时变综合负荷模型参数辨识
6
作者 陈谦 冯源 +1 位作者 陈嘉雯 徐旸 《电力电子技术》 2024年第11期67-71,共5页
考虑到实际电网负荷的组成会随着系统运行方式、环境状况等因素发生变化,以及各类分布式电源的接入,负荷模型中增加了具有各种时变特性的负荷分量,对其进行参数辨识的难度日益加大。这里提出了一种基于深度学习的时变参数辨识模型,用于... 考虑到实际电网负荷的组成会随着系统运行方式、环境状况等因素发生变化,以及各类分布式电源的接入,负荷模型中增加了具有各种时变特性的负荷分量,对其进行参数辨识的难度日益加大。这里提出了一种基于深度学习的时变参数辨识模型,用于综合负荷模型时变参数的辨识。采用两个并行的双向长短期记忆(Bi-LSTM)网络,利用时变参数以及有功、无功功率和正序电压的时序特性,综合考虑它们对时变参数的影响,并在系统测量范围的情况下,辨识综合负荷模型的所有时变参数。 展开更多
关键词 负荷模型 时变参数 双向长短期记忆网络
下载PDF
Analytic elasticity solution of bi-modulus beams under combined loads 被引量:1
7
作者 Huiling ZHAO Zhiming YE 《Applied Mathematics and Mechanics(English Edition)》 SCIE EI CSCD 2015年第4期427-438,共12页
A unified stress function for bi-modulus beams is proposed based on its mechanic sense on the boundary of beams. Elasticity solutions of stress and displacement for bi-modulus beams under combined loads are derived. T... A unified stress function for bi-modulus beams is proposed based on its mechanic sense on the boundary of beams. Elasticity solutions of stress and displacement for bi-modulus beams under combined loads are derived. The example analysis shows that the maximum tensile stress using the same elastic modulus theory is underestimated if the tensile elastic modulus is larger than the compressive elastic modulus. Otherwise, the maximum compressive stress is underestimated. The maximum tensile stress using the material mechanics solution is underestimated when the tensile elastic modulus is larger than the compressive elastic modulus to a certain extent. The error of stress using the material mechanics theory decreases as the span-to-height ratio of beams increases, which is apparent when L/h ≤ 5. The error also varies with the distributed load patterns. 展开更多
关键词 bi-modulus elasticity theory analytic solution combined loads
