风电功率的超短期精确预测对于电力系统持续、稳定运行具有重要意义。针对风电功率超短期预测问题,提出了一种基于多重注意力双通道模型(dual-channel model with multi-attention,DCMMA)的预测方法,首先采用最小冗余最大相关性(minimum...风电功率的超短期精确预测对于电力系统持续、稳定运行具有重要意义。针对风电功率超短期预测问题,提出了一种基于多重注意力双通道模型(dual-channel model with multi-attention,DCMMA)的预测方法,首先采用最小冗余最大相关性(minimum redundancy maximum relevance,mRMR)算法对多元气象因素变量进行筛选,预处理得到适配模型的样本;其次通过DCMMA模型并行提取气象因素时序数据和风电功率时序数据在超短期内的内在特征,并添加多重注意力对各维度下的重要信息进行关注;最后将贝叶斯优化算法(Bayesian optimization algorithm,BOA)融入模型超参数寻优过程,得到包含近似最优超参数的DCMMA模型。多次实验结果表明,所提方法在超短期内的预测精度均优于其他对比模型。展开更多
文摘风电功率的超短期精确预测对于电力系统持续、稳定运行具有重要意义。针对风电功率超短期预测问题,提出了一种基于多重注意力双通道模型(dual-channel model with multi-attention,DCMMA)的预测方法,首先采用最小冗余最大相关性(minimum redundancy maximum relevance,mRMR)算法对多元气象因素变量进行筛选,预处理得到适配模型的样本;其次通过DCMMA模型并行提取气象因素时序数据和风电功率时序数据在超短期内的内在特征,并添加多重注意力对各维度下的重要信息进行关注;最后将贝叶斯优化算法(Bayesian optimization algorithm,BOA)融入模型超参数寻优过程,得到包含近似最优超参数的DCMMA模型。多次实验结果表明,所提方法在超短期内的预测精度均优于其他对比模型。
文摘针对含有噪声和外点的三维点云刚体配准问题,由于迭代最近点(iterative closest point,ICP)算法的配准精度较低,为此,该文提出了一种基于改进ICP算法的三维点云刚体配准方法。考虑到伪Huber损失函数对噪声和外点不敏感、鲁棒性强,首先,建立了基于伪Huber损失函数的三维点云刚体配准模型。其次,利用RGB-D点云数据中颜色信息辅助建立点云对应关系,以提高改进ICP算法中对应点匹配的准确性。最后,结合奇异值分解(singular value decomposition,SVD)和Levenberg-Marquardt(LM)的优化算法对三维点云刚体配准模型进行优化求解。实验结果表明,该文所提三维点云刚体配准方法的配准精度高,能够有效抑制噪声和外点对配准精度的影响。