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:摘要:煤炭是不可再生资源,随着开采量的日渐增大,表层资源越来越少,煤矿开采也逐步从传统的地面开采转变为深部开采。相关数据研究测算表明,我国各大煤矿产区每年的开采深度下降10~20m,虽然可以满足我国工业领域发展的资源需求,但也增加了煤矿的瓦斯压力,导致每年增加的压力达到了0.1~0.3MPa。煤矿开采深度日渐加大,地质构造越发复杂,煤矿灾害的发生率也在不断提升,越来越多的大型煤矿转变为高瓦斯煤矿,导致煤矿瓦斯治理难度不断提升。这些问题始终未获得有效的解决,对煤矿开采的效率和质量造成了严重影响,为企业的安全生产带来了一系列的巨大隐患。因此,加强瓦斯治理理论研究,制订针对性的防治措施,已经迫在眉睫。