排序方式: 共有14条查询结果,搜索用时 15 毫秒
1.
光伏发电功率存在波动性,且光伏出力易受各种气象特征影响,传统TCN网络容易过度强化空间特性而弱化个体特性。针对上述问题,文中提出一种基于VMD和改进TCN的短期光伏发电功率预测模型。通过VMD将原始光伏发电功率时间序列分解为若干不同频率的模态分量,将各个模态分量以及相对应的气象数据输入至改进TCN网络进行建模学习。利用中心频率法确定VMD的最优分解模态分解个数。在传统TCN预测模型的基础上,使用DropBlock正则化取代Dropout正则化以达到抑制卷积层中信息协同的效果,并引入注意力机制自主挖掘并突出关键气象输入特征的影响,量化各气象因素对光伏发电的影响,从而提高预测精度。以江苏省某光伏电站真实数据为例进行仿真实验,结果表明所提预测方法的RMSE为0.62 MW,MAPE为2.03%。 相似文献
2.
3.
文中研究了分数阶忆阻神经网络的固定时间同步问题。根据忆阻器的电压电流特性,建立一类具有时变时滞的分数阶忆阻神经网络模型。与传统的基于最大绝对值的记忆突触权值计算方法不同,通过引入数学变换,利用微分包含理论和集值映射,在Filippov解的框架下将分数阶忆阻神经网络转化为一类具有不确定参数的分数阶系统。在固定时间稳定性理论和可测选择定理的基础上,通过构造Lyapunov函数和利用不等式技术给出其固定时间同步的充分条件,并给出同步时间上界的计算式。通过反馈控制方法,构造合适的状态反馈控制器,使主从系统实现固定时间同步,且同步时间的上界与系统初始状态无关。通过仿真算例可看出所设计的控制器可以使系统快速地实现同步。 相似文献
4.
5.
6.
7.
Finite-Time Synchronization of Coupled Neutral-Type Neural Networks With Stochastic Disturbances and Uncertainties北大核心CSCD
下载免费PDF全文
![点击此处可从《应用数学和力学》网站下载免费的PDF全文](/ch/ext_images/free.gif)
The finite⁃time synchronization problems were solved for coupled neutral⁃type neural networks with stochastic disturbances and uncertainties. Based on the Lyapunov stability theory and the inequality techniques, the finite⁃time synchronization criterion was proposed for this system. Then the finite⁃time synchronization was realized for the master⁃slave system through the construction of an appropriate state feedback controller. At last, a numerical simulation was given to verify the effectiveness of the proposed theory. © 2023 Editorial Office of Applied Mathematics and Mechanics. All rights reserved. 相似文献
8.
9.
10.