基于小波-回歸支持向量機算法的風電場風速預測
格式:pdf
大小:245KB
頁數:3P
人氣 :84
4.8
將小波多分辨率分析特點和回歸支持向量機算法良好的泛化性能相結合,建立小波-回歸支持向量機風速預測模型。先將原始風速序列經小波分解成輪廓分量和細節分量,再對各分量分別應用支持向量機模型進行預測,最后將各分量的預測結果經小波重構得到原始風速序列的預測值。仿真表明該方法能夠改善預測滯后現象以及減小突變點誤差,從而提高模型的泛化性能和預測精度。
基于相空間重構的支持向量機的風電場風速預測
格式:pdf
大小:450KB
頁數:4P
風力發電具有波動性、間歇性和隨機性的特點,風力發電的并網給電力系統的安全運行帶來了嚴峻挑戰,因此,實現風電場風速的預測具有重要意義。支持向量機是發展比較好的一種常用的風速預測方法,但是由于其輸入特征對預測的精度影響比較大,所以特征的選擇一直是人們所關注的問題。文章提出采用相空間重構理論對風電場風速進行預測,并通過與使用自然特征作為輸入特征的預測方法作比較,驗證了基于相空間重構的支持向量機的預測方法的優越性。
基于時序-支持向量機的風電場發電功率預測
格式:pdf
大小:397KB
頁數:5P
準確的風電場風電功率預測可以有效地減輕風電場對電力系統的不利影響,同時提高風電在電力市場中的競爭力。基于時間序列法和支持向量機法,對風電功率預測進行研究,提出預測風電功率的時序-支持向量機預測方法。該方法用時間序列法建模,選取影響風電功率最大的參數作為支持向量機預測模型的輸入變量;為提高預測精度,提出基于時間點運動軌跡演化的方法選取與預測時刻功率相似的樣本作為模型的訓練樣本。實例驗證結果表明,該方法有效地提高了風電功率預測精度。
小波-支持向量機組合算法在地鐵沉降預測中的應用
格式:pdf
大小:1.6MB
頁數:3P
4.6
采用小波分析的方法對地鐵原始監測數據進行去噪處理,將得到的平穩可靠的監測數據用于建立支持向量機訓練集,進行沉降預測.實際沉降數據處理和預測結果顯示,小波分析方法能夠準確提取監測數據中的沉降趨勢性信息,w-svm組合算法能夠顯著提高沉降預測的精度.
基于模態分解和支持向量機的風電功率組合預測
格式:pdf
大小:2.1MB
頁數:7P
4.3
針對風電功率序列的不確定性和隨機性特征,提出基于聚類經驗模態分解(eemd)和支持向量回歸機(svr)的風電功率預測模型。同時,為克服支持向量回歸機依賴人為經驗選擇學習參數的弊端,采用縱橫交叉算法(cso)優化支持向量回歸機學習參數。首先,利用聚類經驗模態分解將原始風電功率序列分解為一系列復雜度差異明顯的子序列。然后,分別對每子序列單獨建立cso-svr預測模型。最后,疊加各子序列的預測值得到實際預測結果。實例研究表明,所提模型能獲得優良的風電功率預測結果。
小波支持向量機在建筑沉降預測中的研究
格式:pdf
大小:992KB
頁數:2P
4.4
結合支持向量機模型和小波框架理論,建立了沉降預測模型,并對杭州市某小區的危舊建筑物進行了沉降預測,結果表明該模型預測精度較高,可以較好地預測建筑物沉降的發展趨向,適用于建筑沉降預警工作。
基于風電場最大風速情況對風機基礎的優化設計
格式:pdf
大小:172KB
頁數:未知
4.4
由于風電場一般均建在風向較固定區域,風機基礎的受力往往出現偏心極大方向和極小方向。針對此種情況,并結合風電場風資源特性,考慮各風機點位特點,論文提出"最大風速玫瑰圖"概念,給出了風機基礎設計的新思路,并通過"最大風速玫瑰圖"將常規圓形、八邊形基礎,優化為矩形基礎,使風機基礎受力性能更好,有效減少基礎混凝土量,同時節省項目建設時間。
風電場建設程序與風電場工程施工
格式:pdf
大小:
頁數:34P
4.6
