摘要：光伏发电功率预测对电网调度工作有着重要的指导意义。以其光伏电站为研究对象,首先分析季节类型、天气类型和气象要素等因素对光伏功率的影响,对历史数据进行分类,选择合适的特征作为训练集;其次,针对支持向量回归机(SVR)模型对内部参数依赖性较高这一现象,设计粒子群优化(PSO)算法对SVR模型的惩罚系数、不敏感损失系数和尺度参数进行寻优,建立基于PSO-SVR方法的光伏功率预测模型;最后,通过实际案例,选择BP神经网络、SVR和PSO-SVR等方法进行罗泾灰场的光伏功率预测并作比较,验证了所提方法能较好地跟踪实测曲线,对光伏功率的预测结果更接近实测值。

摘要：火灾信息处理算法的有效性直接决定着建筑火灾自动预警系统的可靠性,开发新型智能火灾预警算法是目前建筑火灾探测预警领域研究的热点之一.针对现有火灾预警算法的不足,研究设计提出一种基于支持向量回归机(SVR)的智能建筑火灾预警算法.为了验证该算法在多传感器复合式建筑火灾预警系统信息处理中的可靠性与优越性,以普通火灾和欧洲试验火历史数据为例,通过Matlab模拟仿真,进行实证分析,并将预警结果与BP神经网络预警结果进行对比分析.研究成果可为新型建筑火灾自动预警系统的设计提供科学的依据.