为了提高西北地区弃风电的利用率、减少煤化工产业对当地环境的污染,提出了风电与煤化工进行耦合的方案。该方案构建了风电制氢与煤化工相耦合的基本架构,将不能并网的富裕风电电解水制氢,氢气应用于煤化工系统,简化其单元过程。以30万t/a甲醇规模为例,对两种方案的能耗、投资及经济可行性进行了分析。结果表明,在有充足弃风电的西北地区,风电制氢与煤化工耦合系统的煤耗量、水耗量和CO2排放量分别是原单纯煤化工系统的51.9%、62.2%、22.2%,就地可利用弃风电电量1.238 4×10
针对传统单一的LSTM算法在股票预测中存在预测不平衡,容易陷入局部最优值二而导致的预测准确率偏低的问题,提出了一种基于时序集成森林的股票多类别预测算法。该算法分为两部分,首先是随机森林改进的LSTM进行股票的收盘价预测;其次,根据第二天预测的收盘价与前一天的收盘价对比得到涨跌信号;最后将LSTM提取的时序特征与涨跌信号输入集成森林进行股票的涨跌预测。该算法充分利用了LSTM提取时序特征的能力、随机森林的拟合能力以及集成森林的分类能力。最后在平安银行股票数据上进行了实验,结果表明,本文提出的算法优于单一的L
在电力场景下,由于光线变化、相似度高,导致传统算法准确率较低。针对这种情况,提出一种小样本目标检测方法,采用迁移学习的精简模型自动提取物品的特征,可以克服环境变化的干扰,能准确地识别目标,为实现电力场景下作业机器人智能作业奠定基础。实验证明相对于传统方法,本文方法在保证识别速度的同时准确率可提升8%。