【摘 要】
：
光伏发电功率受到气象状况及环境因素的影响,具有很强的随机性与间歇性,给电网的安全运行带来了一系列的问题。为了准确预测光伏发电功率,降低光伏并网的不利影响,实现电网系统的稳定运行,将烟花算法(FWA)引入到神经网络模型中,利用烟花算法局部搜索能力和全局搜索能力自调节的机制优化神经网络中权重和阈值的寻优过程,提出了一种基于烟花算法改进BP神经网络(FWA-BP)的光伏发电功率预测模型。通过某光伏电站实测数据进行仿真实验,结果表明,与传统BP神经网络和遗传算法优化BP神经网络相比,FWA-BP神经网络模型的预测
【基金项目】
：
国家重点研发计划(2018YFB1500902)。
论文部分内容阅读
光伏发电功率受到气象状况及环境因素的影响,具有很强的随机性与间歇性,给电网的安全运行带来了一系列的问题。为了准确预测光伏发电功率,降低光伏并网的不利影响,实现电网系统的稳定运行,将烟花算法(FWA)引入到神经网络模型中,利用烟花算法局部搜索能力和全局搜索能力自调节的机制优化神经网络中权重和阈值的寻优过程,提出了一种基于烟花算法改进BP神经网络(FWA-BP)的光伏发电功率预测模型。通过某光伏电站实测数据进行仿真实验,结果表明,与传统BP神经网络和遗传算法优化BP神经网络相比,FWA-BP神经网络模型的预测
其他文献
随着大数据时代的到来,海量数据出现在人们眼前。从冗杂的信息中快速获取满足人们个性化需求的数据成为了一个棘手的问题,推荐算法是解决此类问题的有力工具。针对移动电商平台中信息量较大,人们难以快速获得所需信息的问题,提出了一种融合内容与协同过滤的混合推荐算法。该算法先利用基于LFM的协同过滤算法产生推荐结果;当面临向新用户或新物品进行推荐时,再利用基于内容的推荐算法产生推荐结果。采用级联的方式将两种推荐算法进行混合,在一定程度上缓解了用户冷启动问题、物品冷启动问题及数据稀疏问题,克服了单一算法的局限性。实验证明
针对复杂背景SAR图像船舶目标检测易受地物干扰影响,导致模型检测率低的问题,提出将结合通道和空间的双注意力机制CBAM引入目标检测网络;将膨胀卷积和concat特征融合技术应用于目标检测网络中提升模型对小尺寸目标的鲁棒性;为了进一步提高模型的检测速度,使用轻量级MobileNet作为基础特征提取网络;同时采用一个新的二分类损失函数使模型训练能够对难易样本设置不同的权重。最后,通过在构建的复杂背景SAR图像船舶目标检测数据集SDATA上进行实验,实验结果表明该算法在复杂背景SAR船舶目标检测中其平均检测精度
深度哈希利用端到端的框架同时进行特征学习及哈希编码,两者相互促进,提取到合适的特征以及生成优质的哈希码。然而,深度哈希方法在图像检索研究中仍面临一些挑战:(1)大多数现有的深度哈希方法使用复杂的神经网络作为基础网络,网络参数增多,模型越来越大,在一些移动端和嵌入式设备上很难写入几十甚至上百MB的模型。(2)目前,大多数深度哈希方法使用具有高时间复杂度的损失函数来保留原始数据空间和哈希编码之间的相似
RFID系统中电子标签使用周期过程中,电子标签所有者经常发生变化,为确保所有者变化前后每位所有者存放在电子标签中隐私信息的安全,文中设计了一种满足后向安全性的算法。该算法采用基于位运算实现的异或交叉运算对传送信息加密,其中异或交叉运算具体实现过程中将依据加密信息汉明重量大小进行不同规则运算操作,以提升算法安全性;异或交叉运算采用按位运算方式实现,使得算法整体计算量大幅降低,算法可以达到超轻量级的级