下载PDF
考虑VMD残差量和优化BiLSTM的短期负荷预测
8
作者 谢煜轩 王红君 +1 位作者 岳有军 赵辉 《复杂系统与复杂性科学》 CAS CSCD 北大核心 2024年第4期149-156,共8页
为进一步提高短期负荷预测精度,提出了一种基于变分模态分解(VMD)并考虑VMD残差量和改进北方苍鹰算法(INGO)优化双向长短时记忆(BiLSTM)网络的短期负荷预测方法。首先利用VMD将历史负荷数据分解为多个本征模分量(IMFs)和一个残差量。再... 为进一步提高短期负荷预测精度,提出了一种基于变分模态分解(VMD)并考虑VMD残差量和改进北方苍鹰算法(INGO)优化双向长短时记忆(BiLSTM)网络的短期负荷预测方法。首先利用VMD将历史负荷数据分解为多个本征模分量(IMFs)和一个残差量。再将各IMF和残差量以及相关气象参数分别构建BiLSTM模型进行预测。为避免因超参数选取不佳对预测精度的影响,采用INGO对BiLSTM的隐含层节点、训练次数、学习率进行优化。最后将预测结果叠加得出最终结果。通过具体算例分析,将本文采用方法与其他方法对比,具有较高的预测精度,验证了本文方法的有效性。 展开更多
关键词 短期负荷预测 变分模态分解 北方苍鹰算法 双向长短时记忆网络
下载PDF
基于KLPP-K-means-BiLSTM的台区短期电力负荷预测
9
作者 朱江 汪帆 +2 位作者 曹春堂 易灵芝 邹嘉乐 《电机与控制应用》 2024年第3期108-115,I0001,共9页
随着智能电网的发展,各场景的用电更加多元化,而准确的台区负荷预测是确保相关电力部门制定合适检修任务的关键,同时为有序用电、电网经济运行提供重要参考。为了挖掘台区负荷的特征以提高台区负荷预测的精度,提出了一种基于核主元分析... 随着智能电网的发展,各场景的用电更加多元化,而准确的台区负荷预测是确保相关电力部门制定合适检修任务的关键,同时为有序用电、电网经济运行提供重要参考。为了挖掘台区负荷的特征以提高台区负荷预测的精度,提出了一种基于核主元分析与局部保持投影降维、K均值聚类算法(K-means)以及双向长短时记忆网络(BiLSTM)的台区电力负荷预测方法。首先利用核局部保持投影(KLPP)对台区多特征负荷数据进行降维以提取主要特征信息;然后采取K-means聚类算法将相似特征的数据归类成各自的簇集;最后针对聚类后的各典型类型,有针对性地训练BiLSTM,并选取中国某高校低压台区负荷作为算例与其他经典预测方法进行对比分析,结果表明所提方法更拟合实际负荷走向,有效提升了预测效果。 展开更多
关键词 电力负荷预测 降维 K均值聚类算法 双向长短时记忆网络 核局部保持投影
下载PDF
基于ICEEMDAN-IWOA-BiLSTM混合算法模型的短期负荷预测 被引量:1
10
作者 焦家俊 刘田园 《电气自动化》 2024年第2期36-39,共4页
电力负荷具有不确定性、随机性及波动性的特点,难以对其实现精准预测。为此,提出了一种基于改进型自适应白噪声完备集成经验模态分解算法和经改进型鲸鱼算法优化的双向长短期记忆网络预测模型。首先对选取的澳大利亚某电网负荷数据进行... 电力负荷具有不确定性、随机性及波动性的特点,难以对其实现精准预测。为此,提出了一种基于改进型自适应白噪声完备集成经验模态分解算法和经改进型鲸鱼算法优化的双向长短期记忆网络预测模型。首先对选取的澳大利亚某电网负荷数据进行预处理;其次利用经验模态分解方法将负荷数据分解为一系列子序列;然后利用改进的鲸鱼算法对双向长短期记忆网络进行超参数寻优;最后将分解后得到的各分量数据输入到优化模型中进行预测。结果表明,所提算法实现了电力负荷的精准预测,得到了比其他单一基准模型和多数组合模型更好的预测效果,具有一定的适用性与应用价值。 展开更多
关键词 电力负荷 负荷预测 经验模态分解算法 改进型鲸鱼算法 双向长短期记忆网络
下载PDF
基于大数据BI技术的智慧工地数据可视化平台的设计与研究--以某大型建筑工程集团为例 被引量:1
11
作者 谭晖涛 谢赞福 +1 位作者 陆小霞 钟山 《软件》 2024年第2期28-33,43,共7页