1 風電場建設程序與風電場工程施工 按照“風電場開發研討班”的課程安排,風電場的建設施工,重點講授以下五個方面的內容: 一、風電場的建設程序 二、風電場的施工前期準備 三、風電場的施工管理 四、風電機組的運輸、安裝、調試 五、風電機組的試運行與驗收 第一章:風電場的建設程序 為了規范中國的基本建設市場,國家計委于一九九六年先后頒布了《關于實行建設項目法人責 任制的暫行規定》和《國家重點項目管理辦法》兩個重要法規文件。要求在建筑領域全面推行工程 項目法人責任制、投標招標制、合同管理制和工程建設監理制等四項基本制度。并以法規形式規定 了基本建設程序。中國的項目建設程序是從項目業主管理的角度劃分的。 通常,我們把工程項目建設周期劃分為四個階段:工程項目策劃和決策階段,工程項目準備階 段,工程項目實施階段,工程項目竣工驗收和總結評價階段。詳見圖1—1。 1、工程項目策劃和決策階段 這一階段的主
風電場建設程序與風電場工程施工_secret
格式:pdf
大小:3.8MB
頁數:43P
4.3
1 風電場建設程序與風電場工程施工 按照“風電場開發研討班”的課程安排,風電場的建設施工,重點講授以下五個方 面的內容: 一、風電場的建設程序 二、風電場的施工前期準備 三、風電場的施工管理 四、風電機組的運輸、安裝、調試 五、風電機組的試運行與驗收 第一章:風電場的建設程序 為了規范中國的基本建設市場,國家計委于一九九六年先后頒布了《關于實行建設 項目法人責任制的暫行規定》和《國家重點項目管理辦法》兩個重要法規文件。要求在 建筑領域全面推行工程項目法人責任制、投標招標制、合同管理制和工程建設監理制等 四項基本制度。并以法規形式規定了基本建設程序。中國的項目建設程序是從項目業主 管理的角度劃分的。 通常,我們把工程項目建設周期劃分為四個階段:工程項目策劃和決策階段,工程 項目準備階段,工程項目實施階段,工程項目竣工驗收和總結評價階段。詳見圖1—1。 1、工程項目策劃和決策階段 這一階段
基于最小二乘支持向量機回歸綜合預測建筑物沉降
格式:pdf
大小:378KB
頁數:2P
4.6
針對在工程實踐中,應用單一方法預測建筑物沉降存在著局限性,提出了基于最小二乘支持向量機回歸綜合單一方法預測沉降量。該方法能綜合單一方法的特點,增強了模型的普適性,從而提高了預測精度和預報期次。文中討論了如何實現和運用該方法,最后通過實例驗證了其有效性。
江西山地風電場風速數值模擬方法研究
格式:pdf
大小:1.3MB
頁數:6P
4.5
利用中尺度氣象數值模式wrf和動力降尺度模式calmet,對江西山地風電場不同高度層風速進行4個月逐時數值模擬,結合測風塔實測資料,對兩種模式的模擬結果進行準確性、誤差特征等方面研究,結果表明:1)wrf模式和calmet模式均能較好地模擬出風速的日變化特征,在大風速時間段兩個模式模擬誤差變大,可能是由于出現臺風、降雨伴隨大風等天氣時,wrf模式邊界層方案對大風速時拖曳作用不充分造成,今后可考慮通過天氣過程模擬的敏感性研究及歷史數據對模擬結果進行訂正。2)從各月模擬結果來看,wrf模式與calmet模式各月模擬值與實測值間相關系數均大于0.65,兩個模式對70m高度層模擬結果均優于對10m高度層的模擬結果,并且calmet模式均方根誤差低于wrf模式的。3)calmet模式在各風速段模擬效果均優于wrf模式的。兩個模式在0~3m·s-1低風速的模擬效果最優,在大風速段(>8m·s~(-1))模擬結果平均絕對誤差最大,今后應對大風模擬結果的訂正開展進一步研究。
基于改進的灰色模型和支持向量機的風電功率預測
格式:pdf
大小:7.2MB
頁數:6P
4.5
使用組合模型進行了風速預測,然后在此基礎上進行了風電功率的預測.利用灰色模型進行風速中確定性趨勢預測,針對灰色gm(1,1)模型的建模機理和風速預測特點對其進行了改進,建立了改進的灰色gm(1,1)風速預測模型;同時使用支持向量機進行風速的隨機性預測;用建立的組合預測模型輸出的風速作為風電功率預測的一個輸入,利用支持向量機模型進行了提前一小時的風電功率預測.算例表明,該方法可有效提高風速預測精度,進而提高風電功率的預測精度.
