基于SVM的丙烯酰胺均相聚合预测

为了提高丙烯酰胺均相聚合预测的精度,建立了基于支持向量机的丙烯酰胺均相聚合预测模型,并采用此模型对实测数据进行了预测。与神经网络的预测结果相比,建立的新型聚合预测模型具有更好的预测精度。

基于多源数据融合的分布式光伏聚合超短期预测方法

分布式光伏聚合发电的超短期预测是支撑其功率快速调节的前提保障,由于规模化接入的分布式光伏容量小、分布广,其发电时序特性差异性大、非平稳性强,导致其超短期预测精度难以保证。为此,文章提出基于多源数据融合的分布式光伏聚合超短期预测方法。该方法基于变分模态分解法,充分挖掘分布式光伏聚合发电非平稳性特性,并采用核主成分分析法对引发光伏发电非平稳性的影响因素即温度、湿度、光照、云量等多源数据进行量化解析,同时结合改进的长短期记忆神经网络,创建了多源数据融合方法,实现了分布式光伏聚合发电超短期预测。仿真结果表明,该方法有效提升了模型的预测精度。与传统方法相比,提出的预测方法对随机性波动严重的光伏超短期预测具有显著优势。

监测数据驱动的城轨列车轴箱轴承剩余寿命预测

城轨列车轴箱轴承的运行工况复杂多变、外部随机干扰频繁,导致其监测数据中包含大量测量噪声乃至“脏”数据,进而制约了剩余寿命预测模型的精度.为解决上述问题,提出了一种监测数据驱动的动态多重聚合剩余寿命预测方法.首先,通过度量短时数据的幅值分布相似性自动识别并清洗“脏”数据;然后,将健康指标按不同时间尺度进行动态聚合,预测出各类潜在的未来退化轨迹,进而获得轴箱轴承的剩余寿命预测均值与方差;并使用现场实测数据与加速寿命实验数据对提出方法进行验证.结果表明:所提方法能有效剔除监测数据中的空采数据和强干扰数据;剩余寿命预测均值随累计行驶里程的增加逐渐收敛到真实值,且95%置信区间越来越窄;相比于单指数预测模型和混合预测模型,提出方法的累计相对精度平均值分别提高了29.78%和27.63%,预测收敛速度平均值分别增加了10.56%和10.20%.

广义翁氏与瑞利模型在聚合物驱产量预测中的应用

在聚合物驱开发指标测算过程中,目前采用的数值模拟方法需要建立区块的地质模型,在对聚合物驱生产过程进行跟踪拟合并求得聚合物地下工作参数后,才能预测后期产量变化。这样做的工作量大,不能及时满足年度规划和中长期规划的编制要求。本文通过将广义翁氏预测模型与瑞利预测模型应用到聚合物驱产量预测过程中,提出了预测聚合物驱阶段产量随开发时间变化的方法。应用本文提供的方法,对南二区东部聚合物驱含水回升阶段的月产油量进行了预测,结果表明,预测精度能够达到年度规划与长期规划的要求,具有一定的应用价值。

计及家用电器电热特性的分散式电采暖集群经济低碳调控策略

我国正逐步制定和完善能源系统用户侧的降碳政策,住宅电采暖系统运行面临新的发展契机与挑战。为提升电采暖系统运行中电热能源利用率,实现采暖用能环节经济低碳化运行,以碳税定价政策作为环境成本价格背景,提出考虑家用电器电热特性的分散式电采暖集群经济低碳调控策略。首先,以电器设备运行中的电热特性作为分类依据,对室内电器运行情况进行分类聚合预测,并计算电器运行热增益作为采暖热源的补充。其次,根据分散式电采暖用户建筑和采暖设备热力学特性,构建电采暖“经济-低碳”运行优化模型,采用显式模型预测控制(explicit model predictive control,EMPC)技术对模型进行求解。最后,通过算例仿真对比分析可知,所提调控策略可用于分散式采暖用户集群的实时调控,实现电采暖系统运行经济性、低碳化目标。