[讲义] Endnote使用大全

说明：高校博士写作专业资料。Endnote由Thomson Corporation下属的Thomson ResearchSoft 开发。 Thomson ResearchSoft是以学术信息市场化和开发学术软件为宗旨的子公司。Thomson Corporation总部位于美国康涅狄格州的Stanford。
<qq_40763130> 上传 | 大小：15mb

[讲义] 电力用户用电信息采集系统数据分析与处理技术_朱彬若.pdf

说明：本文在对电力信息采集和电能计量管理进行概述的基础上,分析基于电力信息采集的计量管理的现状,并提出针对性的实施方案,以期对实践有所启发。
<SparkQiang> 上传 | 大小：572kb

[讲义] 基于电力信息采集的计量管理_李哲.pdf

说明：本文在对电力信息采集和电 能计量管理进行概述的基础上， 分析基于电力信息采集的计量管 理的现状，并提出针对性的实施 方案，以期对实践有所启发。
<SparkQiang> 上传 | 大小：1mb

[讲义] ADI官方推荐数模转换器.pdf

说明：专门讲解DAC的手册，ADI官方推荐。 专门讲解DAC的手册，ADI官方推荐。 专门讲解DAC的手册，ADI官方推荐。
<mokedeng> 上传 | 大小：1mb

[讲义] 基于Wasserstein距离和_省略_类的风电_光伏经典场景集生成算法_王群.pdf

说明：随着风电、光伏等可再生能源发电渗透率的增加，电 力系统运行需要考虑随之而来的不确定性。场景分析法因为 可明确体现不确定性因素的概率特征而被广泛采用，但是由于大规模场景会降低随机规划的求解效率，实用性受到限 制。
<SparkQiang> 上传 | 大小：1mb

[讲义] 基于多层聚类和改进BP神经网络的短期负荷预测_赵云.pdf

说明：随着电网规模的扩大，数据量的急剧增加，漏采、误采等不良数据及数据冗余会对短期负荷预测产生负面影 响，造成预测准确度下降，预算结果无法正常使用. 针对这些现象，提出一种基于多层聚类和改进BP 神经网络的负 荷预测模型. 该模型基于多层聚类对原始数据进行预处理，选取形成与待预测数据相似的样本数据集，建立基于改 进BP 神经网络的预测模型. 多层聚类模型减小了输入改进BP 神经网络的数据量，避免了不良数据对预测模型造 成的影响，预测模型更贴近待预测数据特点；改进BP 神经网络避免了在训练过程中陷入局部
<SparkQiang> 上传 | 大小：1mb

[讲义] 利用卷积神经网络支持向量回归机的地区负荷聚类集成预测_沈兆轩.pdf

说明：为提高地区负荷预测的运算效率和预测精度，本文提 出了一种基于卷积神经网络支持向量回归机的地区负荷聚类 集成预测方法。首先，通过聚类模型对地区内大量用户的真 实负荷数据进行分组并分析了不同聚类模型的效果。其次， 使用得到的聚类分组标签将用户数据分组集成并构建训练数 据。然后，基于改进的卷积神经网络构建了卷积神经网络支 持向量回归机模型。最后，分组进行负荷预测并将预测结果 求和得到地区最终预测月负荷，并与卷积神经网络模型、长 短期记忆神经网络模型、决策树模型、支持向量回归机模型 进行对比。本文使用扬
<SparkQiang> 上传 | 大小：668kb

[讲义] 基于VMD_FFT_LSTM模型的BDI指数预测_武华华.pdf

说明：为提升非线性BDI 指数的预测效果，分析了多种预 测模型对BDI 指数的单步及多步预测结果，借助“分解-重 构-预测”思路，设计构建了VMD-FFT-LSTM 组合预测模 型． 首先，通过VMD 算法分解出BDI 指数的IMF 分量; 然 后，结合BDI 指数周期理论与FFT 算法计算的周期结果 重构IMF，达到降噪的目的; 最后，运用LSTM 模型对重构 序列进行多步预测． 对比多步预测结果，VMD-FFT-LSTM 组合模型预测结果在精度及稳定性上表现更好，解决了 SVＲ 模型多步预测结果易
<SparkQiang> 上传 | 大小：464kb

[讲义] 基于kmeans聚类与BP神经网络算法的办公建筑逐时电负荷预测_刘倩颖.pdf

说明：基于青岛某办公建筑2015 年全年逐时总用电能耗及空调用电能耗数据，利用kmeans 聚类算法对其进行聚 类，将全年能耗水平分为四大类。利用求平均值法得到每一类典型设备使用率曲线。将典型曲线的数据、日前两 周数据以及气象数据一同作为BP 神经网络的输入，预测未来24 小时的建筑总用电和空调用电，该方法比单用日 前两周数据及气象数据进行负荷预测能获得更低的相对误差、均方根误差、平均绝对百分误差。BP 负荷预测相对 误差在5%以内，而kmeans－BP 负荷预测算法控制在±2．5%以内; BP 预测
<SparkQiang> 上传 | 大小：2mb

[讲义] 基于变分模态分解和SVM的滚动轴承故障诊断_王新.pdf

说明：针对滚动轴承振动信号的非平稳特征和现实中难以获得大量故障样本的实际情况，提出了基于变分模态 分解( Variational mode decomposition，VMD) 与支持向量机( Support vector machine，SVM) 相结合的滚动轴承故障诊断方法。 该方法融合了变分模态分解和支持向量机的优势，通过变分模态分解将滚动轴承振动信号分解成若干个本征模态函数分 量，轴承发生不同故障时，不同本征模态函数内的频带能量会发生变化，从包含有主要故障信息的模态分量中提取能量特 征作为SV
<SparkQiang> 上传 | 大小：1mb

[讲义] 基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断_刘长良.pdf

说明：为了精准、稳定地提取滚动轴承故障特征，提出了基 于变分模态分解和奇异值分解的特征提取方法，采用标准模糊C 均值聚类(fuzzy C means clustering，FCM)进行故障识 别
<SparkQiang> 上传 | 大小：915kb

[讲义] 基于模糊聚类分析与BP网络的电力系统短期负荷预测_姚李孝.pdf

说明：：提出了一种基于模糊聚类分析和BP 网络的短期负荷预 测方法。考虑了温度、相对湿度以及日类型等影响负荷的因素, 通过模糊聚类分析将负荷历史数据分成若干类，找出同预测日 相符的预测类别，然后建立相应的BP 网络模型，用附加动量 和变学习速率的方法预测每小时的负荷。对于西安地区实际负 荷的预测结果的分析表明该方法有较高的预测精度，取得了令 人满意的结果。
<SparkQiang> 上传 | 大小：2mb