【摘 要】
:
随着世界能源的消耗加剧,可再生资源(太阳能、风能和地热等)清洁、无污染的特点受到全球各地的欢迎。为了解决模型学习能力差,预测效果不佳的问题,本文采用不同方法对时间序列数据特征进行提取,结合深度学习模型对光伏发电量进行预测,从而充分利用太阳能资源。实验表明,提出的新型深度学习集成模型在短期内对光伏发电量的预测有一定提高,其具体研究内容介绍如下:(1)为了提升太阳能光伏发电预测的准确率,创造性地提出了
论文部分内容阅读
随着世界能源的消耗加剧,可再生资源(太阳能、风能和地热等)清洁、无污染的特点受到全球各地的欢迎。为了解决模型学习能力差,预测效果不佳的问题,本文采用不同方法对时间序列数据特征进行提取,结合深度学习模型对光伏发电量进行预测,从而充分利用太阳能资源。实验表明,提出的新型深度学习集成模型在短期内对光伏发电量的预测有一定提高,其具体研究内容介绍如下:(1)为了提升太阳能光伏发电预测的准确率,创造性地提出了一种基于VMD_MC_NLSTM的集成预测模型用于光伏发电量的短期预测。该方法采用变分模态分解(Variational Mode Decomposition,简称VMD),将输入的电力数据分解为多个有限带宽的本征模态分量,分离了数据中的噪音和信号,然后每个模态分量通过建立嵌套长短期记忆神经网络(Nested LSTM,简称NLSTM)对数据样本进行训练预测,最后根据光伏预测模型的预测性能评价标准判断模型的优良。实验结果表明,该模型光伏发电量的预测精度有较好的提升,说明其光伏发电量的预测准确性有所改善,且优于其他单一模型(如LSTM模型),甚至其他混合模型(如CNN_LSTM模型)。(2)考虑到天气数据的多维性,提出了一种结合门控递归单元(Gate Recurrent Unit简称GRU)神经网络和注意机制的混合深度学习模型,用于预测四个不同季节的太阳辐照度变化。首先,结合Inception神经网络和Res Net的优点从原始数据集中提取特征;其次,将提取的特征输入到递归神经网络(Recurrent Neural Network,简称RNN)网络中进行反复训练;最后,学习到时间序列数据的复杂特征。实验结果表明,提出的混合深度学习模型相较于对比模型,在预测的精度和稳定性上,已有较好的改进。(3)针对时间序列数据特征随机性的特点,提出一种基于TCN_LSTM的集成太阳能光伏发电预测研究模型,该模型采用时间卷积神经网络(Temporal Convolutional Networks,简称TCN)对训练样本提取主要特征,TCN具有灵活性强的特点,可以根据实际情况通过改变感受野的大小对隐藏层进行调整,具有一定的先进性,通过长短期记忆人工神经网络(Long Short Term Memory,简称LSTM)对输入的特征实现到高层特征的信息抽象,将LSTM和注意机制的结合对数据样本进行学习,最后通过评价指标数据化其学习能力。实验结果显示模型可以较高程度的与真实值曲线拟合,不会出现较大程度的脱离现象,说明该模型具有较强的学习能力,学习到较多的数据特征,保持了时间序列预测的稳定性。
其他文献
越来越多的大功率半导体激光器(LD)被用作泵浦源,这就要求半导体激光器的工作波长与固体工作介质的吸收谱线相匹配。但其输出线宽较宽且光谱随温度和工作电流的变化较大,难以持续对固体工作物质进行泵浦,因此需要对半导体激光器的输出线宽进行压窄,同时锁定其输出波长。通常使用反射式体全息布拉格光栅(RVHBG)作为反射镜,来实现高功率半导体激光器进行持续的稳定窄线宽输出,目前仅有美国Opti Grate、On
红外辐射位于可见光外,在不借助工具的情况下我们是很难发现他的存在,红外探测器对发现并利用红外线提供了极大的帮助。红外探测器是基于红外辐射的光效应与热效应制成,通过将红外辐射转换为其他物理量,采集转换后的物理量来得到红外辐射的相关信息。常见的红外探测器包括光电导型光子探测器、光伏型光子探测器、热释电、热电偶/热电堆等。随着红外探测器的不断发展,现在,红外探测器被广泛应用于军事领域、医疗领域、工业领域
