针对光伏发电功率具有较强的波动性、间歇性输出,光伏功率预测精度较低,且难于给出具体预测时间长度等问题,提出了一种长相关随机模型分数阶布朗运动(fractional Brownian motion,FBM),用于光伏功率预测。首先,采用重标极差法计算长相关...针对光伏发电功率具有较强的波动性、间歇性输出,光伏功率预测精度较低,且难于给出具体预测时间长度等问题,提出了一种长相关随机模型分数阶布朗运动(fractional Brownian motion,FBM),用于光伏功率预测。首先,采用重标极差法计算长相关(long-range dependence,LRD)参数-Hurst指数,Hurst指数用于判断光伏功率数据是否满足长相关性,并通过最大李雅普诺夫指数(Lyapunov)计算出模型最大可预测时间尺度;其次,采用随机微分法建立FBM光伏功率预测模型,同时估计FBM预测模型参数值;最后,选取澳大利亚沙漠知识太阳能中心(Desert Knowledge Australia Solar Center,DKASC)、美国国家可再生能源实验室(National Renewable Energy Laboratory,NREL)以及北京国能日新科技有限公司的光伏功率数据集,从不同的地理环境、不同的气候特征、不同的规模大小电站进行验证。仿真结果表明,该模型较传统的Kalman、LSTM模型具有更高的预测精度,可为光伏并网的稳定和安全运行提供更好的理论支持,对电网调度部门具有较高的参考价值。展开更多
传统重标极差分析法(Rescaled Range Analysis,R/S)检测软件定义网络(SDN,Software Defined Network)流量是否存在异常时,某节点的网络流量序列存在恒定值小区间内子序列全为零值,造成标准差为零的运算错误,为了解决这个问题,文章提出...传统重标极差分析法(Rescaled Range Analysis,R/S)检测软件定义网络(SDN,Software Defined Network)流量是否存在异常时,某节点的网络流量序列存在恒定值小区间内子序列全为零值,造成标准差为零的运算错误,为了解决这个问题,文章提出了一种改进的重标极差法(Improvement Rescaled Range Analysis,IR/S)。算法利用微元法分析法,确定一组可用的参数,将参数引入计算数据流量序列Hurst指数,并将待计算的数据流量序列等分,同时规定序列长度为2的整数次幂,分别计算R/S值,通过拟合来判断是否存在异常流量情况。改进后的方法能够达到均分子序列的要求,无需计算序列的因数,使计算过程更加简化,避免了某些长度序列因数过少、素数长度导致的拟合点过少无法收敛的现象,减少了由计算结果精确度带来的误差。将算法在Mininet环境下进行虚拟SDN仿真测试,实验结果表明,文章中的方法能够较显著区分正常与异常流量,并且在探测异常时延迟较低。展开更多
[目的]探究山东省不同气候分区年降水量的时空特征,为该地区气候分析、防灾减灾提供更加区域性的参考依据。[方法]根据山东省95个国家地面气象观测站1991—2020年降水年值数据,首先对山东省年降水场进行气候分区,然后通过相关统计方法...[目的]探究山东省不同气候分区年降水量的时空特征,为该地区气候分析、防灾减灾提供更加区域性的参考依据。[方法]根据山东省95个国家地面气象观测站1991—2020年降水年值数据,首先对山东省年降水场进行气候分区,然后通过相关统计方法分析各分区降水的时空变化特征。[结果](1)山东省各降水模态降水偏少的年份更多,降水偏多的年份降水强度更大,年代际变化均较为明显,但各模态降水偏多偏少的年份分布及强度变化有所不同。(2)山东省年降水量大致由东南向西北递减,年降水场划分为东南沿海区(Ⅰ区)、西北平原区(Ⅱ区)和中部山地区(Ⅲ区)3个区域,各降水分区年降水均呈不显著增加趋势,趋势率各不相同,突变均不明显。(3)山东省各降水分区年降水量均具有较为明显的周期性特征,东南沿海区年降水场存在2个较为明显的能量中心,中心尺度均为2~3 a,未来变化具有强持续性;西北平原区年降水场存在3个较为明显的能量中心,中心尺度分别为5~7 a, 3 a和2~3 a,未来变化具有持续性;中部山地区年降水场存在2个较为明显的能量中心,中心尺度分别为2~3 a, 6 a,未来变化具有强持续性。[结论]山东省降水偏少的年份更多,降水偏多的年份降水强度更大,年降水场大致可分为3个分区,各分区年降水量均呈不显著增加趋势,均具有较为明显的周期性特征,且未来变化均具有持续性。展开更多
