期刊文献+
共找到184篇文章
< 1 2 10 >
每页显示 20 50 100
基于Stacking融合的LSTM-SA-RBF短期负荷预测
1
作者 方娜 邓心 肖威 《重庆理工大学学报(自然科学)》 CAS 北大核心 2024年第4期131-137,共7页
为了解决单个神经网络预测的局限性和时间序列的波动性,提出了一种奇异谱分析(singular spectrum analysis,SSA)和Stacking框架相结合的短期负荷预测方法。利用随机森林筛选出与历史负荷相关性强烈的特征因素,采用SSA为负荷数据降噪,简... 为了解决单个神经网络预测的局限性和时间序列的波动性,提出了一种奇异谱分析(singular spectrum analysis,SSA)和Stacking框架相结合的短期负荷预测方法。利用随机森林筛选出与历史负荷相关性强烈的特征因素,采用SSA为负荷数据降噪,简化模型计算过程;基于Stacking框架,结合长短期记忆(long and short-term memory,LSTM)-自注意力机制(self-attention mechanism,SA)、径向基(radial base functions,RBF)神经网络和线性回归方法集成新的组合模型,同时利用交叉验证方法避免模型过拟合;选取PJM和澳大利亚电力负荷数据集进行验证。仿真结果表明,与其他模型比较,所提模型预测精度高。 展开更多
关键词 奇异谱分析 stacking算法 长短期记忆网络 径向基神经网络 短期负荷预测
下载PDF
基于Stacking集成学习的远程资源传输负荷预测
2
作者 商娟叶 《信息技术》 2024年第6期94-99,104,共7页
传统电网远程资源传输负荷预测方法忽略了对资源的集成训练,导致电网负荷预测结果与实际值偏差较大。为此,提出基于Stacking集成学习的远程资源传输负荷预测方法。构建Stacking集成学习模型,同时通过长短时记忆网络构建Stacking-LSTM网... 传统电网远程资源传输负荷预测方法忽略了对资源的集成训练,导致电网负荷预测结果与实际值偏差较大。为此,提出基于Stacking集成学习的远程资源传输负荷预测方法。构建Stacking集成学习模型,同时通过长短时记忆网络构建Stacking-LSTM网络混合模型,利用时间滑动窗口构建影响因素数据特征图,并将其输入网络混合模型,利用Stacking基础学习训练层实现训练,并将训练结果输入LSTM网络层,完成电网远程资源传输负荷预测。实验结果表明:该方法的网络收敛速度较快,获取特征的贡献度较高,且负荷预测结果接近实际值,可以较好地跟踪负荷变化情况。 展开更多
关键词 stacking集成学习 远程资源传输 负荷预测 长短时记忆 滑动窗口
下载PDF
VMD-Stacking集成学习的多特征变量短期负荷预测模型 被引量:1
3
作者 王士彬 何鑫 +2 位作者 余成波 张未 陈佳 《兵器装备工程学报》 CAS CSCD 北大核心 2024年第2期218-224,共7页
针对当前短期电力负荷预测结果准确度不够高的问题,提出一种由变分模态分解(variational modal decomposition, VMD)和Stacking集成学习框架组合的多特征变量短期负荷预测模型。在预测前使用VMD算法将负荷数据分解,然后加入对模型重要... 针对当前短期电力负荷预测结果准确度不够高的问题,提出一种由变分模态分解(variational modal decomposition, VMD)和Stacking集成学习框架组合的多特征变量短期负荷预测模型。在预测前使用VMD算法将负荷数据分解,然后加入对模型重要性较高的特征变量,再建立由轻量级梯度提升机(light gradient boosting machine, LightGBM)与极限梯度提升机(extreme gradient boosting, XGBoost)融合的Stacking集成学习预测模型,并比较不同天气情况下对预测模型准确度的影响。经实际算例对比验证表明:多特征的VMD-Stacking集成学习预测模型的误差较小。采用VMD算法分解历史负荷序列,分解后子模态分量的周期性体现了出来,让模型预测波动性较大的负荷时更容易;温度、天气、农历和节假日情况等影响负荷变化的关键因素有被考虑到,模型的准确度得以提高;Stacking集成学习模型对各算法取长补短,泛化能力增强,预测的准确度高于单一模型。 展开更多
关键词 短期电力负荷预测 变分模态分解 stacking集成学习 多特征变量 轻量级梯度提升机 极限梯度提升机
下载PDF
融合Stacking框架的BiGRU-LGB云负载预测模型 被引量:2
4
作者 刘惠 董锡耀 杨志涵 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2023年第3期83-94,104,共13页
