【摘 要】
：
随着我国风电产业的高速发展，风电功率预测的作用也愈显突出。提高风电功率超短期预测的稳定度、速度和精度，是更加合理地利用风电的关键技术之一。在深入分析影响风机出力主要环境因素的基础上，对真实风电场的环境监测历史数据进行了降维处理，以风速、风向、温度及湿度四个主环境因素作为GWO-SVR预测模型的训练和测试集，进行预测分析。不同预测模型的对比表明，降维处理可有效降低模型的复杂程度，降低无用数据对预测结
【基金项目】
：
黑龙江省属本科高校引导性创新基金项目（2018YDQ-02）；
论文部分内容阅读
随着我国风电产业的高速发展，风电功率预测的作用也愈显突出。提高风电功率超短期预测的稳定度、速度和精度，是更加合理地利用风电的关键技术之一。在深入分析影响风机出力主要环境因素的基础上，对真实风电场的环境监测历史数据进行了降维处理，以风速、风向、温度及湿度四个主环境因素作为GWO-SVR预测模型的训练和测试集，进行预测分析。不同预测模型的对比表明，降维处理可有效降低模型的复杂程度，降低无用数据对预测结果的影响，预测结果的稳定性、速度及精度均有提高。
其他文献
绿色税收制度是中国促进资源集约、治污减排和绿色消费发展的重要政策工具，现已成为中国税收制度改革、实现经济社会可持续发展的重点。基于中国2010—2021年省域面板数据，运用熵权TOPSIS模型构建了绿色税收和可持续发展综合指标体系，采用绿色税收指数作为核心解释变量，运用基准回归模型、税种异质性分析以及门槛效应模型对绿色税收促进可持续发展的效果和机制进行实证分析。结果显示，绿色税收对可持续发展发挥显
基于长三角地区27个城市2005—2019年的面板数据构建动态空间杜宾模型，探究绿色税收、产业结构升级对碳排放的影响。在此基础上，采用有调节的中介效应模型来揭示技术创新在三者之间的作用。结果表明：（1）长三角地区碳排放呈现出显著的空间正相关性和空间溢出效应；（2）绿色税收对碳排放的影响是先抑制后促进的“U”型非线性关系，产业结构升级对碳排放有显著的抑制作用；（3）绿色税收通过产业结构升级对碳排放有
目的 探讨髋关节置换术后发生下肢深静脉血栓（DVT）形成的危险因素。方法 检索PubMed、Embase、Cochrane Library、中国知网（CNKI）、万方、维普和中国生物医学文献数据库（CBM）,收集数据库建立至2022年8月期间髋关节置换术患者DVT危险因素的病例对照研究、队列研究和横断面研究。由两位作者独立筛选文献、提取数据并评估纳入文献的偏倚风险后，采用Stata 16.0软件进
随着风电利用率的不断提高，风电输出功率的准确预测对电力系统的调度和稳定运行具有重要意义。然而，风力发电的随机性和波动性容易影响功率预测结果的准确性。本文提出一种基于时空相关性的风电功率预测方法，由时空注意力模型和时空卷积模型组成。首先，利用空间注意力层和时间注意力层对不同风机之间的时空相关性进行聚合提取。其次，通过空间卷积层和时间卷积层有效捕捉风电数据之间的空间特征和时间演变规律。最后，采用中国两
为提升超短期风电功率预测精度，提出一种数据-物理混合驱动的超短期风电功率预测方法。首先，构建一种融合双向门控循环单元的残差网络结构，将其在测试集的预测结果作为预测模板。然后，根据风速-风电转换特性，基于多项式-线性回归模型拟合风电场风速-功率曲线，在风速高波动时点，以物理机理透明的风速-功率曲线进行预测。最后，根据风速波动阈值建立不同模型之间的动态切换机制，按切换的时点修改模板预测值，对于修正风速
咖啡作为一种经济价值高的农作物，是种植区域内农户收入的主要来源，云南省的咖啡产量占全国的98%,随着全球咖啡消量的提升，扩大咖啡种植有利于增加农户收入。当前，云南省咖啡种植面临咖农获利较少，种植积极性较低和咖啡品牌效应较差，市场活力不足的问题。从保护环境视角出发，为咖啡的可持续种植提供基础；扩大种植面积，回应市场需求的快速增长；引导咖农建立自治组织和构建咖啡巢状市场是推动云南咖啡可持续种植的重要路
现代通讯和测量技术飞速发展，“风电大数据”时代随之而来。在众多数据维度中提取有效的特征量能提高风电功率预测精度。Shap值可以解释特征变量对预测结果的影响程度，文中应用基于Shap的归因分析模型梳理出对风电功率影响较大的6维特征变量。将其与风电功率数据同时导入基于LOF-ARIMA的异常数据识别模型，从而对风电功率预测过程中所使用的历史数据加以清洗。最终根据VMD-PSO-BiLSTM分解模型完成
风力发电由于其本身所具有的波动性、随机性以及间歇性,给电力系统的安全及稳定运行带来了较大考验,而风电功率预测技术能够提前给出风电出力预估值,帮助发电厂及电力系统调度部门制定合理的发电、检修以及调度计划,降低风电并网对电力系统的冲击,提高风能的利用效率,促进未来风电的大规模开发利用。为了提高超短期风电功率预测精度,本文提出一种结合随机森林（Random Forest,RF）、时间卷积神经网络（Tem
电力现货市场扮演着电力市场规划、“电改”的关键角色，借助“分区”“分时段”的方法，制定电力价位，使各类发电机组在不同时段、不同地域的电价有一定差异性，获取其供电收益，提高电力资源配置的合理性，有序发展新能源的消纳工作。风电表现出一定能源采集随机性、电力波动性、供能间歇性等特点，会受到天气因素的干扰，出现功率、电价的波动，有一定的潜在经营风险。为此，从功率预测技术视角，研究其对电力市场产生的作用，用
针对风电功率数据包含的多尺度时间信息难以描述、现有方法未充分考虑气象因素对于风电功率动态耦合的影响而导致的预测性能下降等问题，提出了一种基于自适应时序表征和多级注意力的超短期风电功率预测方法。采用时序嵌入层对风电功率序列进行表征以获取其周期、非周期模式，并引入自注意力捕捉高维风电功率序列的自相关性；利用交叉注意力重构风电功率与气象因素，形成包含两者耦合关系的多维特征序列；利用一维卷积神经网络沿时间