-
公开(公告)号:CN113205214A
公开(公告)日:2021-08-03
申请号:CN202110484394.2
申请日:2021-04-30
Applicant: 南京邮电大学
Abstract: 本发明所述的一种基于并行树突状神经网络的光伏功率超短期预测方法,首先,使用模糊C均值聚类算法划分离线的数据集,得到多个离线样本子数据集;其次,对每一个子数据集分别训练一个初始的子网络模型,并将其搭建成一个并行结构的整体预测模型;然后,再利用模糊C均值聚类算法对在线预测数据进行计算并得到隶属度矩阵;接着,选择预测数据隶属度较大的前N类子模型输入预测数据,并计算各个子模型的预测结果;最后,对选择的前N类子模型的计算结果进行一个算术平均的计算,得到最终的预测结果。本发明能进一步提高光伏功率的预测精度,对维护电网的稳定运行有着重要的意义。
-
公开(公告)号:CN111562707A
公开(公告)日:2020-08-21
申请号:CN202010353721.6
申请日:2020-04-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种用于超晶格非线性成像过程的迂回编码设计方法,该方法基于局域准相位匹配,改变了传统LQPM方法中或对晶格表面图像场分布直接二值化处理或仅对单一振幅维度信息编码的超晶格结构设计方式,以迂回编码算法同时编码图像倍频场的振幅相位,得到相应的超晶格结构及重构图像。本发明针对基波沿超晶格极化方向入射的二次谐波产生过程,所选成像目标图案为不规则图形,然后晶体的最优结构经过迂回编码算法得出。本发明提高了超晶格倍频像的光强值和分辨率,在提高非线性成像精度和实现精确的波前调控方面具有广泛的应用意义。
-