高爽
- 作品数：15 被引量：338H指数：7
- 供职机构：北京理工大学自动化学院更多>>
- 发文基金：国家自然科学基金北京市教委科技计划面上项目日本SMC株式会社资助项目更多>>
- 相关领域：电气工程机械工程自动化与计算机技术更多>>
- 跟踪微分器在减压阀流量特性测量新方法中的应用研究被引量：1
- 2008年
- 在一种减压阀流量特性测量的新方法中,需要通过计算压力信号的导数来计算流量。如何在含有噪声的压力信号中准确提取压力微分信号是一个关键问题。该文借鉴控制领域研究成果,用跟踪微分器对压力信号的滤波并提取其微分信号。研究结果表明该方法具有参数调整简单,易于程序实现,数据处理结果较高等特点。
- 张宏立范伟高爽彭光正王涛
- 关键词：跟踪微分器减压阀
- 风电场发电功率的建模和预测研究综述被引量：141
- 2009年
- 随着大量风电并入电网中,为了合理制定发电计划,保证电力系统稳定运行,需要对风电输出功率进行预测。首先根据建模的方法和预测模型的对象两个分类标准,归纳总结了目前风电功率预测研究的模型和方法,然后简要概括了国内外的研究现状,最后提出了风电功率预测模型的改进方向。
- 王丽婕廖晓钟高阳高爽
- 基于粗糙集理论的中长期风速预测被引量：48
- 2012年
- 在中长期风速预测中,正确处理相关因素的影响是提高风速预测精度的关键。该文提出一种粗糙集理论预测方法。利用粗糙集理论分析出风速预测的主要影响因素,将其作为中长期风速预测模型的附加输入,建立粗糙集神经网络预测模型。利用黑龙江某风电场的数据进行训练和预测,并将预测结果与单纯的混沌神经网络预测方法和持续模型方法进行对比,结果表明,粗糙集神经网络模型的预测精度最高。粗糙集方法在中长期风速预测中将是一个有用的工具。
- 高爽冬雷高阳廖晓钟
- 关键词：风速预测粗糙集混沌神经网络
- 基于多位置NWP与主成分分析的风电功率短期预测被引量：43
- 2015年
- 数值天气预报(NWP)信息对风电功率短期预测模型的准确性起着重要作用。考虑风电场周围多个位置的NWP信息,提出聚类分析与主成分分析相结合的方法对风力发电功率短期预测进行研究。通过聚类分析提取历史数据中与预测日NWP最相近的样本,然后用主成分分析法对样本日信息进行处理,获得更加准确反映风电场特性的参数。通过对依兰风电场的发电功率进行预测,证实了该方法的有效性,其准确度比基于单位置NWP的预测模型提高了4.65%。
- 王丽婕冬雷高爽
- 关键词：风电功率预测数值天气预报主成分分析聚类分析
- 风力发电容量的预测研究
- 高爽
- 关键词：风力发电神经网络支持向量机
- 基于一次填充法的调压阀流量特性测量方法的研究
- 本文提出了一种新的调压阀流量特性测量方法:一次填充法。该方法的原理是通过调压阀向一个封闭容器充气, 通过分析充气过程中的准平衡过程来得到调压阀的流量特性。本文对该方法进行了建模与仿真分析,并利用该方法对普通调压阀AR20...
- 彭光正张宏立高爽王伟
- 关键词：调压阀
- 文献传递
- 基于聚类分析的风电场短期功率预测方法研究被引量：1
- 2015年
- 为了充分利用历史风速数据所蕴含的信息,本文根据风速和风电功率的日相似性提出基于聚类分析的短期功率预测方法,通过对原样本数据进行预处理,选取与预测日NWP特征参数相似的历史日数据,以此作为建立模型的训练样本,将气象部门提供预测日的NWP信息作为预测日的特征参数,计算特征参数间的欧式距离,以此作为相似性度量的依据,最后利用聚类后的相似样本建立预测模型,以NWP数据为输入参数,实际风电功率为目标值,经过训练后得到聚类风电功率短期预测模型。经实际风电场测试,预测精度明显提高。
- 董存高爽郝颖高阳
- 关键词：聚类分析
- 并网型大型风电场风力发电功率-时间序列的混沌属性分析被引量：31
- 2007年
- 为了合理调度大型并网型风力发电系统中的供电系统,降低供电系统的旋转备用容量和运行成本,对风力发电容量进行预测.利用非线性动力学的理论方法对并网型风力发电系统的发电容量-时间序列进行分析,以检验其是否存在混沌属性.通过对风力发电容量-时间序列进行低维非线性动力学建模,分析该时间序列呈现的混沌特性,该结果为基于混沌时间序列的风力发电容量预测奠定了基础.
- 王丽婕廖晓钟高爽冬雷
- 关键词：风力发电功率预测
- 高效节能的减压阀流量特性测量新技术
- 彭光正范伟王涛张宏立高爽胡艳萍
- 国际标准化组织于1989年颁布了测定气动元件流量特性的国际标准ISO/DIS 6358-1989，中国根据自身情况参照ISO/DIS6358-1989于1993年颁布了国家标准GB/T14513-93。根据这些标准，元件...
- 关键词：
- 关键词：减压阀
- 基于多嵌入维数的风力发电功率组合预测模型被引量：24
- 2010年
- 为了减小混沌系统的重构参数对预测结果的影响,提出了基于多嵌入维数的风力发电功率组合预测模型.分别使用线性加权算法和神经网络算法对单一的基于相空间重构的神经网络模型进行组合,既综合了各嵌入维数下的信息,又将各维数下的预测偏差进行融合,从而有效提高了预测精度.通过对黑龙江富锦风电场的功率时间序列进行验证,证实了该组合模型的有效性,神经网络非线性组合算法的预测误差小于7%.
- 王丽婕冬雷胡国飞高爽廖晓钟
- 关键词：风电功率预测相空间重构
