投稿指南
来稿应自觉遵守国家有关著作权法律法规,不得侵犯他人版权或其他权利,如果出现问题作者文责自负,而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件,作者必须保证本刊的独立发表权。 一、投稿方式: 1、 请从 我刊官网 直接投稿 。 2、 请 从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。 二、稿件著作权: 1、 投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果,或对所投作品拥有合法的著作权,无第三人对其作品提出可成立之权利主张。 2、 投稿人保证向我刊所投之稿件,尚未在任何媒体上发表。 3、 投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、 投稿人向我刊所投之作品不得同时向第三方投送,即不允许一稿多投。 5、 投稿人授予我刊享有作品专有使用权的方式包括但不限于:通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑,以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、 第5条所述之网络是指通过我刊官网。 7、 投稿人委托我刊声明,未经我方许可,任何网站、媒体、组织不得转载、摘编其作品。

电力工业论文_基于传感器网络与高斯过程回归的

来源:中国测试 【在线投稿】 栏目:期刊导读 时间:2021-09-27
作者:网站采编
关键词:
摘要:文章摘要:建筑电力能耗的准确预测不仅对配电网运行的经济性和安全性具有重要作用,而且对建筑节能方案的制定也有参考意义。由于楼宇负荷受多种因素的影响,预测精度难以大幅提

文章摘要:建筑电力能耗的准确预测不仅对配电网运行的经济性和安全性具有重要作用,而且对建筑节能方案的制定也有参考意义。由于楼宇负荷受多种因素的影响,预测精度难以大幅提高。为了提高楼宇负荷预测的准确度,提出了基于传感器网络与高斯过程回归的楼宇负荷预测方法。首先,通过基于超宽频雷达的人员存在检测传感器网络对室内的建筑占有率进行检测,并将建筑占有率作为负荷预测模型的特征之一。其次,构建高斯过程回归模型,利用其拟合出负荷与相关影响因素的非线性函数,并基于采样的近似推断算法推断出模型的超参数最大后验估计值,进而提高短期负荷预测准确度。最后,通过对比不同协方差函数的高斯过程回归模型的预测效果,甄别出最优协方差函数,进一步提高预测精度。通过算例分析可知:采用所提方法比未考虑建筑占有率的传统高斯过程回归方法的平均绝对百分比误差降低了9.68%,验证了所提方法的有效性和准确性。

文章关键词:

论文作者:黄文新2 毕乐明2 杨琳2 

作者单位: 

论文DOI:10.19725/j.cnki.1007-2322.2020.0416

论文分类号:TM715

文章来源:《中国测试》 网址: http://www.zgcszzs.cn/qikandaodu/2021/0927/1809.html



上一篇:电力工业论文_高温超导电缆制冷系统设计控制方
下一篇:轻工业手工业论文_功能化负氧离子皮革的制备及

中国测试投稿 | 中国测试编辑部| 中国测试版面费 | 中国测试论文发表 | 中国测试最新目录
Copyright © 2019 《中国测试》杂志社 版权所有
投稿电话: 投稿邮箱: