当前分布式光伏系统短期发电功率预测结构多设定为目标式,预测范围在实际发电环境下受限,导致平均绝对预测误差增加。为此设计基于利用层次方法的平衡迭代规约和聚类(Balanced Iterative Reducing and Clustering Using Hierarchies,BIR...当前分布式光伏系统短期发电功率预测结构多设定为目标式,预测范围在实际发电环境下受限,导致平均绝对预测误差增加。为此设计基于利用层次方法的平衡迭代规约和聚类(Balanced Iterative Reducing and Clustering Using Hierarchies,BIRCH)的分布式光伏系统短期发电功率预测方法。首先,明确预测指标,采用多层级的方式设计预测结构;其次,结合BIRCH原理,设计发电功率预测模型;最后,采用梯度回归处理的方式来实现最终预测。测试结果表明,对比传统变分模态分解-麻雀搜索算法-反向传播(Variational Mode Decomposition-Sparrow Search Algorithm-Back Propagation,VMD-SSA-BP)光伏系统短期发电功率预测小组、传统时序动态回归光伏系统短期发电功率预测小组,此次所设计的方法得出的平均绝对预测误差被较好地控制在2.1以下,预测效果更佳,针对性更强,误差可控,具有实际的应用价值。展开更多
平衡迭代规约层次聚类(balanced iterative reducing and clustering using hierarchies, BIRCH)算法是一个综合的层次聚类算法。但BIRCH算法为叶子节点中的簇设置统一的空间阈值,根据数据对象与簇之间的距离来决定数据对象的插入位置,...平衡迭代规约层次聚类(balanced iterative reducing and clustering using hierarchies, BIRCH)算法是一个综合的层次聚类算法。但BIRCH算法为叶子节点中的簇设置统一的空间阈值,根据数据对象与簇之间的距离来决定数据对象的插入位置,从而忽略了簇与簇之间的关系;此外,算法在分裂节点时,选取距离最远的2个聚类特征作为子簇,其他聚类特征会根据与这2个聚类特征之间的距离关系分裂为另外的子簇,造成处于簇与簇之间的样本数据错误分类,这样会忽略聚类特征之间的关系。针对BIRCH算法的这2个问题,提出了基于阈值的自适应算法,用于解决原算法统一空间阈值的问题;并在针对聚类特征关系的问题上,结合朴素贝叶斯算法对原算法进行改进。对改进后BIRCH算法与传统的算法进行仿真实验。结果表明,改进算法在损失效率的情况下,聚类效果得到了明显的改善,并且与其他算法相比,所提算法具有不错的表现性,而且具有跨数据集的鲁棒性。展开更多
文章综合运用多种源解析技术针对合肥市颗粒物来源进行研究。以化学质量平衡(chemical mass balance,CMB)模型和化学质量平衡嵌套迭代(chemical mass balance-iteration,CMB-Iteration)模型为主解析一次排放源和二次源(包括硫酸盐、硝...文章综合运用多种源解析技术针对合肥市颗粒物来源进行研究。以化学质量平衡(chemical mass balance,CMB)模型和化学质量平衡嵌套迭代(chemical mass balance-iteration,CMB-Iteration)模型为主解析一次排放源和二次源(包括硫酸盐、硝酸盐、二次有机物等,简称“二次源”)对PM2.5的贡献,将排放源清单法和CMB模型结果相结合解析二次粒子前体物排放源的贡献,采用空气质量模型评估区域影响的贡献,按照行业排放清单,综合得到燃煤、工业生产、机动车及其他源类对PM2.5的贡献,并运用正定矩阵因子法(positive matrix factorization,PMF)进行源类识别。