随着云计算技术的飞速发展,越来越多的用户将应用部署在云平台上.。平台内集群资源的调度可以提高云平台数据中心的实际利用率,而高效的云平台负载预测是解决集群资源调度问题的关键技术,因此本文建立了一种融合Stacking框架、多层BiGR... 随着云计算技术的飞速发展,越来越多的用户将应用部署在云平台上.。平台内集群资源的调度可以提高云平台数据中心的实际利用率,而高效的云平台负载预测是解决集群资源调度问题的关键技术,因此本文建立了一种融合Stacking框架、多层BiGRU网络和LightGBM算法的云负载预测模型。该模型的结构主要包括两种学习器:首先是初级学习器,使用时间编码层处理原始负载序列并利用BiGRU网络参数少、信息学习完整的特点减少模型训练时间和隐藏层数,学习负载序列中的时间维度信息;使用经过特征工程处理的原始负载序列来高效训练LightGBM算法,学习负载序列中的特征维度信息。然后是次级学习器,利用GRU网络整合时间和特征维度的负载信息,完成整个负载预测模型的训练。通过两层学习器的共同学习提高整体负载预测模型的预测精度。在华为云集群数据集上进行实验,结果表明,与传统的单一预测模型BiGRU、LightGBM等以及现有的组合预测模型GRU-LSTM相比,融合Stacking的BiGRU-LGB模型的预测精度提升约13%,训练时间开销得到一定程度的降低。 展开更多
关键词 云平台 负载预测 双向门控循环单元 LightGBM stacking集成框架
下载PDF
STACKING SEQUENCE OPTIMIZA-TION OF LAMINATED COMPOSITE CYLINDER SHELL FOR MAXIMAL BUCKLING LOAD 被引量:4
5
作者 TANG Qian LIAO Xiaoyun GAO Zhan 《Chinese Journal of Mechanical Engineering》 SCIE EI CAS CSCD 2008年第4期31-34,共4页
A new optimization method for the optimization of stacking of composite glass fiber laminates is developed. The fiber orientation and angle of the layers of the cylindrical shells are sought considering the buckling l... A new optimization method for the optimization of stacking of composite glass fiber laminates is developed. The fiber orientation and angle of the layers of the cylindrical shells are sought considering the buckling load. The proposed optimization algorithm applies both finite element analysis and the mode-pursuing sampling (MPS)method. The algorithms suggest the optimal stacking sequence for achieving the maximal buckling load. The procedure is implemented by integrating ANSYS and MATLAB. The stacking sequence designing for the symmetric angle-ply three-layered and five-layered composite cylinder shells is presented to illustrate the optimization process, respectively. Compared with the genetic algorithms, the proposed optimization method is much faster and efficient for composite staking sequence plan. 展开更多
关键词 Composite Laminated cylindrical shell stacking sequence optimization Buckling load Sampling algorithms
下载PDF
基于改进型CEEMDAN-Stacking集成学习的短期电力负荷预测
6
作者 李翔 沈艳霞 《通信电源技术》 2023年第8期81-86,共6页
