传统惯导/卫导组合导航在多元复杂环境下易受干扰,从而导致观测量异常影响导航性能。以无人驾驶车辆为研究对象,展开提升组合导航系统导航精度的研究。采用深度高斯过程(deep Gaussian process,DGP)辅助估计位置的方法减小组合导航误差...传统惯导/卫导组合导航在多元复杂环境下易受干扰,从而导致观测量异常影响导航性能。以无人驾驶车辆为研究对象,展开提升组合导航系统导航精度的研究。采用深度高斯过程(deep Gaussian process,DGP)辅助估计位置的方法减小组合导航误差,提高定位性能。基于DGP的辅助导航方法不仅可以预测无人驾驶车辆的标称轨迹,同时可以预测各时刻位置可信区间的概率分布,为基于深度学习模型的数据融合预测方法提供了严格的理论解释性。真实历史数据下的多重对比实验表明,该算法较传统深度神经网络算法具有更高的精度和可靠性。基于DGP的辅助导航方式能有效提高全球卫星定位系统信号失锁时的导航模型性能,实验表明相对于纯惯性导航系统(integral navigation system,INS)解算和长短期记忆(long and short term memory,LSTM)进行导航信号补偿定位精度分别提高了97.32%和52.13%。展开更多
为响应碳达峰、碳中和的需求,构建一套完整的"源-网-荷-储"的新能源电力系统,提出了一种基于Hamiltonian Monte Carlo推断深度高斯过程(HMCDGP)算法的分布式光伏净负荷预测模型.首先,分别使用直接预测和间接预测两种形式对预...为响应碳达峰、碳中和的需求,构建一套完整的"源-网-荷-储"的新能源电力系统,提出了一种基于Hamiltonian Monte Carlo推断深度高斯过程(HMCDGP)算法的分布式光伏净负荷预测模型.首先,分别使用直接预测和间接预测两种形式对预测模型的精度进行实验并得到点预测结果;其次,使用所提出的模型进行概率预测实验并得到区间预测结果;最后,通过以澳洲电网记录的300户净负荷数据为基础的对比实验验证所提模型的优越性.在得到准确的净负荷概率预测后,可以通过电力调度充分利用光伏产出,减少化石能源使用,从而减少碳排放.展开更多
文摘传统惯导/卫导组合导航在多元复杂环境下易受干扰,从而导致观测量异常影响导航性能。以无人驾驶车辆为研究对象,展开提升组合导航系统导航精度的研究。采用深度高斯过程(deep Gaussian process,DGP)辅助估计位置的方法减小组合导航误差,提高定位性能。基于DGP的辅助导航方法不仅可以预测无人驾驶车辆的标称轨迹,同时可以预测各时刻位置可信区间的概率分布,为基于深度学习模型的数据融合预测方法提供了严格的理论解释性。真实历史数据下的多重对比实验表明,该算法较传统深度神经网络算法具有更高的精度和可靠性。基于DGP的辅助导航方式能有效提高全球卫星定位系统信号失锁时的导航模型性能,实验表明相对于纯惯性导航系统(integral navigation system,INS)解算和长短期记忆(long and short term memory,LSTM)进行导航信号补偿定位精度分别提高了97.32%和52.13%。
文摘为响应碳达峰、碳中和的需求,构建一套完整的"源-网-荷-储"的新能源电力系统,提出了一种基于Hamiltonian Monte Carlo推断深度高斯过程(HMCDGP)算法的分布式光伏净负荷预测模型.首先,分别使用直接预测和间接预测两种形式对预测模型的精度进行实验并得到点预测结果;其次,使用所提出的模型进行概率预测实验并得到区间预测结果;最后,通过以澳洲电网记录的300户净负荷数据为基础的对比实验验证所提模型的优越性.在得到准确的净负荷概率预测后,可以通过电力调度充分利用光伏产出,减少化石能源使用,从而减少碳排放.