基于气象特征自适应重构算法与机器学习的超短期发电功率预测方法

风力发电与光伏发电的技术已经较为成熟,因可实现性强的特征使其得到可广泛应用,但由于风电和光伏发电具体波动性和不可控性,当其接入电力系统进行调度时,也对电力系统的安全运行造成了严峻挑战。对风电场和光伏系统的超短期发电功率预测具有重要意义,只有对超短期发电功率实现准确预测,才能保证电力系统的发电稳定性,研究研究基于气象特征自适应重构算法与机器学习的超短期发电功率预测方法。气象特征自适应重构算法定量功率与特征相关性;长短期记忆网络确定超短期发电功率预测函数;基于机器学习对偶转化函数预测超短期发电功率,完成方法设计。实验以风电场并入电力系统作为测试对象,将连续4日的发电功率数据作为测试样本,新方法能够实现精准预测,无论在突变时刻还是正常时刻,其预测值均与实际发电功率的曲线变化保持一致,具有应用价值。

基于改进差分进化算法的跨平台武器目标分配方法

现代战争中,跨平台武器单元的协同利用,是合同编队体系的重要内容,作战方式也正由平台级协同向着能力要素级协同转变,这对武器目标分配问题的解决提出了更大挑战。本文将武器单元的最小划分单位细化到能力要素级,以毁伤概率与成本消耗为优化目标,面向多种来袭目标的编队防空场景,提出了跨平台武器目标分配算法。同时,基于混沌映射提出了混沌种群重构(chaotic population reconstruction,CPR)机制,并结合带存档的自适应差分进化(adaptive differential evolution with optional external archive,JADE)算法提出了CPR-JADE算法,利用CPR机制可以帮助算法在解决高维复杂约束问题时跳出局部最优。再将其运用到武器目标分配模型上,实现了对模型的高效求解。最后,通过在多种数据规模下与其他进化优化算法的仿真对比试验分析,验证了所提方法的正确性与有效性。

电离层层析重构的一种新算法

自适应联合迭代重构算法是电离层层析成像中一种收敛速度较快的反演算法.然而,在电离层电子密度重构过程中,该方法对迭代初值的精度要求较高.针对上述问题,本文提出了一种约束自适应联合迭代重构算法,该方法通过附加合理的平滑约束,减弱了没有观测信息的格网对迭代初值精度的依赖性,有效地提高了反演结果精度.数值模拟实验和实测数据的反演结果证实了该算法的可行性和在重构精度上的优越性.

GNSS水汽层析的自适应代数重构算法

代数重构算法在对流层三维水汽反演中具有一定的优势,系统研究了加法代数重构、乘法代数重构、联合代数重构这3种算法,并发展了自适应代数重构算法。该算法针对3种传统算法中误差分配的不足进行了改正,提出了顾及体素块水汽密度变化对全球导航卫星系统(global navigation satellite system, GNSS)斜路径水汽含量影响的动态误差分配原则。此外,将基于GNSS信号的高度角定权模型引入到该算法中,使层析结果更靠近高精度的观测值。利用2016年7月徐州连续运行基准站系统的GNSS实测数据和探空站数据对该算法进行分析,试验结果表明,3种自适应算法反演的水汽密度的均方根误差、标准差、平均绝对偏差都低于传统算法,其中,均方根误差分别降低了25.91%、15.81%和24.64%。在小雨、中雨、大雨3种天气条件下,自适应代数重构算法的水汽廓线分布均优于传统算法的结果,其中,自适应联合代数重构算法反演的水汽廓线与探空廓线最一致。