基于粒子群算法優化支持向量機的公路客運量預測
格式:pdf
大小:189KB
頁數:未知
4.5
公路客運量數據受多種因素影響而呈現非線性等特點,為了提高其預測精度,文中提出粒子群算法(pso)優化支持向量機(svm)的公路客運量預測模型,利用pso尋優能力突出的優點,對支持向量機的參數進行優化選擇,并用優化后的支持向量機模型對公路客運量進行預測。研究結果顯示,相比bp神經網絡和傳統的svm預測方法,基于pso-svm的預測精度更高。
風電場的運行
格式:pdf
大小:13KB
頁數:8P
4.4
1 第一章風電場的運行 目前,國內風力發電機組的單機容量已從最初的幾十千瓦發展為今天的幾百 千瓦甚至兆瓦級。風電場也由初期的數百千瓦裝機容量發展為數萬千瓦甚至 數十萬千瓦裝機容量的大型風電場。隨著風電場裝機容量的逐漸增大,以及 在電力網架中的比例不斷升高,對大型風電場的科學運行、維護管理逐步成 為一個新的課題。風電場運行維護管理工作的主要任務是通過科學的運行維 護管理,來提高風力發電機組設備的可利用率及供電的可靠性,從而保證電 場輸出的電能質量符合國家電能質量的有關標準。風電場的企業性質及生產 特點決定了運行維護管理工作必須以安全生產為基礎,以科技進步為先導, 以設備管理為重點,以全面提高人員素質為保證,努力提高企業的社會效益 和經濟效益。 第一節風電場運行工作的主要內容 風電場運行工作的主要內容包括兩個部分,分別是風力發電機組的運行和場 區升壓變電站及相關輸變電設施的運行。工作中應
基于混沌量子粒子群算法的含風電場電力系統實時調度
格式:pdf
大小:244KB
頁數:6P
4.4
分析了大規模風電給電力系統實時調度所帶來的若干問題,依據節能減排原則,以消納風電最大化和火電機組一次能源消耗最小化為雙重目標,建立了含大規模風電的實時調度模型。在量子粒子群算法基礎上加入混沌初始化和混沌擾動,形成混沌量子粒子群優化算法。基于修改的ieee-118節點系統進行仿真計算,結果表明:建立的模型能在最大程度消納風電的前提下,最大限度地減少一次能源消耗,達到節能減排的目的;采用的算法計算速度快、收斂性能好,滿足實時性的要求。
改進粒子群算法和最小二乘支持向量機的電力負荷預測
格式:pdf
大小:1.7MB
頁數:4P
4.6
針對最小二乘支持向量機在電力負荷預測應用中的參數優化問題,將改進粒子群算法引入到最小二乘支持向量機參數中,建立一種新型的電力負荷預測模型(ipso-lssvm)。首先將最小二乘支持向量機參數編碼為粒子初始位置向量;然后通過粒子個體之間的信息交流、協作找到最小二乘支持向量機的最優參數,并針對標準粒子群算法的不足進行相應改進;最后將其應用于電力負荷建模與預測,并通過仿真對比實驗測試其性能。實驗結果表明,ipso-lssvm可以獲得較高準確度的電力負荷預測結果,大幅度減少了訓練時間,滿足電力負荷在線預測要求。
基于改進遺傳算法的風電場多目標無功優化
格式:pdf
大小:278KB
頁數:5P
4.6
