基于图时空神经网络的多充电站负荷协同预测方法

针对传统充电站负荷预测方法只能实现对单一站点预测的问题，提出一种基于图时空神经网络 （Graph Spatiotemporal Neural Network， GSTNN） 模型的多充电站负荷协同预测方法。定义时空信息图，描述充电站负荷之间的时空关系；构建时空特征提取网络，分别利用图卷积神经网络和门控序列卷积网络提取信息图的空间和时间维度信息，并使用长短期记忆网络 （Long Short Term Memory Networks，LSTM） 挖掘影响负荷预测的外部特征信息；融合提取的所有特征，进行负荷预测。算例结果表明，基于 GSTNN模型的方法能充分考虑时空特征和外部特征的影响，协同多个充电站的负荷数据进行预测，并同时输出各充电站的预测结果，有效提高预测准确度，有助于电网稳定运行。     

短期负荷预测系统在开平电网的应用

短期负荷预测主要预测未来1日24小时负荷的变化。开平供电局采用的短期负荷预测系统是由供电局SCADA/EMS/MIS系统、气象台气象预报系统、计划上报系统组成。笔者还介绍历史负荷数据辨识及修正和气象数据存储及应用等特殊问题的解决方案。     

二次指数平滑在交通信息短期预测中的应用

通过对当前交通道路信息的实际情况的分析并结合指数平滑预测模型,提出了符合当前交通信息的分段二次指数平滑模型,该模型主要根据某城市一天各时段的拥堵情况计算平滑系数表,在通过二次指数平滑模型对交通信息进行短期预测。该方法充分考虑到了交通道路信息的实际情况,提高了交通信息短期预测的合理性。经过实际交通信息数据验证,结果表明基于该方法预测未来短期交通信息准确率满足使用需求,并为其他交通信息短期预测提供一种新的方法。     

基于ARMA模型的公交枢纽站客流量预测方法研究

分析了城市公交客流量预测的必要性,提出了运用时间序列模型进行短期预测的方法;以城市公交短期交通特征为基础,设计了公交站点的ARMA短期客流预测模型;研究了单线路公交站点客流传统行为,构建了重点区域的枢纽站总客流实时预测模型,并采用上海市五角场枢纽站客流数据对比验证了文中模型的可行性,提出了枢纽站公交调度的优化建议。     

宴家隧道围岩收敛灰色系统预测模型

通过分析隧道围岩的收敛变形特征,基于宴家隧道典型断面开挖过程中的实测围岩收敛变形数据,建立了宴家隧道围岩收敛变形预测GM(l,l)灰色模型。结果表明:采用GM(l,l)灰色系统模型能较好地反映围岩收敛短期数据的变化规律,是对围岩收敛进行短期预测的一种有效方法。当添加实测的新数据,实时更新GM(1,1)模型后,可以提高运用GM(l,l)灰色系统模型预测围岩变形预测的时效性及预测精度,从而成为预测围岩变形的一种更为有效的方法。     

路堤沉降与稳定观测数据处理方法对比分析

用双曲线回归拟合法、指数曲线拟合法和星野法3种方法进行了路堤沉降与稳定观测数据的处理，通过对拟合结果的分析说明了三种方法的各自特点。结果表明，3种方法的短期沉降预测能力均较好，星野法模型较其它两个模型与实际最贴近，双曲线模型与星野法模型拟合效果相近，而指数曲线模型预测的最终沉降量较另外两个模型偏大。     

基于数据仓库的电力系统负荷预测研究

在现代化的社会中,数据仓库的性能和特点已经成为了电力系统负荷预测的重要内容。本文笔者针对电力系统负荷预测中引入数据仓库的好处等内容进行简单的分析,并对基于数据仓库的电力系统负荷预测的实现进行具体的阐述。     