为了提高短期电力负荷的预测精度,提出了一种改进型基于自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise-Stacking,CEEMDAN-Stacking)-Stacking的负荷预测模型。首先,利用CEEMDAN... 为了提高短期电力负荷的预测精度,提出了一种改进型基于自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise-Stacking,CEEMDAN-Stacking)-Stacking的负荷预测模型。首先,利用CEEMDAN算法对滑动窗口处理后的负荷序列进行分解并重构其模态分量。其次,采用精度赋权的方法替代传统Stacking模型对测试集预测结果取平均的模式,提升模型的整体预测精度。最后,利用改进的Stacking模型融合多种算法对各分量进行预测,通过叠加形成最终的预测值。实验结果表明,相较于传统Stacking模型和CEEMDAN-Stacking模型,所构建的改进型CEEMDAN-Stacking模型具有更高的预测精度。 展开更多
关键词 短期电力负荷预测 滑动窗口 自适应噪声完备集合经验模态分解(CEEMDAN) stacking集成学习模型
下载PDF
EFFECT OF STACKING-FAULT ENERGY ON RESIDUALSUBSTRUCTURE OF EXPLOSIVE SHOCK LOADED METALS
7
作者 Yang Yang Zhang Xinming(Central South University of Technology, Changsla 410083)Li Zhenghua Li Qingyun(Northwest Research Institute for Nonferrous Metals ,Baoji 721014) 《中国有色金属学会会刊:英文版》 CSCD 1994年第3期93-96,共4页
EFFECTOFSTACKING-FAULTENERGYONRESIDUALSUBSTRUCTUREOFEXPLOSIVESHOCKLOADEDMETALSYangYang;ZhangXinming(CentralS... EFFECTOFSTACKING-FAULTENERGYONRESIDUALSUBSTRUCTUREOFEXPLOSIVESHOCKLOADEDMETALSYangYang;ZhangXinming(CentralSouthUniversityofT... 展开更多
关键词 shock loading stacking-fault ENERGY mechanical twin DISLOCATION SUBSTRUCTURE
下载PDF
基于多模型融合Stacking集成学习方式的负荷预测方法 被引量:154
8
作者 史佳琪 张建华 《中国电机工程学报》 EI CSCD 北大核心 2019年第14期4032-4041,共10页
人工智能及机器学习技术的快速发展,为负荷预测问题提供了崭新的解决思路。该文结合人工智能的前沿理论研究,提出一种基于多模型融合 Stacking 集成学习方式的负荷预测方法。考虑不同算法的数据观测与训练原理差异,充分发挥各个模型优势... 人工智能及机器学习技术的快速发展,为负荷预测问题提供了崭新的解决思路。该文结合人工智能的前沿理论研究,提出一种基于多模型融合 Stacking 集成学习方式的负荷预测方法。考虑不同算法的数据观测与训练原理差异,充分发挥各个模型优势,构建多个机器学习算法嵌入的 Stacking集成学习的负荷预测模型,模型的基学习器包含 XGBoost树集成算法和长短记忆网络算法。算例使用 ENTSO 中瑞士负荷数据对算法有效性进行了验证。预测结果表明,XGBoost、梯度决策树、随机森林模型能够通过自身模型的增益情况对输入数据的特征贡献度进行量化分析;Stacking中各个基学习器的学习能力越强,关联程度越低,模型预测效果越好;与传统单模型预测相比,基于多模型融合的Stacking 集成学习方式的负荷预测方法有着较高的预测精度。 展开更多
关键词 人工智能 负荷预测 多模型融合 stacking集成学习 XGBoost 长短记忆网络
下载PDF
基于相似日选择与改进Stacking集成学习的短期负荷预测 被引量:12
9
作者 徐耀松 段彦强 +1 位作者 王雨虹 屠乃威 《传感技术学报》 CAS CSCD 北大核心 2020年第4期537-545,共9页
单一机器学习算法进行短期负荷预测存在着泛化能力受限的问题,本文将Stacking集成学习模型引入到短期负荷预测问题。对于在交叉验证下同一基学习器不同预测模型表现出预测准确度的差异性,根据预测精度对同一基学习器中不同预测结果进行... 单一机器学习算法进行短期负荷预测存在着泛化能力受限的问题,本文将Stacking集成学习模型引入到短期负荷预测问题。对于在交叉验证下同一基学习器不同预测模型表现出预测准确度的差异性,根据预测精度对同一基学习器中不同预测结果进行赋权。考虑到不同环境下各影响因子对日负荷值影响程度不同,引入蚁狮算法(ALO)自适应的调整各个影响因子的权值,提高相似日选取方法的准确性。通过相似日选取方法筛选出的相似日集合样本训练改进的Stacking算法预测模型,利用中国北方某地区的负荷数据进行实际算例分析,实验结果表明,在面对负荷影响因素复杂且训练样本较多的情况下,本文所提的方法具有良好的鲁棒性、稳定性和预测精度。 展开更多