茶小绿叶蝉是我国茶园的主要害虫之一,对茶叶的产量和质量造成重大影响。掌握茶园虫口密度,是合理采取防治措施,控制茶小绿叶蝉的关键。本研究结合色板诱集技术、物联网技术、开发了一套可以连续采集田间茶小绿叶蝉种群数量的远程拍照系统,基于深度学习对照片中茶小绿叶蝉进行识别并计数,实现对茶园茶小绿叶蝉种群数量的动态监测,对指导茶农及时采取合理的防治措施提供帮助。课题主要研究内容如下:基于物联网技术搭建了一套田
现今社会,在医疗、环保、燃料燃烧、航空航天等领域中涉及到颗粒材料的研究经常需要测量粒子大小和三维位置等三维粒子场的信息。这些针对三维粒子场的测量对工业生产,日常生活都有重要的研究意义。数字全息技术通过干涉记录和衍射计算可以重建物体的三维信息,是一种真正的三维照相技术,其在三维粒子场成像及测量中能够发挥巨大的作用,对三维粒子场成像的研究具有重要的科学意义及实用价值。传统的数字全息3D粒子场成像算法存
肺炎病灶的识别与检测是计算机辅助诊断中的关键问题,研究肺炎目标检测对医学影像的诊断具有长远意义。在肺炎目标检测中,非极大值抑制(Non-Maximum Suppression,NMS)算法作为一个贪心的递归算法用于去除多余的检测框,但是其阈值凭借经验知识设定,不适应于复杂的肺炎图像。同时肺炎目标检测是一个多任务的模型,需要平衡各个任务之间的训练强度,而且肺炎图像病灶轮廓模糊、通道单一,使得模型在训
软体机械臂由柔性材料制作而成,它相比于传统机械臂更容易实现自由弯曲和扭转,具备更高的安全性和人机交互性。当今国内外研究人员对软体机械臂的研发主要重心在于对软体机械臂的控制方法,而较少集中在对软体机械臂形变的传感检测上。本文以光纤光栅作为传感元件,对软体机械臂作业时的弯曲和扭转形变进行检测,并基于非正交曲率三维重构算法,实现软体机械臂的形变可视化,具体工作如下:(1)选择实心硅胶棒作为软体机械臂替代
早期血细胞图像的分析由人直接观察、判断,但这种方式耗费大量的精力和时间。随着计算方法的出现,处理图像的效率大大提高了,这种传统的机器学习方法依赖专家提取特征,限制了其在显微图像分析上的广泛应用。近些年,特别是GPU和CPU的发展,深度学习开始得到广泛的关注和应用。本文主要探讨深度学习方法在血细胞图像分析上的应用,研究内容如下:1、血细胞分类实验主要采用自定义网络和微调的预训练网络。由于血细胞数据集
表面增强拉曼散射(SERS)光谱作为一种无损、快速的检测方法,受到广泛关注。贵金属材料目前是最主要的SERS基底,但在一定程度上限制了SERS的应用。Ti3C2作为过渡金属碳化物的一种,由于其大的表面尺寸利于吸附待测分子,其片状结构能够用于可控组装纳米颗粒等特性,被证明在SERS领域有应用前景。因此,本文基于Ti3C2纳米片开发出高质量的SERS传感器,实现对污染物及生物分子的高灵敏检测,主要研究
发光玻璃具有很多优良特性,如发光均匀性好、激活离子掺杂均匀、透明度高、热稳定性好、易制备加工等,且在白光LED、显示设备、光学传感器、光电子器件等方面有着潜在的应用价值。目前稀土离子掺杂发光玻璃已被大量研究,尽管其具有优良的光学性能和稳定性,以及高发射效率,但稀土原材料的成本较高。近几年,一些金属离子由于低价、环保,且具有良好的光学性能,受到了广泛关注。金属离子Sb3+是ns~2构型离子,有宽激发
Web2.0时代早已到来,各种类型的互联网平台如社交媒体、娱乐媒体、电商平台等不断涌现,随之产生的大量评论数据表达了用户的观点和喜好。从评论文本中挖掘其蕴含的情感极性有助于商家了解消费者对产品的态度,有着巨大的社会价值和商业价值。本文主要采用深度学习方法,研究适合于电商平台消费者评论文本特征的算法模型,对商品用户评论进行更精确的情感分类。本文的主要研究工作如下:对于不同类型商品的用户评论文本来说,