基于数据残余分量与ARMA模型的光伏功率日前预测方法

光伏功率日前预测对电网的规划调度和经济运行管理有着重要作用。根据相似日光伏发电功率曲线,采用日均值法计算得出光伏日内功率曲线的整体变化趋势分量,将原始功率数据曲线与日内整体变化趋势分量求差得到光伏功率的残余分量。基于该残余分量,该文提出了一种改进ARMA模型的日前光伏功率预测方法,该方法通过对残余分量进行预测,将残余分量的预测值与整体变化趋势分量相加得到最终预测结果。通过与传统ARMA模型预测结果进行对比,仿真表明:该方法对不同程度的光伏功率波动情况均有较好的预测精度。

短期高速公路交通流量预测方法研究

短时交通流量预测能够推算高速公路未来短时刻内的交通流量的发展动向,指导即时的高速公路交通运营管理并改善交通运行状况。传统短期预测模型只反映交通流量部分信息,受高速公路流量数据的流量成分复杂性和非线性影响较大,预测精确度较低。为了提高高速公路短期交通流量的预测精度,结合交通流量数据中的周期性特征,提出一种改进的流量预测方法。首先提取流量数据的周期分量,然后用自回归滑动平均预测模型对去除周期分量后的残余分量进行预测,最后将得到的残余分量预测值与周期分量进行累加,得到最终的预测值。并进行若干组对比实验研究周期分量比例不同对预测的影响。当残余分量出现负值时,通过增减偏移量的方法对周期分量进行修正。实验表明,修正了周期分量后,提取了周期分量的数据再进行预测,精度能得到提高;周期分量的能量比例越大,精度提升越明显。

基于共振稀疏分解的局部放电信号窄带干扰抑制新方法

针对电气设备局部放电信号容易被现场运行环境中的窄带干扰信号淹没、不易提取的难题,提出了基于共振稀疏分解的局部放电信号窄带干扰抑制新方法。该方法根据局部放电信号与窄带信号的振荡特征,分析并合理选择品质因子、冗余因子、分解层数和权重系数,实现了对含窄带干扰的局部放电信号的稀疏分解,并将其分解为高共振分量、低共振分量和残余分量,从而可提取出有效的局部放电信号。与小波变换阈值滤波法对比,该方法能更有效地抑制窄带干扰,且误差小、相似度高。仿真和实测数据的处理结果也验证了该方法的有效性。

基于DWT的多模型组合社交网站访问量预测

针对局域网内社交网站访问量变化的不确定性而导致其预测精度低的难题,提出一种基于离散小波变换(DWT)的多模型组合预测模型.该模型利用DWT将局域网内社交网站访问量时间序列分解成反映序列总体变化规律的周期分量与体现了序列细节性变化规律的残余分量2部分,并分别使用高斯过程回归模型(GPR)和加权近邻模型(WNN)进行针对性预测.通过收集中北大学局域网内各大主流社交网站访问量数据对模型进行实验仿真.结果表明,相对于其他模型,提出模型的预测精度有了进一步提升.

基于BLMD和NSDFB算法的红外与可见光图像融合方法

针对传统图像融合方法容易导致融合图像出现细节不明显和目标信息不完整的问题,本文提出一种基于二维局部均值分解(Bidimensional Local Mean Decomposition,BLMD)和非下采样方向滤波器组(Nonsubsampled Directional Filter Banks,NSDFB)算法的红外与可见光图像融合方法(基于方向滤波的二维局部均值分解法,BidimensionalLocalMeanDecompositionbasedDirectionalFilteringAnalysis,BLMDDFA)。首先,计算两幅原始图片的熵值,同时提取熵值较大的图片的残余分量,该残余分量与另一张原始图片有着较强的相关性。然后,通过BLMD和NSDFB算法将残余分量和熵值较小的原始图片分解成低频子带和一系列不同尺度的高频方向子带,并使用不同的融合规则分别对低频子带和高频子带进行融合。最后,通过相应的逆变换运算获得融合图像。实验结果表明,本文方法的融合性能在对比度、细节信息展示和目标突出方面均高于经典的融合算法,在信息熵、标准差、空间频率和平均梯度方面较Laplacian方法中各指标分别提高了5.6%、28.9%、37.4%和47.6%,信噪比较Laplacian方法降低了8.5%。