关键词 短期负荷预测 stacking集成学习 蚁狮算法 相似日 交叉验证
下载PDF
基于利用BP神经网络进行Stacking模型融合算法的电力非节假日负荷预测研究 被引量:4
10
作者 李昆明 厉文婕 《软件》 2019年第9期176-181,共6页
短期负荷预测尤其是非节假日负荷预测对提升电力系统整体调度、支撑电网运营工作起着十分关键的作用。目前针对非节假日负荷预测的理论、方法和应用层出不穷,但是预测精度和使用范围都受到一定限制,并且经济发展对短期负荷预测的精度提... 短期负荷预测尤其是非节假日负荷预测对提升电力系统整体调度、支撑电网运营工作起着十分关键的作用。目前针对非节假日负荷预测的理论、方法和应用层出不穷,但是预测精度和使用范围都受到一定限制,并且经济发展对短期负荷预测的精度提出越来越高的要求,传统的机器学习算法已经难以满足人们的需求。为了提高负荷预测的精度,本文提出了利用BP神经网络进行Stacking模型融合算法,它是基于集成学习的思想,首先挑选五种预测精度较高的单模型,然后利用Stacking模型融合方法将其集成为预测精度更高的综合模型。本文采用此算法预测某省2018年非节假日负荷,结果表明该算法可以有效提高预测精度。 展开更多
关键词 预测精度 非节假日负荷预测 BP神经网络 stacking模型融合
下载PDF
基于XGBoost与Stacking模型融合的短期母线负荷预测 被引量:48
11
作者 刘波 秦川 +3 位作者 鞠平 赵静波 陈彦翔 赵健 《电力自动化设备》 EI CSCD 北大核心 2020年第3期147-153,共7页
母线负荷预测对于电网安全稳定调度具有重要意义,但母线负荷随机波动性较强,其负荷类型因供电区域的差异而不同。为此,提出一种基于极限梯度提升(XGBoost)与Stacking模型融合的短期母线负荷预测方法。基于XGBoost建立多个母线负荷预测... 母线负荷预测对于电网安全稳定调度具有重要意义,但母线负荷随机波动性较强,其负荷类型因供电区域的差异而不同。为此,提出一种基于极限梯度提升(XGBoost)与Stacking模型融合的短期母线负荷预测方法。基于XGBoost建立多个母线负荷预测元模型,组合构成Stacking模型融合的元模型层,连接一个XGBoost模型对元模型进行融合,整体构成综合预测系统,并采用粒子群优化算法优化系统参数。通过对具有不同负荷属性的220 kV母线进行实例分析,验证了所提方法的有效性与适用性。 展开更多
关键词 母线负荷 XGBoost 元模型 stacking模型融合 粒子群优化算法
下载PDF
基于Stacking模型集成的LSTM网络短期负荷预测研究 被引量:15
12
作者 丁斌 邢志坤 +3 位作者 王帆 袁博 刘涌 孙岩 《中国测试》 CAS 北大核心 2020年第7期40-45,共6页
为解决传统负荷预测方法存在的预测精度偏低的问题,通过分析短期负荷影响因素确定训练集,创建Stacking模型,并结合包括输入门、输出门与遗忘门在内的LSTM网络创建Stacking-LSTM混合模型,通过时间滑动窗口建立影响因素数据特征图,将其作... 为解决传统负荷预测方法存在的预测精度偏低的问题,通过分析短期负荷影响因素确定训练集,创建Stacking模型,并结合包括输入门、输出门与遗忘门在内的LSTM网络创建Stacking-LSTM混合模型,通过时间滑动窗口建立影响因素数据特征图,将其作为Stacking-LSTM混合模型的输入,经数据转换后得到特征类别更强的降维二级特征数据,输入到LSTM网络层实现短期负荷预测。该方法利用Stacking模型的集成作用和LSTM网络的强挖掘能力,增强降维后的数据类别特征,达到提升电力系统负荷动态平衡性的效果。仿真结果表明,该方法的负荷预测结果与实际值非常接近,具有较高的预测精准度。 展开更多
关键词 stacking模型 长短期记忆网络 短期负荷预测 混合模型 特征图
下载PDF
基于K-折交叉验证和Stacking融合的短期负荷预测 被引量:29
13
作者 朱文广 李映雪 +4 位作者 杨为群 刘小春 熊宁 周成 王丽 《电力科学与技术学报》 CAS 北大核心 2021年第1期87-95,共9页