大数据BI(Business Intelligence)技术在数据挖掘、数据分析、数据可视化等方面的功能实现较成熟,已广泛应用在制造业、零售业等行业。将大数据BI技术融入智慧工地,建立数据可视化平台,可以解决智慧工地存在的局部“数据孤岛”等问题,... 大数据BI(Business Intelligence)技术在数据挖掘、数据分析、数据可视化等方面的功能实现较成熟,已广泛应用在制造业、零售业等行业。将大数据BI技术融入智慧工地,建立数据可视化平台,可以解决智慧工地存在的局部“数据孤岛”等问题,让智慧工地的海量数据得到最大价值体现。文章以某大型市政特级资质建筑工程集团为例,采用基于Hadoop+Spark的技术架构,以在建的大型地铁市政工程项目为实践,主要论述数据可视化平台架构选型、建立数据仓库、数据ETL、数据可视、Spark引擎框架与MapReduce在数据处理性能方面的对比等。构建基于大数据BI技术的智慧工地可视化数据平台,能有效推进智慧工地的开展,提升对工程项目在质量安全、绿色施工、成本管控等方面的管理。 展开更多
关键词 智慧工地 Extract-Transform-load(ETL) 大数据bi(Business Intelligence) Spark 数据可视化
下载PDF
基于CEEMDAN-GWO-BI-GRU的短期电力负荷预测 被引量:1
12
作者 王俊超 《自动化应用》 2024年第21期148-150,共3页
针对电力负荷较为复杂的变化特性,提出了一种基于CEEMDAN和BI-GRU相结合的短期电力负荷预测模型。首先,使用CEEMDAN从原始数据中提取出非线性和非平稳性因素。然后,将提取出的分量或残差作为BI-GRU网络的输入,并采用灰狼算法优化BI-GRU... 针对电力负荷较为复杂的变化特性,提出了一种基于CEEMDAN和BI-GRU相结合的短期电力负荷预测模型。首先,使用CEEMDAN从原始数据中提取出非线性和非平稳性因素。然后,将提取出的分量或残差作为BI-GRU网络的输入,并采用灰狼算法优化BI-GRU超参数。最终将网络的输出进行重构得到预测结果。结果表明,所提算法性能最好,单一模型的性能弱于与CEEMDAN相应的混合模型。 展开更多
关键词 电力负荷预测 CEEMDAN 灰狼优化 bi-GRU超参数
下载PDF
考虑多尺度输入及优化CNN-BiGRU的短期负荷预测
13
作者 张宇航 冉启武 +1 位作者 石卓见 熊芮 《科学技术与工程》 北大核心 2024年第34期14679-14689,共11页
短期的负荷预测是市场规划的重要前提且能有效保障电力系统的安全稳定运行,由于电力负荷随机性强、波动性大等问题导致预测精度难以提高,针对于此,提出了一种基于CEEMDAN-PE-SSA-CNN-BiGRU的短期电力负荷预测方法。首先,对于复杂多变的... 短期的负荷预测是市场规划的重要前提且能有效保障电力系统的安全稳定运行,由于电力负荷随机性强、波动性大等问题导致预测精度难以提高,针对于此,提出了一种基于CEEMDAN-PE-SSA-CNN-BiGRU的短期电力负荷预测方法。首先,对于复杂多变的电力负荷数据采用完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)为子序列,计算其子序列的排列熵(permutation entropy, PE),将熵值相近的子序列重构得到新序列,降低了原始数据非平稳序列对预测精度的影响并优化计算量;其次,对重组序列进行特性分析,根据重组序列不同周期进而选取多尺度输入并搭建CNN-BiGRU预测模型。最后,选用麻雀搜索算法(sparrow search algorithm, SSA)来优化模型超参数通过汇总所有预测序列从而得到最终预测数据。使用本文模型以西班牙用电负荷为实例并与单一模型和组合模型进行对比,实验表明该模型预测效果更佳。 展开更多
关键词 负荷预测 完全自适应噪声集合经验模态分解 排列熵 麻雀搜索算法 卷积神经网络 双向门控循环单元
下载PDF
