【摘 要】
：
针对高速公路短时交通流预测问题中待测站点上下游的交通流量时空信息利用不充分,且上下游观测点选择不合理的问题,提出了基于观测点遴选并充分挖掘时空信息的短时交通流预测方法。首先使用KNN算法对待测站点的上下游节点进行遴选,将与待测站点欧氏距离较小的上下游节点历史数据组织成包含时空信息的二维矩阵;然后使用卷积神经网络提取空间特征,将所得的特征向量送入双向LSTM模型进行时间信息的提取并完成最终预测。结果表明,经过观测点遴选后的KNN-CNN-BiLSTM预测模型准确率较遴选前提升了19.3%,实现了交通流时空信
论文部分内容阅读
针对高速公路短时交通流预测问题中待测站点上下游的交通流量时空信息利用不充分,且上下游观测点选择不合理的问题,提出了基于观测点遴选并充分挖掘时空信息的短时交通流预测方法。首先使用KNN算法对待测站点的上下游节点进行遴选,将与待测站点欧氏距离较小的上下游节点历史数据组织成包含时空信息的二维矩阵;然后使用卷积神经网络提取空间特征,将所得的特征向量送入双向LSTM模型进行时间信息的提取并完成最终预测。结果表明,经过观测点遴选后的KNN-CNN-BiLSTM预测模型准确率较遴选前提升了19.3%,实现了交通流时空信
其他文献
风力发电机组行星齿轮箱振动信号是一种非线性非平稳的复杂信号,传统的故障诊断方法面对此类信号时,能够很好处理的范围有限。为提高在强外界干扰条件下故障智能识别的准确率,提出了一种基于一维卷积神经网络(1D-CNN)和长短期记忆网络(LSTM)混合模型的故障智能诊断方法。首先利用自参考自适应噪声消除技术(SANC)将齿轮箱振动信号分离为周期性信号分量成分和随机信号分量成分,再对包含齿轮箱故障特征的周期性信号成分进行智能特征提取和识别。经验证,所提方法较其他不同方法有明显优势,故障识别率达到99.85%,说明能有
为了研究新型电力负荷预测方法,设计了一种基于多列深度神经网络的电力负荷预测模型。在离散数据模式下,使用差值法初步治理,通过小波变换提取其时域特征,傅里叶变换提取其频域特征。对负荷形成的时域、频域特征共8组数据进行多列深度神经网络分析,在此基础上进行一次多列神经网络分析,得到最终的叠加三角函数回归方程。通过仿真分析表明,与多项式曲线估计法和深度迭代模糊矩阵法相比,实现了预测数据质量的显著提升。模型适用于电力负荷预测任务。
电力弹簧(electric spring, ES)的提出,能够有效解决因分布式光伏接入出现的功率波动及功率因数不达标问题。首先分析了ES的拓扑及其功率控制方法,同时提出了一种基于ES的负荷电压及功率因数控制方法,有效地稳定ES电压及功率因数,抑制光伏并网点的功率波动。然后在MATLAB/Simulink仿真平台中搭建分布式光伏并网系统。最后通过算例验证所提基于ES的负荷电压及功率因数控制方法的正确性和有效性。
目前国网公司为了强化营销、运检、调控业务协同,有效支撑电力故障定位、停电范围定位、实时线损统计和业扩报装等业务,推动实施营配贯通建设工作。针对人工营配贯通工作会导致营配业务系统中电网拓扑关系数据与现场不一致的问题,根据配电网网架业务,结合现有关系型数据库存储的台账及关系数据,利用知识图谱技术构建配电网网架拓扑图和Neo4j图数据库存储配电网网架拓扑图,为配电网业务展示、大数据下设备关系查询和数据质量提升提供数据支撑,建立了高效、便捷的检索和核查方式。试验表明,研究的方法误差小,稳定性能好。
针对现有技术中高压配电网规划不合理的问题,提出基于电力负荷预测的高压配电网变电站规划方法。通过收集历史用电数据及电力负荷变化规律,获取电力弹性系数,计算多个历史时段内的平均增长率;利用BP神经网络,确定样本集以及变量参数,将负荷数据归一化处理,构建高压配电网规划优化模型;按照地区差异选择合适的容载比,设置新增变电站,实现高压配电网合理规划。试验表明,研究方法合理性好。
传统饱和空间负荷预测方法以负荷密度法为主,其工业划分未能准确反映各细分行业负荷特性,且关键指标取值主观因素影响较大。为此提出一种基于行业大数据的饱和空间负荷预测方法。方法细分行业,大数据分析确定关键参数,校验现状负荷和点负荷,叠加行业负荷曲线得出最大负荷。对某市进行预测,结果表明能更切实反映行业负荷特性,提高关键指标取值和预测结果客观性。
在课程思政的背景下,将课程思政内容与课程内容有机融合是课程思政建设的重点。本文以高职院校动物药理课程为例,介绍该课程思政建设的目标和建设要点。从课程思政的元素、融入形式、保障机制及评价体系深入发掘与构建与教学内容紧密结合的课程思政体系,从而全面提高学生的思想道德、职业素养及专业能力,为国家高职院校培养高素质技能型人才。
为准确计算和分析配电网的线损,提出一种基于人工神经网络的配电线损计算模型。首先根据现场数据推导出配电馈线的日负荷曲线,使用三相潮流计算程序创建训练数据集;然后通过灵敏度分析确定了影响线损的关键因素;最后应用人工神经网络开发出架空线路和地下电缆季节性损耗的计算模型。仿真试验表明,相对于回归线损计算模型,所提出的模型提高了配电线损计算的准确性。
针对电力系统暂态稳定评估当中数据不平衡处理以及评估性能优化问题,提出了一种基于随机森林和K-means聚类的组合分类算法的暂态稳定评估方法。选取具有代表性的特征量构成原始特征集,并对数据进行归一化处理和相关性分析,以提升性能和运算效率。使用K-means聚类算法进行类分解,解决数据的不平衡问题,然后使用随机森林算法进行评估。最后,利用新英格兰10机39节点测试系统仿真,并与决策树、随机森林和支持向量机算法进行比较。在命中率、准确率以及整体系数上所提方法均为最高,误中率则是最低,由此表明方法效果好、误差小,
智能电网调度控制系统实时监控电力系统的发、输、变和配电等全过程,保证了电网安全稳定的运行,其健康度评价反映了整个电网运行情况。采用基于专家经验的评价方法虽然整体计算简单,但所得结果过于依赖主观因素,准确度不高。采用LinkedCop K-means (LCop K-means)算法对智能电网调度控制系统的健康度进行评价。首先介绍了智能电网调度控制系统的组成和主要功能,以及其健康度评价模型。LCopK-means算法属于机器学习算法中的半监督学习算法,因此在计算过程中并不会过分依赖于标签信息,具有更高的适用