短期负荷预测对于电力系统的经济调度和稳定运行具有重要意义。为了提升短期负荷预测的精度,提出基于K-折交叉验证和Stacking融合的短期负荷预测方法。首先,基于皮尔逊相关系数对影响短期负荷的多个特征进行筛选,剔除冗余特征。其次,利... 短期负荷预测对于电力系统的经济调度和稳定运行具有重要意义。为了提升短期负荷预测的精度,提出基于K-折交叉验证和Stacking融合的短期负荷预测方法。首先,基于皮尔逊相关系数对影响短期负荷的多个特征进行筛选,剔除冗余特征。其次,利用K-折交叉验证法训练第一层的各个子模型,并将各个子模型的预测结果作为新特征用于训练第二层模型。接着,将子模型的结果进行Stacking融合,使用第二层的模型得到短期负荷的预测结果。最后,采用新英格兰的实际数据验证所提方法的有效性。仿真结果表明,所提的K-折交叉验证法能够有效地提高模型的泛化能力,Stacking融合不仅可以提升预测的平均精度,还可以减小最大的预测误差,比单一模型预测更具优势。 展开更多
关键词 短期负荷预测 皮尔逊相关系数 K-折交叉验证 stacking融合
下载PDF
基于Stacking多模型融合的超短期电网负荷预测 被引量:1
14
作者 张中健 高士亮 +3 位作者 张露 安润鲁 张中城 周子力 《软件》 2022年第8期131-134,178,共5页
为提升超短期电网负荷预测精度,提出基于Stacking多模型融合的超短期电网负荷预测法。首先,结合5-折交叉验证法分别训练第一层的LSTM、LightGBM、XGBoost三个初级学习器,将训练结果进行Stacking融合;然后将融合结果作为新特征用于训练... 为提升超短期电网负荷预测精度,提出基于Stacking多模型融合的超短期电网负荷预测法。首先,结合5-折交叉验证法分别训练第一层的LSTM、LightGBM、XGBoost三个初级学习器,将训练结果进行Stacking融合;然后将融合结果作为新特征用于训练第二层LightGBM次级学习器,使用次级学习器得到电网负荷预测的最终结果;最后利用山东省公共数据开放平台提供的某市实际超短期电网数据验证所提方法的有效性。实验结果表明,比起单一模型预测,所提的Stacking多模型融合预测法,在预测结果的平均精度与峰谷变化的适应能力方面更具优势。 展开更多
关键词 超短期电网负荷预测 stacking多模型融合 LSTM LightGBM
下载PDF
基于EMD-Stacking-MLR的台区配变短期负荷预测方法 被引量:3
15
作者 杨秀 胡钟毓 +1 位作者 田英杰 谢海宁 《电器与能效管理技术》 2022年第2期53-62,共10页
传统短期负荷预测方法多为基于数据驱动的机器学习方法,应用场景多为较宏观的市/县区域总负荷预测,而面对台区配变负荷,其预测效果明显不足。对此,构建了一种基于EMD-Stacking-MLR的负荷预测方法。首先,将台区配变负荷数据通过经验模态... 传统短期负荷预测方法多为基于数据驱动的机器学习方法,应用场景多为较宏观的市/县区域总负荷预测,而面对台区配变负荷,其预测效果明显不足。对此,构建了一种基于EMD-Stacking-MLR的负荷预测方法。首先,将台区配变负荷数据通过经验模态分解方法分解为频率由高到低的有限本征模函数分量,利用样本熵大小为依据划分高、低频分量;随后,采用Stacking多模型融合方法和多元线性回归方法分别对高、低频分量进行预测;最后,叠加各分量预测结果得到最终配变预测负荷曲线。通过实验验证,结果表明所提方法在提升负荷预测精度和模型泛化能力方面成效显著。 展开更多
关键词 模态经验分解性(EMD) stacking集成学习 MLR 短期负荷预测 台区配变
下载PDF
Double U-Shaped Slots Loaded Stacked Patch Antenna for Multiband Operation
16
作者 Nagendra Prasad Yadav 《Open Journal of Antennas and Propagation》 2015年第2期9-17,共9页
The design of a seven-band stacked patch antenna for the C, X and Ku band is presented. The antenna consists of an H-slot loaded fed patch, stacked with dual U-slot loaded rectangular patch to generate the seven frequ... The design of a seven-band stacked patch antenna for the C, X and Ku band is presented. The antenna consists of an H-slot loaded fed patch, stacked with dual U-slot loaded rectangular patch to generate the seven frequency bands. The total size of the antenna