基于CVMD-TCN-BiLSTM的短期电力负荷预测 被引量:1
14
作者 杨汪洋 魏云冰 罗程浩 《电气工程学报》 CSCD 北大核心 2024年第2期163-172,共10页
短期负荷数据往往掺杂着不同类型的噪声且波动性大,传统的分解序列方法在提取序列特征时并未考虑到高频噪声的影响。针对上述精准预测问题,介绍一种分解去噪、重构分解的CVMD-TCN-BiLSTM组合预测方法。采用互补集合经验模态分解(Complem... 短期负荷数据往往掺杂着不同类型的噪声且波动性大,传统的分解序列方法在提取序列特征时并未考虑到高频噪声的影响。针对上述精准预测问题,介绍一种分解去噪、重构分解的CVMD-TCN-BiLSTM组合预测方法。采用互补集合经验模态分解(Complementary ensemble empirical mode decomposition,CEEMD)将原始电力负荷数据分解成一组比较稳定的子序列,联合小波阈值法将含有噪声的高频分量去噪,保留含有信号的低频分量进行累加重构。然后利用变分模态分解(Variational mode decomposition,VMD)对去噪后的数据进行二次信号特征提取,得到一组平稳性强且含不同频率的分量。最后,利用时序卷积网络-双向长短时记忆神经网络对各分量进行了预测,并将预测结果进行迭代,获得完整的预测结果。通过对澳大利亚某地的负荷数据作为实例分析,与传统的负荷预测算法相比,验证了所提模型的有效性。 展开更多
关键词 互补集合经验模态分解 小波阈值 变分模态分解 分解去噪 时序卷积网络 双向长短时记忆神经网络 负荷预测
下载PDF
基于BiLSTM和CNN-BiLSTM的住宅短期负荷预测
15
作者 杨海兰 常勇 韩少华 《仪表技术》 2024年第3期74-78,共5页
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
关键词 双向长短期记忆 负荷预测 最优调度 特征提取 卷积神经网络
下载PDF
基于EWT-CNN-BiGRU的多特征电力负荷预测模型
16
作者 保富 孙梦觉 +1 位作者 邓安明 周植高 《科技创新与应用》 2024年第7期35-40,共6页
针对目前多特征预测模型在短期电力负荷数据上精度不足的问题,提出一种基于经验小波变换(EWT)的卷积神经网络(CNN)融合双向门控循环单元(Bi GRU)预测模型。首先,从多维时序数据中提取强关联性特征,其次,对选定特征进行经验小波变换,将... 针对目前多特征预测模型在短期电力负荷数据上精度不足的问题,提出一种基于经验小波变换(EWT)的卷积神经网络(CNN)融合双向门控循环单元(Bi GRU)预测模型。首先,从多维时序数据中提取强关联性特征,其次,对选定特征进行经验小波变换,将时序数据映射至频域以获取子序列,最后,通过卷积神经网络和双向门控循环单元融合模型实现对电力负荷数据的预测。该预测模型使用德国某联合循环电厂的时序数据进行实验验证。结果表明,该预测模型获得99.463%的拟合优度,具有较好的预测效果。 展开更多
关键词 电力负荷预测 经验小波变换 卷积神经网络 双向门控循环单元 预测模型
下载PDF
新能源电网中考虑特征选择的Bi-LSTM网络短期负荷预测 被引量:51
17
作者 杨龙 吴红斌 +1 位作者 丁明 毕锐 《电力系统自动化》 EI CSCD 北大核心 2021年第3期166-173,共8页
新能源电网中负荷对各特征因素更为敏感,当面对海量特征数据时,短期负荷预测方法面临着新的挑战。针对含有高维特征数据的新能源电网,提出一种考虑特征选择的双向长短期记忆(Bi-LSTM)网络短期负荷预测方法。先将样本数据按密度进行聚类... 新能源电网中负荷对各特征因素更为敏感,当面对海量特征数据时,短期负荷预测方法面临着新的挑战。针对含有高维特征数据的新能源电网,提出一种考虑特征选择的双向长短期记忆(Bi-LSTM)网络短期负荷预测方法。先将样本数据按密度进行聚类后映射到权重诱导空间中,通过定义一种数据结构,以间隔之和最大为目标函数。为实现解空间的稀疏性,将正则项添加到目标函数中,并采用梯度下降法求解特征权值。经过预试验确定特征选择阈值等超参数,从而选出所需的特征因素。最后,使用Bi-LSTM网络基于选择后的数据进行负荷预测。以中国某地区新能源电网为例,验证了该方法的有效性,结果表明其与传统方法相比,具有更好的准确性和适用性。 展开更多