针对目前的文件分层的基于属性可搜索加密方案存在不支持LSSS访问结构以及多关键字密文较长等问题,提出了一个云环境下灵活高效、支持LSSS访问结构和文件分层的多关键字可搜索方案。首先通过将秘密值分配的方法,将下层的秘密值直接嵌入上层的密文中,不仅缩短了分层加密文件的密文长度,还提高了加密、解密效率;其次通过对多关键字构造索引向量的方式,解决了目前多关键可搜索方案中关键字密文长度随关键字个数线性增加的问题,实现了关键字密文长度固定的多关键字搜索,并采用先关键字搜索,再解密的方式进一步提高了关键字的搜索效率。最
随着社会信息化的快速发展,指挥信息系统逐渐成为作战的核心要素,所面临的数据安全问题也随之增加。传统的中心化数据保护方式易出现单点失效和数据篡改等问题,难以有效保障系统的数据安全。针对这些问题,结合区块链去中心化、不可篡改、可追溯审计以及可编程等优势,提出了一种基于联盟链的指挥信息系统数据保护方案,分析了指挥信息系统的节点功能,利用多通道结构对节点权限进行了划分,设计并实现了基于混合加密的数据保护智能合约,保证链上数据分布式存储、不可篡改、完整性可验证,支持数据的授权共享,并对非授权节点保密。测试结果显示,
H.264解码器在申威平台移植后遇到解码效率低,视频播放不流畅等问题。为提升视频解码性能,满足国产申威平台用户的多媒体需求,首先对FFmpeg开源编解码库中H.264解码器进行了详细分析,使用性能分析工具找到视频解码的热点函数。然后充分利用申威处理器的向量扩展部件,对解码器运动补偿、DCT反变换等关键模块代码使用手工嵌入式汇编进行向量指令替换来缩短指令周期,实现向量化并行。最后对环路滤波代码中不能直接向量化的循环通过数组重组等方式满足向量化分析,然后进行向量化计算,更深层次挖掘多媒体并行能力,从而提升多媒
图像标注的准确性在很大程度上关系着图像检索的准确性。然而,传统的基于最近邻模型的图像自动标注方法不能有效提取图像底层特征,并且无法有效建立低级视觉特征到高级语义之间的映射关系,使得近邻图像搜索不准确从而影响图像标注的准确性。针对上述问题,提出了一种改进的基于CNN和加权贝叶斯的最近邻图像标注方法。首先,利用卷积神经网络(convolutional neural networks, CNN)提取图像
由于电话拨测系统存在大量的省市端局、端局用户信息和数以千计的拨测号码,以手工的方式做重复的功能测试会增加测试时间和工作成本,为了减少繁琐冗余的测试工作量,提高测试效率,现使用开源web自动化工具Selenium对电话自动拨测系统进行回归测试。对于电话自动拨测系统中端局管理等三个主要的模块,选择部分适合自动化测试的功能点来设计测试用例,以python为开发语言,unittest为单元测试框架,编写测试代码并进行优化,在执行脚本后,能生成完整、易于分析和定位缺陷的测试报告并自动以电子邮件的形式发送给测试和开发
糖尿病是一种由多种因素引起的无法根治的代谢性慢性病,而生活方式是影响糖尿病血糖变化的一个重要因素。因此,针对糖尿病患者的生活习惯,设计并实现了糖尿病演变与预测的可视分析系统,将空腹血糖划分为正常、轻度、中度与重度四个等级,构建了血糖演变图以展示单位时间内的血糖演变情况,并分析了单位时间内患者的生活习惯对于血糖的影响。为进一步分析影响程度,采用了不同的机器学习算法预测当前生活习惯下的血糖变化。设计可视化图形提供多视图,通过多角度的展示与交互分析来挖掘不同血糖变化的生活习惯差异,并对各类机器学习模型的预测效果