基于小波变换与优化BP神经网络的超短期光伏发电功率预测

光伏发电功率的精确预测可以帮助电网实现更精细的管理,提高能源利用率;但光伏发电功率受到多种环境因素的影响,且具有较大的随机波动性,故挖掘光伏发电的效率特性非常困难。该文提出一种新方法,通过使用小波变换和优化BP神经网络来预测超短期光伏发电功率。该方法基于皮尔逊系数,可以获得与气象因素相关的预测结果;基于离散小波变换(discrete wavelet transform,DWT),将原始功率一阶差分序列分解为若干个不同频段的分量,提取光伏出力波动的频域特性;利用K-means聚类方法对功率一阶差分值进行聚类,并建立相应的神经网络预测模型,通过重组所得预测结果,得到初始预测功率差分值;利用气象因素通过GAACO-BP神经网络修正预测所得功率差分值,得到最终预测功率序列。利用某光伏电站所记录的实际功率数据进行验证,结果表明:DWT-GA-ACO-BP预测模型能提供较为精确的预测结果。

k次减法补数的因子函数均值的渐近公式

应美籍罗马尼亚数论专家F.Smarandache教授的要求,研究类似于Smarandache补数函数的性质.利用初等方法和解析方法,获得了本文定义的k次减法补数均值性质及渐近公式,扩展了F.Smarandache教授在《Only Problems,Not solutions》一书中相关问题的研究工作.

关于正整数n的k次幂部分数列的加权均值

利用阿贝尔恒等式、欧拉公式等以及解析的方法研究了欧拉函数φ(n),除数函数σα(n)与正整数n的k次幂部分数列的加权均值,得到了几个较为精确的渐近公式.

关于平方补数的k次均值

研究了a(n)的k次均值的分布性质,并给出两个渐近公式.

关于Smarandach K次方部分数列

本文讨论了一个数论函数-k次方函数的算术平均值及几何平均值的极限问题,它与k次方函数值的分布密切相关;设n是正整数,ak(n)表示不小于n的最小k次方部分,bk(n)表示不超过n的最大k次方部分.接着定义了数列:Sn=[ak(1)+ak(2)+ak(3)…ak(n)]/n=(sum ak(n) from i=1 to n)/n,lk(n)=[bk(1)+bk(2)+bk(3)…bk(n)/n=(sum bk(n) from i=1 to n)/n,kk(n)=((ak(1)+ak(2)+ak(3)…ak(n))1/n] ak(n)))～n/2=〔sum ak(n) from i=1 to n〕 1/n,lk(n)=(bk(1)+bk(2)+bk(3)…bk(n))～n/2〔sum bk(n) from i=1 to n)〕1/n〔主要研究了整数n的最小k次方ak(n)和最大k次方bk(n)部分数列的均值,采用初等及解析的方法,给出了两个有趣的渐近公式,在所得的定理1的基础上,研究了数列:Sk(n)/Ik(n),Kk(n)/Lk(n),(Sk(n)-Ik(n)),(Kk(n)-Lk(n)的敛散性,并给出了相关的极限式和推论.

K次余数补数函数均值的渐进公式

应美籍罗马尼亚数论专家F.Smarandache教授的要求,研究类似于Smarandache补数函数的性质.利用初等方法和解析方法,获得了本文定义的K次减法补数均值性质及渐进公式,发展了F.Smarandache教授在《Only Problems,Not solutions》一书中相关问题的研究工作.

关于正整数的k次方根数列均值

设n是正整数,bk(n)表示n的k次方根取整,即正整数的k次方根部分数列.研究了数列{bk(n)}的均值性质,利用初等方法,给出了包含这个数列{bk(n)}和广义Mandoldt函数的2个有趣的渐近公式.

关于正整数n的k次幂部分数列加权均值

利用欧拉公式、阿贝尔恒等式及解析的方法研究了正整数n的k次幂部分数列，从而得出几个较为精确的渐近公式．所得结果是对文献[6～8]的改进与推广．

关于正整数的k次根的整部(英文)

对于给定的自然数m,令a(m)为m的k的次根的整部.即:a(m)=[m1/k].研究了a(m)的渐近性质,并给出了一个有趣的渐近公式.

关于正整数的k次幂加法补数

设n是正整数,定义a(n)为n的k次幂加法补数.利用初等和解析方法研究了数列{a(n)}的性质,并给出了Ω(n+a(n))与ω(n+a(n))的渐近公式.

关于k次方根序列的混合均值

用初等方法和解析方法研究了Smarandache k次方根序列的混合均值性质,获得了3个较强的均值公式,完善了k次方根序列的混合函数在数论中的研究和运用.

关于Smarandache LCM函数与k次补数的一个混合均值

对任意的非负整数n,著名的Smarandache LCM函数SL(n)定义为最小的正整数k,使得n|[1,2,…,k],其中n|[1,2,…,k]表示1,2,…,k的最小公倍数。设k≥2为给定的整数,bk(n)定义为最小的正整数使得bk(n)·n为完全k次幂,则称bk(n)为n的k次补数。本文主要利用初等及解析方法,研究复合函数SL(bk(n))与n的最大素因子函数P(n)的均方差,得到了一个较强的渐近公式。

关于正整数的k次根序列

设n是正整数,bk(n)表示n的k次根部分.利用初等和解析方法研究了级数sum from ∞ to n=1 1/(a3s(n))(n)和sum from ∞ to n=1 1/(bks(n))的收敛性以及sum from to n=≤x a3k(n)和sum from to n=≤x bkt(n)的均值性质,并给出渐近公式.

关于正整数的k次幂部分数列

设n是正整数,u(n)表示不超过n的最大k次幂部分,v(n)表示不小于n的最小k次幂部分。利用解析方法研究了数列{u(n)}和{v(n)}的性质,并给出了Ω(u(n))与Ω(v(n))的渐近公式。

关于k次Gauss和与Kloosterman和的混合均值

利用解析方法以及经典Gauss和的性质研究了一类k次Gauss和与Kloosterman和的混合均值的计算问题,并得到了一个有趣的渐近公式。

关于正整数的k次幂减法补数

应用初等方法和解析方法,研究了正整数n的k次幂减法补数函数,给出了k次减法补数均值性质及渐近公式。

求等差数列k次幂和的微分法

本文用微分法给出求等差数列ｋ次幂和的较简洁的计算公式．

考虑负荷聚类分区与分布式发电接入的配电网主次网架规划方法

为提高配电网的经济性和电压水平,从网络拓扑结构角度,建立主次级配电网架。基于勒贝格公式的K-means聚类方法对供区进行最优分块,并引入等效负荷点概念;主级网架生成中构建考虑负荷节点和分布式电源出力的时序模型,运用场景削减技术抽取场景并赋予权重,采用雨刷摇摆搜索算法构造花瓣式网架结构;以等效负荷点为电源点构建辐射状次级网架,并以失负荷总量最小为目标为各区加设联络,以降低线路投资,提高系统可靠性。算例分析表明所提构建方法合理且有效,主次网架结构具有较低的建设投资、较高且稳定的电压值和较小的网损。

一个数论函数的渐进公式

研究了无k次因子数的性质,并用分析方法给出了以ω(n)为次方的函数的渐进公式.

关于减法补数复合函数的均值估计

用初等方法和解析方法研究类似于Smarandache减法补数的复合函数性质,获得了3个较强的均值公式,完善了加法补函数与减法补函数在数论中的研究和运用。