简介:短期光伏发电功率预测对维护电网安全稳定和协调资源利用具有重要意义,针对现有的神经网络法、小波分析法等单一预测模型预测精度提升有限的问题,引入集成学习的思想和方法,提出一种基于Stacking算法改进支持向量机(SVM)的短期光伏发电预测方法.该方法先使用多个不同的初级SVM对预测样本进行一次预测得到多个预测输出;然后对训练集进行聚类,使用与预测样本同类别的训练样本训练次级SVM;最后使用次级SVM对多个预测输出进行结合得到最终预测结果.经光伏发电系统的实际运行数据实验,结果表明本文提出的方法相较于单一预测模型精度有了明显提升.
简介:本文研究了地面水O,O-二甲基硫代磷酰胺(DMPAT)的气相色谱分析方法,采用直接进水样技术,大口径毛细管柱分离DMPAT和氮磷检测器(NPD)检测,得到了良好的分离效果和较高的灵敏度,方法的绝对检出限可达3×10-3g.实验结果表明,DMPAT具有良好的色谱行为,较宽的线性范围,在此条件下,避免了许多不含氮磷化合物及甲胺磷的干扰.