is 39.25 × 29.25 mm2. The multiband stacked patch antenna is studied and designed using IE3D simulator. For verification of simulation results, the antenna is analyzed by circuit theory concept. The simulated return loss, radiation pattern and gain are presented. Simulated results show that the antenna can be designed to cover the frequency bands from (4.24 GHz to 4.50 GHz, 5.02 GHz to 5.25 GHz) in C-band application, (7.84 GHz to 8.23 GHz) in X-band and (12.16 GHz to 12.35 GHz, 14.25 GHz to 14.76 GHz, 15.25 GHz to 15.51 GHz, 17.52 GHz to 17.86 GHz) in Ku band applications. The bandwidths of each band of the proposed antenna are 5.9%, 4.5%, 4.83%, 2.36%, 3.53%, 1.68% and 1.91%. Similarly the gains of the proposed band are 2.80 dBi, 4.39 dBi, 4.54 dBi, 10.26 dBi, 8.36 dBi and 9.91 dBi, respectively. 展开更多
关键词 H-SHAPE Fed PATCH Microstrip PATCH ANTENNA DOUBLE U-Shape Slot loaded stacked PATCH Multiband ANTENNA
下载PDF
Evaluation of Signaling Loads in NO Stack 5G Mobile Network
17
作者 Xin Su Jie Zeng +2 位作者 Yuan Chen Changpeng Gu Liping Rong 《China Communications》 SCIE CSCD 2017年第7期57-66,共10页
Present mobile communication system suffers from the exponentially increased mobile traffic and research on the fifth generation(5G) mobile network architectures is ongoing to solve this problem. We investigate the fe... Present mobile communication system suffers from the exponentially increased mobile traffic and research on the fifth generation(5G) mobile network architectures is ongoing to solve this problem. We investigate the feasibility of the proposals used for the network architecture evolution from 4G to 5G and first propose a compatible network architecture, which decouples the management plane, the control plane and the user plane based on NO Stack framework proposed in our previous study. We mainly design detail procedures including UE attachment, service request and dedicated bearer activation/deactivation for our proposal network architecture. Finally, we establish a clear analytical mode of the application and system states to evaluate the signaling loads of new architecture. Simulation results show that our proposal network architecture with elaborated signaling procedures has much impact on the total signaling loads of system and could obviously decrease the signaling overhead compared with LTE. 展开更多
