现有电力负荷预测方法面临诸多挑战,尤其是在考虑气象因素对负荷波动的影响时,传统方法往往忽视气象特征与负荷之间复杂的非线性关系,导致预测精度不足。对此文中提出一种基于气象相似日修正(meteorological similar day correction,MS...现有电力负荷预测方法面临诸多挑战,尤其是在考虑气象因素对负荷波动的影响时,传统方法往往忽视气象特征与负荷之间复杂的非线性关系,导致预测精度不足。对此文中提出一种基于气象相似日修正(meteorological similar day correction,MSDC)和改进鹦鹉优化(improved parrot optimizer,IPO)线性分解(decomposition-based linear,DLinear)的日前电力负荷预测模型。首先运用Logistic映射、自适应变异策略、螺旋波动搜索IPO对DLinear超参数进行优化,然后由DLinear提取数据的周期性和趋势性特征,最后通过比对气象特征欧氏距离修正负荷预测值,形成基于IPO-DLinear-MSDC的日前电力负荷预测模型。采用2024年6月至10月湖南株洲地区总电力负荷数据集进行仿真分析,IPO-DLinear-MSDC模型的输出平均绝对百分比误差(mean absolute percentage error,MAPE)、决定系数R2分别为4.67%、0.833,相较于IPO-DLinear与PO-DLinear模型,MAPE分别下降了0.83个百分点、1.43个百分点,R2分别提升了0.074、0.125。展开更多
在视觉SLAM(Simultaneous Localization and Mapping)系统中,特征匹配对实时定位与建图起着重要作用。ORB-SLAM3系统面临特征匹配效率不高且缺乏稠密地图构建能力的问题,针对该问题文章提出了一种融合网格运动统计策略和稠密建图能力的...在视觉SLAM(Simultaneous Localization and Mapping)系统中,特征匹配对实时定位与建图起着重要作用。ORB-SLAM3系统面临特征匹配效率不高且缺乏稠密地图构建能力的问题,针对该问题文章提出了一种融合网格运动统计策略和稠密建图能力的算法ORB-SLAM3-GD(ORB-SLAM3 with GMS Strategy and Dense Mapping)。新算法在特征匹配阶段,通过比较特征点邻域内的匹配点数量和阈值筛选正确匹配以提升匹配准确率,并引入稠密点云构建线程生成稠密点云地图,在生成地图的过程中采用外点剔除滤波与体素网格滤波技术压缩点云规模。在TUM(Technical University of Munich,TUM)数据集上进行性能评估测试,结果表明:相比ORB-SLAM3,文章所提算法平均匹配点数提升了61.7%,匹配时间缩短45.61%,绝对轨迹误差平均降低21.62%,体现了新算法的优势。展开更多
文摘现有电力负荷预测方法面临诸多挑战,尤其是在考虑气象因素对负荷波动的影响时,传统方法往往忽视气象特征与负荷之间复杂的非线性关系,导致预测精度不足。对此文中提出一种基于气象相似日修正(meteorological similar day correction,MSDC)和改进鹦鹉优化(improved parrot optimizer,IPO)线性分解(decomposition-based linear,DLinear)的日前电力负荷预测模型。首先运用Logistic映射、自适应变异策略、螺旋波动搜索IPO对DLinear超参数进行优化,然后由DLinear提取数据的周期性和趋势性特征,最后通过比对气象特征欧氏距离修正负荷预测值,形成基于IPO-DLinear-MSDC的日前电力负荷预测模型。采用2024年6月至10月湖南株洲地区总电力负荷数据集进行仿真分析,IPO-DLinear-MSDC模型的输出平均绝对百分比误差(mean absolute percentage error,MAPE)、决定系数R2分别为4.67%、0.833,相较于IPO-DLinear与PO-DLinear模型,MAPE分别下降了0.83个百分点、1.43个百分点,R2分别提升了0.074、0.125。
文摘在视觉SLAM(Simultaneous Localization and Mapping)系统中,特征匹配对实时定位与建图起着重要作用。ORB-SLAM3系统面临特征匹配效率不高且缺乏稠密地图构建能力的问题,针对该问题文章提出了一种融合网格运动统计策略和稠密建图能力的算法ORB-SLAM3-GD(ORB-SLAM3 with GMS Strategy and Dense Mapping)。新算法在特征匹配阶段,通过比较特征点邻域内的匹配点数量和阈值筛选正确匹配以提升匹配准确率,并引入稠密点云构建线程生成稠密点云地图,在生成地图的过程中采用外点剔除滤波与体素网格滤波技术压缩点云规模。在TUM(Technical University of Munich,TUM)数据集上进行性能评估测试,结果表明:相比ORB-SLAM3,文章所提算法平均匹配点数提升了61.7%,匹配时间缩短45.61%,绝对轨迹误差平均降低21.62%,体现了新算法的优势。