文摘针对光伏发电功率具有较强的波动性、间歇性输出,光伏功率预测精度较低,且难于给出具体预测时间长度等问题,提出了一种长相关随机模型分数阶布朗运动(fractional Brownian motion,FBM),用于光伏功率预测。首先,采用重标极差法计算长相关(long-range dependence,LRD)参数-Hurst指数,Hurst指数用于判断光伏功率数据是否满足长相关性,并通过最大李雅普诺夫指数(Lyapunov)计算出模型最大可预测时间尺度;其次,采用随机微分法建立FBM光伏功率预测模型,同时估计FBM预测模型参数值;最后,选取澳大利亚沙漠知识太阳能中心(Desert Knowledge Australia Solar Center,DKASC)、美国国家可再生能源实验室(National Renewable Energy Laboratory,NREL)以及北京国能日新科技有限公司的光伏功率数据集,从不同的地理环境、不同的气候特征、不同的规模大小电站进行验证。仿真结果表明,该模型较传统的Kalman、LSTM模型具有更高的预测精度,可为光伏并网的稳定和安全运行提供更好的理论支持,对电网调度部门具有较高的参考价值。
文摘传统重标极差分析法(Rescaled Range Analysis,R/S)检测软件定义网络(SDN,Software Defined Network)流量是否存在异常时,某节点的网络流量序列存在恒定值小区间内子序列全为零值,造成标准差为零的运算错误,为了解决这个问题,文章提出了一种改进的重标极差法(Improvement Rescaled Range Analysis,IR/S)。算法利用微元法分析法,确定一组可用的参数,将参数引入计算数据流量序列Hurst指数,并将待计算的数据流量序列等分,同时规定序列长度为2的整数次幂,分别计算R/S值,通过拟合来判断是否存在异常流量情况。改进后的方法能够达到均分子序列的要求,无需计算序列的因数,使计算过程更加简化,避免了某些长度序列因数过少、素数长度导致的拟合点过少无法收敛的现象,减少了由计算结果精确度带来的误差。将算法在Mininet环境下进行虚拟SDN仿真测试,实验结果表明,文章中的方法能够较显著区分正常与异常流量,并且在探测异常时延迟较低。
文摘[目的]探究山东省不同气候分区年降水量的时空特征,为该地区气候分析、防灾减灾提供更加区域性的参考依据。[方法]根据山东省95个国家地面气象观测站1991—2020年降水年值数据,首先对山东省年降水场进行气候分区,然后通过相关统计方法分析各分区降水的时空变化特征。[结果](1)山东省各降水模态降水偏少的年份更多,降水偏多的年份降水强度更大,年代际变化均较为明显,但各模态降水偏多偏少的年份分布及强度变化有所不同。(2)山东省年降水量大致由东南向西北递减,年降水场划分为东南沿海区(Ⅰ区)、西北平原区(Ⅱ区)和中部山地区(Ⅲ区)3个区域,各降水分区年降水均呈不显著增加趋势,趋势率各不相同,突变均不明显。(3)山东省各降水分区年降水量均具有较为明显的周期性特征,东南沿海区年降水场存在2个较为明显的能量中心,中心尺度均为2~3 a,未来变化具有强持续性;西北平原区年降水场存在3个较为明显的能量中心,中心尺度分别为5~7 a, 3 a和2~3 a,未来变化具有持续性;中部山地区年降水场存在2个较为明显的能量中心,中心尺度分别为2~3 a, 6 a,未来变化具有强持续性。[结论]山东省降水偏少的年份更多,降水偏多的年份降水强度更大,年降水场大致可分为3个分区,各分区年降水量均呈不显著增加趋势,均具有较为明显的周期性特征,且未来变化均具有持续性。
