简介:短期光伏发电功率预测对维护电网安全稳定和协调资源利用具有重要意义,针对现有的神经网络法、小波分析法等单一预测模型预测精度提升有限的问题,引入集成学习的思想和方法,提出一种基于Stacking算法改进支持向量机(SVM)的短期光伏发电预测方法.该方法先使用多个不同的初级SVM对预测样本进行一次预测得到多个预测输出;然后对训练集进行聚类,使用与预测样本同类别的训练样本训练次级SVM;最后使用次级SVM对多个预测输出进行结合得到最终预测结果.经光伏发电系统的实际运行数据实验,结果表明本文提出的方法相较于单一预测模型精度有了明显提升.
简介:采用基于自由能模型的格子Boltzmann方法,考虑到毛细管数和气液黏性比的影响,模拟了气泡在剪切作用下的动力特性.结果表明,无论气泡半径大小,总是其长轴被拉伸,中轴和短轴被压缩,且中轴的长度总大于短轴的长度.随着毛细管数的增加或气液黏性比的增大,气泡变形和偏转程度越剧烈.