基于CEEMDAN和TCN-LSTM模型的短期电力负荷预测

针对短期电力负荷数据随机性强,难以实现准确预测的问题,提出了一种基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)和时间卷积网络-长短期记忆网络(temporal convolutional network-long short-term memory network, TCN-LSTM)混合模型的预测方法。所提算法先使用CEEMDAN方法将负荷数据分解为一系列相对平稳的子序列。同时为了降低后续计算规模,通过引入排列熵的方法将各子序列进行重组。然后,将各个重组序列输入到TCN-LSTM组合模型中,利用TCN模型提取特征并构建序列的特征向量,再基于LSTM模型对其进行训练及预测。最后把全部预测值进行相加得到完整的预测负荷值。通过使用欧洲某地真实负荷数据进行验证。结果表明：所提算法与其他常见的预测算法相比具有更高的预测精度,可为负荷预测等研究工作提供相关参考。     

基于FPGA的光伏并网逆变器控制系统的研究

提出一种利用FPGA实现的光伏并网逆变器控制系统.在分析Boost型DC/DC转换器和电压源型逆变器组成的光伏并网逆变器硬件结构的基础上,对最大功率跟踪、SVPWM调制、并网控制等关键控制环节进行了研究,通过在FPGA内搭建AD采样控制、数据处理、最大功率算法、SVPWM发生、PI控制器、数字锁相环等模块实现该控制系统.搭建应用该控制系统的3kW光伏并网逆变器样机,在分布式发电实验平台运行,结果验证了该FPGA控制系统的可靠性,证明了其并行运算能力有助于提高控制效率和光伏并网系统的输出电能质量.     

分布式发电系统中基于FPGA控制的采样设计

设计了一种基于FPGA控制的AD采样电路.介绍了采样芯片内部各驱动信号作用及时序关系,详细分析了使用FPGA控制AD芯片实现时分复用的采样设计以及在FPGA中对采样结果进行的软件数字滤波、过零检测、离散傅里叶变换等数据处理过程,通过实验检验了这种采样电路的正确性和实用性.     

地质工程中物理模拟方法综述

物理模拟试验是地质工程工作中一种重要的研究手段,介绍了物理模拟的原理、研究目的、方法以及它的重要地位等。在查阅大量相关资料的基础上,对地质工程中常用的物理模拟试验方法的发展历史、原理、优缺点以及它们的应用情况进行详细的分析,主要对离心模型试验进行了阐述,最后就物理模拟试验作了简要的总结。     

一种融合双向LSTM和CNN的混合情感分析模型

针对现有文本情感分析方法实时性不强、难以应用到大规模文本、不能同时提取文本上下文信息和局部语义特征等问题，提出一种融合双向长短期记忆（LSTM）和卷积神经网络（CNN）的混合情感分析模型通过使用双向LSTM和CNN模型对由word2vec编码得到的文本词向量进行训练，运用注意力机制将双向LSTM模型学习到的特征作用于CNN模型上，并进行特征加权，最后将双向LSTM模型和CNN模型得到的结果进行拼接，由分类器得到相应的情感分类结果在NLPCC SCDL数据集上进行实验，结果表明所提出的融合双向LSTM和CNN模型在精度、召回、f1值和准确度方面优于两个单独的模型     

基于FPGA的三相SVPWM调制算法的实现

阐述了空间矢量脉宽调制SVPWM的原理,在MATLAB的Simulink仿真环境下,对系统进行了仿真,利用Altera公司的Cyclone Ⅰ系列FPGA实现了调制算法,产生6路SVPWM调制波,用于对三相电压源型逆变器进行调制,得到了对称的三相电压波形,仿真和实验结果与理论计算完全相符,验证了算法的正确性和可行性.     

一种基于电力载波通信的路灯控制系统集中器的设计

在基于电力载波通信技术的路灯控制系统中,集中器承担所有路灯的管控任务,对系统的可靠性工作起着至关重要的作用。设计了一款基于电力线载波技术的路灯集中器,实现三相路灯可靠管控。该集中器基于32位高速处理器和嵌入式操作系统,通过软、硬件的协同配合,实现控制系统通信协议管理、集中器与分别连接于三相的路灯终端通信以及集中器与远程管理中心信息交互。通过搭建测试平台对其控制功能及性能进行测试,测试结果表明,该集中器能够满足路灯控制系统中实时性、可靠性的要求。     

工程地质、岩土工程、地质工程三者关系浅议

本文是笔者在查阅了大量文献资料的基础上,总结了工程地质学、岩土工程学和地质工程学三者各自的概念、发展历程,以及它们互相之间的联系与区别：岩土工程和地质工程都是工程地质的延伸,虽然三者的研究对象、范围和侧重点各不相同,但都需以弄清地质条件为基础,才能很好地服务于工程建设。     

基于贝叶斯优化注意力机制LSTNet模型的短期电力负荷预测

为更充分挖掘多元负荷序列间的有效信息,从而提高预测精度,提出了一种集成贝叶斯超参数优化算法、注意力机制的长期和短期时间序列网络（long and short-term time-series network with attention,LSTNet-attention）以及误差修正的短期负荷预测模型。首先,构建基于贝叶斯优化的LSTNet-attention模型进行初步预测,利用贝叶斯算法优化模型多个结构参数,降低人工设置参数的随机性,并通过注意力机制合理分配特征权重;然后,通过基于贝叶斯参数优化的极端梯度提升算法(extreme gradient boosting,XGBoost)误差修正模型来挖掘初步预测误差序列中潜在、未被利用的有效信息,进行误差预测和修正,进而得到最终的预测结果。通过使用澳大利亚某地真实负荷数据进行实证分析,实验结果表明,所提预测模型相较于其它模型具有更好的预测效果,可为负荷预测等工作提供一定参考。     

Z源型逆变器母线电压PI控制策略的研究

介绍了一种在Z源逆变器输入电压发生变化时,通过对Z源电容电压的控制,快速稳定直流母线电压的PI控制策略.在详细分析了系统小信号模型的基础上提出了控制方法,同时设计了响应速度快,稳定性强的PI控制器.