关键词 新能源 短期负荷预测 双向循环神经网络 长短期记忆网络 特征选择
下载PDF
基于VMD-CNN-BIGRU的电力系统短期负荷预测 被引量:21
18
作者 杨胡萍 余阳 +3 位作者 汪超 李向军 胡奕涛 饶楚楚 《中国电力》 CSCD 北大核心 2022年第10期71-76,共6页
为提高负荷预测精度,考虑了历史负荷本身内在规律及外部影响因素,提出一种基于变分模态分解(variational modal decomposition,VMD)–卷积神经网络(convolutional neural networks,CNN)–双向门控循环单元(bi-directional gated recurre... 为提高负荷预测精度,考虑了历史负荷本身内在规律及外部影响因素,提出一种基于变分模态分解(variational modal decomposition,VMD)–卷积神经网络(convolutional neural networks,CNN)–双向门控循环单元(bi-directional gated recurrent unit,BIGRU)混合网络的短期负荷预测方法,改善了训练时长和预测效果。通过仿真分析验证了所提方法的有效性,且该方法与其他模型相比有更高的负荷预测精度和更强的鲁棒性,能够提高电力系统短期负荷预测的精确度。 展开更多
关键词 短期负荷预测 变分模态分解 卷积神经网络 双向门控循环单元
下载PDF
Bi-DC/DC变换器带恒功率负载稳定性分析 被引量:3
19
作者 杨甲甲 张辉 支娜 《电源学报》 CSCD 2017年第6期141-146,170,共7页
针对直流微电网中储能装置接口Bi-DC/DC变换器带恒功率负载时的稳定性问题进行了研究。基于状态空间平均法,建立Bi-DC/DC变换器小信号模型,采用母线电压外环和电感电流内环相结合的双闭环控制策略来抑制直流母线电压的波动并设计控制器... 针对直流微电网中储能装置接口Bi-DC/DC变换器带恒功率负载时的稳定性问题进行了研究。基于状态空间平均法,建立Bi-DC/DC变换器小信号模型,采用母线电压外环和电感电流内环相结合的双闭环控制策略来抑制直流母线电压的波动并设计控制器参数。利用阻抗比禁止区判据进行稳定性判定,并分析了线路滤波参数、负载功率和母线电容对变换器级联后稳定性的影响,得出规律性结论。仿真结果验证了理论分析及控制方法的有效性。 展开更多
关键词 bi-DC/DC变换器 恒功率负载 级联稳定性
下载PDF
基于改进Bi-LSTM和XGBoost的电力负荷组合预测方法 被引量:17
20
作者 代业明 周琼 《上海理工大学学报》 CAS CSCD 北大核心 2022年第2期138-147,共10页
电力负荷预测在平衡能源分配、经济性和电力系统安全可靠运行方面发挥着重要作用,精准的负荷预测可以降低电力运行的成本和风险,提高电网环境效益和经济效益。首先根据加权灰色关联投影算法对数据进行预处理,然后应用注意力(Attention)... 电力负荷预测在平衡能源分配、经济性和电力系统安全可靠运行方面发挥着重要作用,精准的负荷预测可以降低电力运行的成本和风险,提高电网环境效益和经济效益。首先根据加权灰色关联投影算法对数据进行预处理,然后应用注意力(Attention)机制来改进双向长短期记忆(Bi-LSTM)模型,并结合极端梯度提升(XGBoost)模型构建一种由误差倒数法确定权重的电力负荷组合预测模型,从而得到一种新的短期电力负荷预测方法。通过新加坡电力市场数据集对该方法进行评估,结果显示,该方法的预测结果比单一预测方法更加接近真实数据且误差更小,具备有效性、精准性和实用性的优势。 展开更多
关键词 短期负荷预测 双向长短期记忆网络 极端梯度提升 误差倒数组合法 组合模型
下载PDF
上一页 1 2 13 下一页 到第
使用帮助 返回顶部