为感知航班客舱保障过程各节点的动态演化机理,提出一种多马尔可夫链协同(synergy of multi-Markov chains, SMMC)的航班客舱保障过程预测方法。根据航班客舱保障的实际流程及相互约束关系,构建一种客舱保障过程节点协同的马尔可夫模型...为感知航班客舱保障过程各节点的动态演化机理,提出一种多马尔可夫链协同(synergy of multi-Markov chains, SMMC)的航班客舱保障过程预测方法。根据航班客舱保障的实际流程及相互约束关系,构建一种客舱保障过程节点协同的马尔可夫模型;基于历史数据作为样本并改进DBSCAN(density-based spatial clustering of applications with noise)聚类算法,设计面向客舱保障过程的DBSCAN-SMMC预测方法。选取国内某大型机场航班运行保障过程的实际运行数据开展仿真验证。研究结果表明,所提方法实现了各节点发生时刻的动态精准预测,其平均绝对误差的均值为0.606 min,均方根误差的均值为1.133 min,与其它方法相比平均绝对百分误差最少降低2%,拟合优度最大提升0.14,能够为机场运行精细化管理提供决策依据。展开更多
针对含大规模风电场的电力系统的可用输电能力(available transfer capability,ATC)进行研究,首先基于连续潮流法,提出了线性预测关键约束的改进算法,并引入到交流潮流模型中形成扩展潮流方程求解电力系统确定性ATC,且推导了电力系统AT...针对含大规模风电场的电力系统的可用输电能力(available transfer capability,ATC)进行研究,首先基于连续潮流法,提出了线性预测关键约束的改进算法,并引入到交流潮流模型中形成扩展潮流方程求解电力系统确定性ATC,且推导了电力系统ATC对风电等节点的注入功率波动的灵敏度快速估算模型。在此基础上,结合风电并网系统的多维可视化注入功率空间,提出了一种采用分层类聚算法划分蒙特卡罗抽样样本,综合考虑发电机随机故障、线路随机故障、风电场风速、发电机出力和负荷波动等多种不确定因素的概率ATC快速计算方法,最后通过算例分析验证了该算法的快速有效性。展开更多
文摘为感知航班客舱保障过程各节点的动态演化机理,提出一种多马尔可夫链协同(synergy of multi-Markov chains, SMMC)的航班客舱保障过程预测方法。根据航班客舱保障的实际流程及相互约束关系,构建一种客舱保障过程节点协同的马尔可夫模型;基于历史数据作为样本并改进DBSCAN(density-based spatial clustering of applications with noise)聚类算法,设计面向客舱保障过程的DBSCAN-SMMC预测方法。选取国内某大型机场航班运行保障过程的实际运行数据开展仿真验证。研究结果表明,所提方法实现了各节点发生时刻的动态精准预测,其平均绝对误差的均值为0.606 min,均方根误差的均值为1.133 min,与其它方法相比平均绝对百分误差最少降低2%,拟合优度最大提升0.14,能够为机场运行精细化管理提供决策依据。
文摘针对含大规模风电场的电力系统的可用输电能力(available transfer capability,ATC)进行研究,首先基于连续潮流法,提出了线性预测关键约束的改进算法,并引入到交流潮流模型中形成扩展潮流方程求解电力系统确定性ATC,且推导了电力系统ATC对风电等节点的注入功率波动的灵敏度快速估算模型。在此基础上,结合风电并网系统的多维可视化注入功率空间,提出了一种采用分层类聚算法划分蒙特卡罗抽样样本,综合考虑发电机随机故障、线路随机故障、风电场风速、发电机出力和负荷波动等多种不确定因素的概率ATC快速计算方法,最后通过算例分析验证了该算法的快速有效性。