基于PCC-LSTM模型的短期负荷预测方法

短期负荷预测是电网合理调度和平稳运行的基础。为提高短期负荷预测精度,提出了一种基于Pearson相关系数(PCC)和长短期记忆(LSTM)神经网络的短期负荷预测方法。该方法运用Pearson相关性分析对原始多维输入变量组成的时间序列进行相关性分析,选取与电力负荷数据相关性较大的影响因素作为输入量,实现原始数据的降维和选优;再通过LSTM神经网络结合Adam优化算法,对与电力负荷相关性较大的影响因素和负荷实际输出序列之间的非线性关系建立网络模型。以嘉捷BOX和重庆丽苑维景国际大酒店的负荷数据作为实际算例,并与Prophet、LSTNet、门控循环(GRU)神经网络模型方法进行对比。结果表明:所提PCC-LSTM模型预测精度均在91%以上,最高可达95.44%,有效提高了负荷预测的精度。      

福禄克领衔参加深圳国际电子展

8月24日,为期三天的ELEXCON2016深圳国际电子展在深圳会展中心开幕。350家来自全球各地的企业集中亮相,作为电子测试测量界的知名企业,福禄克应邀参加了本次展会。福禄克公司一直以来致力于为工业领域提供优质电子仪器仪表产品,此次以强大阵容亮相2016深圳国际电子展,带来了该公司独创的多点对焦功能100%对     

压入速度对纳米硬度测量影响的仿真研究

采用分子动力学仿真方法,对纳米硬度测量过程中压入速度的影响进行了研究。结果表明,在其他条件不变的情况下,压入速度越大,硬度测量值就越高。