基于小波变换和时间序列法考虑随机分量的短期风速预测

为提高短期风速预测的准确性,本文结合小波变换和时间序列法,考虑随机分量进行短期风速预测.利用小波变换对风速时间序列分层,将高频变化的风速时间序列利用自回归滑动平均模型(ARMA)进行预测,低频变化的风速时间序列利用持续法进行预测,最后将预测结果叠加并通过随机阵列对结果进行修正.通过实例验证以及与时间序列方法进行对比,结果证明该方法的预测精度和预测稳定性都有所提高.

基于混合t Location-Scale分布模型的光伏功率随机性分量波动性分析

光伏波动性是影响光伏功率稳定并网的关键问题之一。为了更准确地对光伏功率随机性分量进行定量描述,文章首先利用周期图法提取功率的周期性分量,然后提出了混合t Location-Scale分布模型,并对光伏功率随机性分量进行拟合。验证了文章所提模型在拟合光伏功率随机性分量波动性上的优越性,讨论该模型在不同采样时间间隔、不同地区的有效性和适用性。并以某地区光伏电站群实测数据为例,验证了混合t Location-Scale分布模型对随机性分量波动性拟合效果的优势。

两向分类随机效应模型中方差分量的非负估计

两向分类随机效应模型是一种有着广泛应用的统计模型,对其中的方差分量,经常使用方差分析法来估计。本文中,在均方损失意义下,给出了一种简单易行地改进ANOVA估计的方法,并给出了方差分量的正估计,这个估计在均方损失下一致优于ANOVA估计。

含确定性分量和随机噪声分量的宽频带信号分解方法

可再生能源发电、储能、电动汽车等基于电力电子变流器的并网设备快速增加导致配电网信号日趋复杂。将电力系统宽频带信号分为确定性分量和随机噪声分量,建立了电力系统宽频带信号模型,并基于此模型提出了一种宽频带信号分解方案。首先,应用鲁棒局部回归平滑滤波方法提取并过滤随机噪声分量;提出了基于均值和标准差估计的自适应阈值确定方法,用于分解随机噪声分量。然后,提出了基于间谐波子群频谱的自适应阈值确定方法,用于提取间谐波分量。最后,用无限脉冲响应滤波器组将确定性分量分解为独立的子信号,并基于泰勒傅里叶变换估计确定性分量的频率和相量,实现确定性信号的分解。仿真验证了所提方案能在低信噪比、系统频率动态变化等情况下实现间谐波分量的自适应捕获和宽频带信号的高精度分解并应用所提分解方案分析了实测电压信号。

分量随机疲劳在400000 DWT超大型矿砂船中的应用

介绍了船舶结构设计中分量随机疲劳分析方法的概念、适用范围及优点。基于挪威德国劳氏船级社(DNVGL)计算软件COFAT,对400000 DWT超大型矿砂船(VLOC)船中横剖面纵骨疲劳进行分析,并分别与DNVGL规范软件NAUTICUS的简单疲劳以及全随机疲劳计算结果进行比较。结果表明分量随机疲劳分析是一种可靠、高效的结构设计方法。

基于模糊信息粒化的光伏出力区间预测

相对于传统的光伏点预测而言,光伏区间预测可以为电网调度人员提供更加全面、有效的预测信息。鉴于此,文章提出一种基于模糊信息粒化理论的区间预测方法。针对光伏功率原始数据的强波动特性,采用集成经验模态分解方法将其分解为若干个子序列。并依据样本熵理论,将复杂度较高的子序列重组为随机分量,代表光伏输出的波动性,论文对该随机分量进行模糊化处理,从而得出其波动趋势以及波动上、下界,再分别进行预测;而复杂度相对较低的其他子序列代表光伏出力稳定分量,因此,直接对其进行确定性预测。论文采用经过纵横交叉算法改进的人工神经网络(CSO-BP)进行预测,得出最终光伏区间预测结果。

计算机生成卡通涟波及波光闪烁效果

在过去 2 0年中人们提出许多处理水运动的方法 ,但大都致力于生成真实感的动画 ,而对传统手工绘制的水运动效果建模问题几乎无人涉及 .本文给出一个自动生成卡通风格涟波及波光闪烁效果的计算机模型 .首先介绍如何从手工绘制的卡通涟波及波光闪烁画面中提取它们骨架的静态结构与动态结构 ,然后沿骨架定义形状属性来生成卡通涟波及波光闪烁 .通过引进随机分量控制 ,本模型可以自动生成无重复机械感的并与卡通风格一致的涟波及波光闪烁序列画面 .此外 。