針對風電場并網運行的多目標無功優化和電壓穩定問題,建立了基于異步發電機內部等值電路的含風電場的電力系統無功優化模型,提出了風電場無功優化的目標函數和約束條件。結合非支配排序思想、精英保留策略、改進的小生境技術,得到了一種將向量模適應度函數作為淘汰準則的改進pareto遺傳多目標優化算法。以某風電場接入ieee14節點標準測試系統為例,將改進算法用于含風電場的電力系統無功優化。仿真結果表明,應用改進的遺傳多目標優化算法可以同時得到多組pareto最優解,為決策者提供了更多的選擇余地,使風電場并網點母線電壓在允許范圍內。
基于支持向量機-粒子群算法的山區公路隧道造價預測
格式:pdf
大小:128KB
頁數:4P
4.7
采用最小二乘支持向量機(lssvm)與粒子群優化算法(pso)相結合的方法,以隧道工程分項工程技術指標為基本參數,對山區高速公路隧道工程造價進行管理和預測,基于支持向量機算法實現山區高速公路中隧道的工程特性與各分項工程造價指標之間的復雜非線性映射。建立的造價預測模型估算得到的造價與樣本的實際造價誤差可控制在10%的范圍內,說明該預測模型可用于山區高速公路的隧道工程造價估算,并為公路工程造價人員提供了一種實用的工具和方法。
風電場風機基礎方案解析
格式:pdf
大小:263KB
頁數:35P
4.4
甘肅民勤紅沙崗百萬千瓦風電基地第三風電場基礎工程 第一章工程概況及特點 1.工程概況 甘肅民勤紅沙崗百萬千瓦風電基地第三風電場工程位于甘肅省武威市民勤 縣西北方向,本工程緊鄰省道307線,g312國道、g30連霍高速和蘭新鐵路從 金昌市通過,風電場所需設備、物資均可通過該公路運輸至工程區,對外交通條 件較為便利。工程區中心公路里程距民勤縣98km,金川區64km,距永昌縣河西 堡鎮(金昌火車站)約89km,距蘭州市約438km。 風機基礎為鋼筋混凝土結構,基礎底標高為-3.000米,頂標高為+0.200米, 基礎墊層采用c20混凝土,結構采用c40混凝土,基礎為環形筏板基礎,我單 位共計施工100個基礎。地基承載力200kpa,抗震設防烈度7度。 總工期100個日歷天。計劃開工時間2014年6月1日,計劃竣工時間2014 年9月10日 2.
風電場風機檢查表
格式:pdf
大小:10KB
頁數:6P
4.7
風電場風機檢查項目 1風機道路道路無塌方,路面行車無障礙無打滑,風機平 臺無塌陷,風機警示牌完好。 2塔筒基礎混凝土無裂縫、露筋、凸起、覆土沒被挖開, 防水材料無損壞,塔筒基礎內外無積水 3塔筒門、鎖、步道、油漆門軸轉動靈活、門鎖功能正常、 塔筒門密封良好,門上百葉窗無生銹、無堵塞,步道無銹蝕、 無破損或變形、所有螺栓緊固無松脫,塔筒內外油漆防腐 無破損 4主控柜柜體外觀完好無破損,固定牢靠,油漆無脫落, 柜內設備標示清晰無缺失,表面清潔無雜物,主控屏工作 正常,風扇轉動正常,各設備狀態燈正常,接線無松脫和電 弧痕跡,電纜及電纜防火封堵完好,接地線無破損和松脫 5變頻器柜柜體外觀完好無破損,固定牢靠,油漆無脫落, 控制側開關無跳閘,保險狀態正常,設備標示清晰無缺失, 高壓側無異味,表面清潔無雜物,冷卻管道無漏液,各接線 無松脫和電弧痕跡,電纜及電纜
文輯推薦
知識推薦
百科推薦
職位:機械工程師
擅長專業:土建 安裝 裝飾 市政 園林