研究结果显示:合肥市全年PM2.5中主要组分占比由高到低依次为SO42-、NO3-、有机碳(organic carbon,OC)、NH4+、元素碳(elemental carbon,EC)、Si、Ca、Al、Fe,SO42-占比最高(20.50%),碳组分(OC+EC)次之(19.59%),NO3-居于第3位(16.45%);采样期间PM2.5的全年本地各源类分担率从大到小依次为燃煤尘(21.7%)、二次硫酸盐(18.0%)、二次硝酸盐(16.7%)、城市扬尘(16.6%)、其他(12.6%)、机动车尾气尘(11.0%)、建筑尘(2.3%)、钢铁尘(1.1%,此处仅为钢铁制造工艺排放的贡献)。PM2.5本地来源综合源解析结果显示,机动车尾气尘占比为16.0%、工业生产(指工业锅炉与窑炉、生产工艺过程等排放)为31.0%、燃煤尘(指电厂燃煤、居民散烧等)为21.5%、扬尘(指裸露表面、建筑施工、道路扬尘、土壤风沙等排放)为18.9%、其他(指生物质燃烧、餐饮、农业生产等排放)为12.6%。PMF模型解析结果显示,PM2.5中的二次源(指二次硫酸盐和二次硝酸盐)、燃煤尘、机动车尾气尘及地壳尘等4个因子占比达到了96.3%。展开更多
文摘平衡迭代规约层次聚类(balanced iterative reducing and clustering using hierarchies, BIRCH)算法是一个综合的层次聚类算法。但BIRCH算法为叶子节点中的簇设置统一的空间阈值,根据数据对象与簇之间的距离来决定数据对象的插入位置,从而忽略了簇与簇之间的关系;此外,算法在分裂节点时,选取距离最远的2个聚类特征作为子簇,其他聚类特征会根据与这2个聚类特征之间的距离关系分裂为另外的子簇,造成处于簇与簇之间的样本数据错误分类,这样会忽略聚类特征之间的关系。针对BIRCH算法的这2个问题,提出了基于阈值的自适应算法,用于解决原算法统一空间阈值的问题;并在针对聚类特征关系的问题上,结合朴素贝叶斯算法对原算法进行改进。对改进后BIRCH算法与传统的算法进行仿真实验。结果表明,改进算法在损失效率的情况下,聚类效果得到了明显的改善,并且与其他算法相比,所提算法具有不错的表现性,而且具有跨数据集的鲁棒性。
文摘文章综合运用多种源解析技术针对合肥市颗粒物来源进行研究。以化学质量平衡(chemical mass balance,CMB)模型和化学质量平衡嵌套迭代(chemical mass balance-iteration,CMB-Iteration)模型为主解析一次排放源和二次源(包括硫酸盐、硝酸盐、二次有机物等,简称“二次源”)对PM2.5的贡献,将排放源清单法和CMB模型结果相结合解析二次粒子前体物排放源的贡献,采用空气质量模型评估区域影响的贡献,按照行业排放清单,综合得到燃煤、工业生产、机动车及其他源类对PM2.5的贡献,并运用正定矩阵因子法(positive matrix factorization,PMF)进行源类识别。研究结果显示:合肥市全年PM2.5中主要组分占比由高到低依次为SO42-、NO3-、有机碳(organic carbon,OC)、NH4+、元素碳(elemental carbon,EC)、Si、Ca、Al、Fe,SO42-占比最高(20.50%),碳组分(OC+EC)次之(19.59%),NO3-居于第3位(16.45%);采样期间PM2.5的全年本地各源类分担率从大到小依次为燃煤尘(21.7%)、二次硫酸盐(18.0%)、二次硝酸盐(16.7%)、城市扬尘(16.6%)、其他(12.6%)、机动车尾气尘(11.0%)、建筑尘(2.3%)、钢铁尘(1.1%,此处仅为钢铁制造工艺排放的贡献)。PM2.5本地来源综合源解析结果显示,机动车尾气尘占比为16.0%、工业生产(指工业锅炉与窑炉、生产工艺过程等排放)为31.0%、燃煤尘(指电厂燃煤、居民散烧等)为21.5%、扬尘(指裸露表面、建筑施工、道路扬尘、土壤风沙等排放)为18.9%、其他(指生物质燃烧、餐饮、农业生产等排放)为12.6%。PMF模型解析结果显示,PM2.5中的二次源(指二次硫酸盐和二次硝酸盐)、燃煤尘、机动车尾气尘及地壳尘等4个因子占比达到了96.3%。