阵列调制随机共振在微弱信号特征提取方面的应用

论述了阵列调制随机共振方法在强噪声背景下多频微弱信号特征提取中的工作原理和实现步骤;采用预先设定系统参数的多个并联非耦合随机共振单元形成阵列,将被测强噪声背景下的多频微弱信号分别与不同频率的载波进行调制,生成多个差频均为0.01Hz的信号作为各对应随机共振单元的激励信号,采用龙格-库塔算法求取各单元输出并进行频谱分析,根据0.01Hz处的信噪比判断在微弱信号中是否存在载波频率与差频值之和大小的频率分量,最后综合各个随机共振单元的检测结果生成微弱信号的频率特征向量;仿真结果表明,阵列调制随机共振在微弱信号特征提取方面效果明显,具有很好的应用前景。

计及季节与趋势因素的综合能源系统负荷预测

针对复杂影响因素下综合能源系统月度负荷预测精度低的问题,提出基于时间序列特征分解的月度负荷预测模型.利用时间序列分解方法将负荷数据分解为季节分量、趋势分量与随机分量,根据各分量随时间变化的特性,分别采用向量自回归模型、最小二乘支持向量回归与平均值法进行预测.各分量预测结果的投影重构值作为月度负荷的预测值,并考虑了季节拐点与区域经济因素对月度负荷的影响.实例分析证明该方法能够有效提高综合能源系统的月度负荷预测精度.

基于时空相关性的光伏发电功率爬坡预测方法

传统的光伏发电功率预测方法爬坡预测可靠性较低,准确性不高。于是提出一种时空相关性的光伏发电功率爬坡预测方法。在典型日理想光伏发电出力归一化曲线提取基础上,采用线性插值方法生成光伏发电理想出力归一化曲线。通过蒙特卡洛法生成光伏发电随机分量,结合光伏发电与随机分量生成光伏发电序列;通过偏移爬坡率及变量状态划分方法构建信度网络节点变量和各节点变量的状态集;利用贪婪搜索算法从已有变量的状态集中获取最优信度网络结构后,进行光伏发电序列学习,完成光伏发电功率爬坡事件预测。实验结果表明,上述方法可有效完成光伏发电序列生成,并且爬坡预测可靠性较高,可实现多种气象条件下的光伏发电功率爬坡预测。

测量不确定度理解与应用(一) 如何建立数学模型

应《中国计量》编辑部的邀请,根据近几年来在各种“测量不确定度评定”学习班上讲课的经验和对初学者经常感到困惑的问题或不容易理解的问题,现写若干短篇并在《中国计量》上连载。为使这些短篇相互独立,每一篇讲述一个问题,合起来看又有一定的系统性。经与编辑部商讨,初步确定下述几个问题:1如何建立数学模型2极差法和贝塞尔法之间的比较3被测量Y可能值分布的判定4包含因子k的选择5测量不确定度评定在不同应用中的差别6测量误差的基本概念7测量不确定度的基本概念8测量误差和测量不确定度的差别本期刊载的是第一篇:“如何建立数学模型”。其余各篇今后将陆续刊登。读者如有要求,希望讨论哪些问题,也可以来信建议。如有可能,我们将尽可能满足大家的要求。

顾及周期特性的GPS精密卫星钟差拟合方法研究

利用频谱分析方法分析了卫星钟差的随机变化分量,得出了卫星钟差的随机变化分量具有一定周期性的结论。针对这种特性,提出了一种新的拟合方法。实践表明,这种新方法具有很高的插值和预报精度。

日降雨量和侵蚀强度的关系

本文研究了日降雨量和侵蚀强度的关系。这种关系由必然分量和随机分量构成。必然分量用幂函数ＥＩ＝ｂｄ＾ｎ可较好地表达，式中ＥＩ是侵蚀强度，ｂ和ｎ是经验常数，ｄ是日降雨量（ｍｍ）。必然分量说明了侵蚀强度和日降雨量的关系，其相关系数为０．８７。当必然分量和随机分量都被考虑时，相关性发生变化，相关系数由０．８７上升到０．９６。