融合K-means聚类和序列分解的实车锂电池剩余使用寿命预测

电动汽车锂离子动力电池健康状态（SOH）衰退过程受使用工况影响存在较多波动,导致模型预测精度下降,在锂电池剩余使用寿命（RUL）短期预测时,SOH波动情况不可忽略,为了准确预测SOH短期内波动情况,须从实车上传的锂电池运行数据中提取有效的健康因子。本文建立一种联合分布特征输入和序列分解融合的锂电池RUL预测方法,使用K-means聚类方法构建车辆锂电池运行过程的联合分布特征,并通过S-G滤波器对SOH衰退曲线进行序列分解,分别使用长短时记忆神经网络（LSTM）和多层感知机（MLP）对趋势部分和波动部分进行预测,融合得到最终预测结果。理论分析和实车采集数据验证表明,融合模型可以在预测车辆锂电池RUL短期衰退趋势的同时预测SOH的波动情况,有较高的短期预测精度。     

基于多车道加权融合的短时交通流预测研究

短时交通流预测是改善交通规划与管理效率的一个重要因素,为了提高交通运输管理和调度能力,从路段多车道交通流隐含的交互关系,引入一种基于多车道加权融合的短时交通流预测方法。用该方法分析了加州高速公路某五车道单检测点各车道交通流与聚合交通流之间的相关性,发现每个车道交通流与聚合交通流都呈现高度关联性。基于此,构建一种能够学习交通流上下关联性的双向长短时记忆模型。基于3种时间间隔数据,选取某一间隔交通流进行归一化及预处理,将各车道交通流和聚合交通流数据分别构成相对应的一组,采用几十组同"星期几"相应数据分别输入双向长短时记忆模型进行训练,利用各部分模型分别预测同一天相应车道和聚合的交通流。最后对预测的各部分交通流采用岭回归算法计算融合权重。通过权重融合预测的各车道交通流和聚合交通流作为最终预测的交通流,进一步在三车道检测点的3个时间间隔交通流进行试验。结果表明:本预测方法相对于未考虑各车道交通流与聚合交通流相关性传统预测模型的MAE、RMSE值均有一定程度降低,具有更高的预测精度和鲁棒性,是一种有效的交通流预测方法。     

一种基于预测反馈的城市公共交通协调调度系统

建立一种基于预测反馈的城市公共交通协调调度系统,利用相关终端获取实时的客流数据,对各站点的运量需求进行预测,并对预测值进行计算处理,得到初步的班线调度策略,以群组为单位,对联系较为紧密的各班线的调度策略进行协调,得到各班线均能接受的优化的调度策略,从而使各站点、班线和城市整体的客运能力和适应性均达到较为理想的水平.     

短时段交通流预测的RBF神经网络模型

介绍了基于RBF神经网络的短时段交通量预测模型,并利用该模型对高速公路所采集的数据进行仿真预测分析。预测结果表明RBF神经网络预测方法通过定义合理的网络结构参数可以获得较高的预测精度,能够满足路网调度对短时段交通流预测的需求。     

基于ARIMA与人工神经网络组合模型的交通流预测

将自回归求和滑动平均(ARIMA)与人工神经网络组合模型用于短时交通流预测。利用ARIMA模型良好的线性拟合能力和人工神经网络强大的非线性关系映射能力,把交通流时间序列看成由线性自相关结构和非线性结构两部分组成,采用ARIMA模型对交通流序列的线性部分进行预测,用人工神经网络模型对其非线性残差部分进行预测。结果表明:组合模型的预测准确性高于各自单独使用时的准确性;组合方法发挥了2种模型各自的优势,是短期交通流预测的有效方法。     

适应于电网负荷的电动汽车运营模式研究

基于我国目前的电网负荷现状,分析对比目前可能的电动汽车运营模式。在此基础上引入智能电网的概念,通过智能电网的调节改善电网负荷,提出适合于我国短期和长期发展的电动汽车运营模式策略。     

基于GA-SVR模型的短期交通流量预测方法研究

为了提高短期交通流预测精度,寻求最优交通流分组策略,通过对短期历史交通流量数据的分析,运用遗传算法优化支持向量回归机的惩罚参数、核函数参数和不敏感损失函数3个参数,构建了GA-SVR模型。首先对采集的数据采用算术平均值进行了降噪处理,然后根据交通数据特征分为连续5个星期五时间、相邻前5个工作日和当天3种时间周期序列,通过不同时间周期序列确定了最优的训练样本集。最后结合采集的数据进行了验证,并且与传统SVR模型进行了精度对比。结果表明:GA-SVR模型预测精度优于传统SVR模型,且基于当天数据构建的训练样本集总体预测精度最高。     

