• <tr id='xleojp'><strong id='xleojp'></strong><small id='xleojp'></small><button id='xleojp'></button><li id='xleojp'><noscript id='xleojp'><big id='xleojp'></big><dt id='xleojp'></dt></noscript></li></tr><ol id='xleojp'><option id='xleojp'><table id='xleojp'><blockquote id='xleojp'><tbody id='xleojp'></tbody></blockquote></table></option></ol><u id='xleojp'></u><kbd id='xleojp'><kbd id='xleojp'></kbd></kbd>

    <code id='xleojp'><strong id='xleojp'></strong></code>

    <fieldset id='xleojp'></fieldset>
          <span id='xleojp'></span>

              <ins id='xleojp'></ins>
              <acronym id='xleojp'><em id='xleojp'></em><td id='xleojp'><div id='xleojp'></div></td></acronym><address id='xleojp'><big id='xleojp'><big id='xleojp'></big><legend id='xleojp'></legend></big></address>

              <i id='xleojp'><div id='xleojp'><ins id='xleojp'></ins></div></i>
              <i id='xleojp'></i>
            1. <dl id='xleojp'></dl>
              1. <blockquote id='xleojp'><q id='xleojp'><noscript id='xleojp'></noscript><dt id='xleojp'></dt></q></blockquote><noframes id='xleojp'><i id='xleojp'></i>

                学术动态

                学校科研项目与经费增长显著。2019年科研总经△费达13.38亿元;新增国家自然科学基金项目367项,全国排名第16位、广东高〒校第2位;新增国家社科基金项目33项,位居@全国第36位、广东高●校第4位。SCI收录论文4139篇,SSCI收录论文238篇。获科研奖励2846项……

                机电学院王怀智助理教授在Energy Conversion and Management发表研究论文

                发布时间:2020-05-14

                近日,深圳大学机电与控制工程学院王怀智助理教授、湖南大学周斌教授、上海交通大学黎灿兵教授和俄罗斯科学院院士IEEE Fellow Nikolai Voropai教授在国际顶级期刊Energy Conversion and Management (ECM)上联合发表了一篇题为"Taxonomy Research of Artificial Intelligence for Deterministic Solar Power Forecasting"的研究论文。ECM为中科院大类一区、TOP期刊,影响因子为7.181

                该论文对基于人工智能的太阳能发电预测方法、参数优化方法和预测结构开展了分类学研究。机电学院王怀智助理教授为第一作者,周斌教授和黎灿兵教授为共同通讯作者。其它共同作者包括曹广忠教授、刘扬洋研究生、Nikolai Voropai教授和Evgeny Barakhtenko教授。

                太阳能发电预测是电力能源系统经济、安全运行的重要环节。本文首先对人工智能预测方法、参数优化和预测结构展开了分类、命名▅和统计分析研究,总结了各种预测方法的优缺点。其次,本文提出了一种新的人工智能预测结构。该预测结构分为特征①学习、权重更新和多元回归三个部分,如图1所示。特征学习用于提取环境数据和时序数据的潜在特征,并作为权重更新的输入。权重更新则用于优化多元回归的权重系数。多元回归负责太阳能发电预测输入和输出的数学建模。该预测结构最大的优点是其强大的兼容性,可兼容已有的大部分神经网络算法,如支持向量机、深度学习和循环神经网络等。最后,本文对太阳能发电预测的热点方向和潜在问题⊙进行了深入剖析。

                                                 图1 提出的人工智能预测结构

                本研究得到了国家自然科学基金委、广东省电磁控①制与智能机器人重点实验室和彩世界科创委等经费支持。原文链接:https://www.sciencedirect.com/science/article/pii/S0196890420304477