关键词 信令过程 移动网络 负载 评估 移动通信系统 网络体系结构 网络架构 管理平面
下载PDF
进气相对湿度对变载工况下PEMFC电堆性能的影响
18
作者 胡超 罗马吉 +1 位作者 陈云 张锐明 《江苏大学学报(自然科学版)》 CAS 北大核心 2024年第2期154-159,共6页
为了探究进气相对湿度对质子交换膜燃料电池电堆变载工况性能的影响,设计了一个动态循环工况,包括电流密度从0.10到0.35 A/cm^(2)、从0.10到1.00 A/cm^(2)的2种阶跃工况和电流密度分别为0.10、0.35、1.00 A/cm^(2)的稳定工况,进行了相... 为了探究进气相对湿度对质子交换膜燃料电池电堆变载工况性能的影响,设计了一个动态循环工况,包括电流密度从0.10到0.35 A/cm^(2)、从0.10到1.00 A/cm^(2)的2种阶跃工况和电流密度分别为0.10、0.35、1.00 A/cm^(2)的稳定工况,进行了相对湿度分别为20%、30%、50%、70%、80%的5组试验.结果表明:恒流状态时,电堆在不同电流密度下对相对湿度的敏感性不同,在大电流密度下相对湿度对电堆性能影响较大;变载过程中,电堆电压出现下冲和过冲现象,加载过程的电压下冲量与变载幅度和相对湿度有关,电堆单电池电压一致性变差,电压一致性与进气相对湿度有关. 展开更多
关键词 燃料电池 相对湿度 变载工况 电压一致性 电堆性能
下载PDF
基于融合集成算法的配电网负荷预测研究
19
作者 李强 赵峰 +1 位作者 吴金淦 谭守标 《自动化仪表》 CAS 2024年第1期111-115,121,共6页
配电网的负荷预测在电力运行状态监测中尤为重要。负荷预测的精度提升为电网的安全、稳定运行提供了保障。通过对融合集成算法的研究,提出了一种基于关联特征选择的融合集成算法。在数据集的选择上,使用相关系数和灰色关联算法综合对样... 配电网的负荷预测在电力运行状态监测中尤为重要。负荷预测的精度提升为电网的安全、稳定运行提供了保障。通过对融合集成算法的研究,提出了一种基于关联特征选择的融合集成算法。在数据集的选择上,使用相关系数和灰色关联算法综合对样本中负荷影响较小的特征进行剔除,使得样本数据集的相关性更高;同时,对传统Stacking集成学习的输入和输出特征进行优化,提高了模型的预测效果。试验结果表明,基于融合集成算法的配电网负荷预测模型与传统的Stacking集成算法、XGBoost、灰狼优化-反向传播算法相比,负荷预测的精度提升了3.07%。该模型总体性能表现较好。该研究结果有效地支撑了配电网的负荷监测和规划,也为电力系统故障诊断提供了参考。 展开更多
关键词 智能算法融合 配电网 集成学习 负荷预测 stacking集成学习 XGBoost 特征提取 目标预测
下载PDF
〈111〉方向单轴应变下金刚石和硅的广义层错能
20
作者 黄丽丽 彭丽 +2 位作者 陈实 张红平 李牧 《高压物理学报》 CAS CSCD 北大核心 2024年第3期70-79,共10页
晶体中原子层面剪切所带来的能量称为广义层错能,它是描述晶体中纳米尺度塑性变形的关键参数,如位错分解、成核和孪晶。在冲击加载过程中,弹塑性转变发生在一维弹性应变之后,因此,单轴应变下的广义层错能对于理解塑性流动的发生具有重... 晶体中原子层面剪切所带来的能量称为广义层错能,它是描述晶体中纳米尺度塑性变形的关键参数,如位错分解、成核和孪晶。在冲击加载过程中,弹塑性转变发生在一维弹性应变之后,因此,单轴应变下的广义层错能对于理解塑性流动的发生具有重要意义。应用基于密度泛函理论的第一性原理,计算了在[111]方向单轴应变下硅和金刚石的glide(111)面的广义层错能面。基于广义层错能面的平移对称性,通过傅里叶级数展开,拟合得到了广义层错能面的表达式,并给出了[110](111)和[112](111)方向的广义层错能曲线。结果表明,随着应变的增加,本征层错能和不稳定层错能出现明显的变化,且不稳定层错能与本征层错能之比减小,说明在<111>方向的单轴应变下晶体中的位错不容易发生分解。该结果解释了在四代光源上开展的位错演化动态实验结果,即沿<111>方向加载的层错信号出现的速度和强度均远不如沿<110>方向和<100>方向加载的结果。 展开更多
关键词 广义层错能 第一性原理计算 冲击加载 位错
下载PDF
上一页 1 2 10 下一页 到第
使用帮助 返回顶部