混凝土收缩徐变预测模型的分析比较

提高对混凝土收缩徐变的长期预测精度，是大跨度桥梁设计中要解决的一个关键问题。通过从模型建立的机理、影响因素的考虑、预测精度的比较以及通过短期试验确定预测模型中材料参数的可行性与可靠性等方面对常用的5种收缩徐变模型进行了比较，得出一些有益的结论。     

基于CEEMDAN-SVR的公路隧道运营短期能耗预测模型研究

针对公路隧道能耗数据的随机性、不确定性和小样本特征,采用“分解-预测-集成”思路,提出一种基于集合经验模态分解模型(CEEMDAN)和支持向量机回归(SVR)的组合预测模型,能够有效提高短期能耗预测精度。首先,通过预处理原始能耗数据剔除异常值、修复缺失值和标准化能耗数据;其次,运用CEEMDAN模型将能耗数据分解为模态分量和残差分量;最后,分别构建各分量的SVR模型进行训练和预测,通过集成合并各分量预测值得到整体能耗预测值。以济莱高速公路蟠龙隧道用电量数据为例,探究模型最佳输入步长和输出步长,并与其他单模型和组合模型进行对比。结果表明：CEEMDAN-SVR模型在RMSE、MAE、MAPE指标下均能取得最优预测精度。     

增压柴油机热负荷研究

增压发动机热负荷的增加会影响发动机的使用寿命。针对不同的与燃气直接接触的发动机零件。介绍了具体的测点布置方案及测试方法，并对CA6DFl-27型柴油机进行了实机试验。指出，CA6DFl-27型柴油机在现有功率下不能满足热负荷要求，宜采取各缸进水口位置上移的解决方法。通过对改进后发动机热负荷的测试可以看出。各测点的温度有明显的降低。     

基于计量经济学模型的武汉市汽车保有量预测

本文根据武汉市统计数据,应用计量经济学方法,建立了汽车保有量预测模型,模型特别将上一年汽车保有量作为表征消费者购车心理的变量纳入了分析。通过MATLAB软件计算出回归系数和相关统计参数,并对模型进行了各项检验,最终根据修正后的模型计算了武汉市2016年的汽车保有量,结果较为准确,表明该方法是一种较为严谨的短期预测方法。本文亦对武汉市2017年的汽车保有量进行了预测。     

考虑噪声标签影响的驾驶员精神负荷状态评价

现有驾驶员精神负荷评价研究多以驾驶场景中有无次任务来给定驾驶员的精神负荷分类标签，但驾驶员在正常驾驶情景下也可能由于陷入自我思维而导致精神负荷的增加；此外，由于个体差异，同一驾驶次任务对不同驾驶员精神负荷的影响也不尽相同。因此，由传统方法所制作的数据集可能存在噪声标签，从而影响精神负荷评价模型的训练效果。针对此类问题，本文中采用置信学习的方法对驾驶员的精神负荷分类标签进行检测和滤除，使用处理过的标签，以脑电、心电和皮电信号特征作为模型输入，基于支持向量机、随机森林、K近邻、决策树、逻辑回归和多层感知机等多种算法构建驾驶员精神负荷模型，对比分析噪声标签处理对提高各类模型性能的效果。结果表明：使用置信学习进行噪声标签处理后，所构建的多种驾驶员精神负荷模型的性能均得到了明显的改善，其中，支持向量机模型的性能提升的效果最佳。     

停车场电动汽车充电优化策略

针对停车场电动汽车充电服务,基于工作日期间车辆到达时间分布与电价波动特征,从停车场运营管理角度提出了2种充电优化策略:①为了使停车场用电负荷峰值最小和停车场总电费最低,从而建立了线性优化模型;②以拥有250个充电桩的停车场为例,以停车场各时段的电力负荷和总电费支出为评价指标,将提出策略与传统随到随充策略进行比较分析.结果表明,相比随到随充的运营策略,用电负荷峰值最小策略可使停车场电力负荷峰值降低69.9%,总电费最低策略可使停车场的总电费降低13.1%,证明了模型的实用性和有效性.