JP2019537079A - 大規模再生可能エネルギーのデータについて確率モデルを構築する方法 - Google Patents
大規模再生可能エネルギーのデータについて確率モデルを構築する方法 Download PDFInfo
- Publication number
- JP2019537079A JP2019537079A JP2018565323A JP2018565323A JP2019537079A JP 2019537079 A JP2019537079 A JP 2019537079A JP 2018565323 A JP2018565323 A JP 2018565323A JP 2018565323 A JP2018565323 A JP 2018565323A JP 2019537079 A JP2019537079 A JP 2019537079A
- Authority
- JP
- Japan
- Prior art keywords
- wakeby
- data
- rdd
- probability distribution
- hdfs
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000010276 construction Methods 0.000 claims abstract description 17
- 238000005192 partition Methods 0.000 claims description 63
- 238000004364 calculation method Methods 0.000 claims description 41
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 13
- 230000001186 cumulative effect Effects 0.000 claims description 9
- 230000014509 gene expression Effects 0.000 claims description 8
- 238000012800 visualization Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 5
- 238000005315 distribution function Methods 0.000 claims description 5
- 238000013500 data storage Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 description 18
- 230000009466 transformation Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 239000006185 dispersion Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Water Supply & Treatment (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Public Health (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
Abstract
Description
本出願は、Sparkプラットフォーム及びHadoop分散ファイルシステムHDFSに基づき、再生可能エネルギーのデータについて分散並列フレームワークをモデル構築し、前記分散並列フレームワークを前記再生可能エネルギーのデータの記憶システムに対応させることと、弾性分散データセットRDDの耐障害性の特徴と、メモリに基づいて計算する特徴とを利用してWakeby確率分布モデルを構築して解き、RDDに基づくWakeby確率分布モデルの推定を実現することとを含む、大規模再生可能エネルギーのデータについて確率モデルを構築する方法を提供する。
RDDに基づくSpark計算エンジンを用い、メモリにおいてWakeby確率分布モデルを並列計算することと、
HDFSを用いて大規模再生可能エネルギーRESデータを記憶し、高スループットを有するデータアクセスインタフェースを提供することと、
SparkプラットフォームとHDFSとを組み合わせ、前記Wakeby確率分布モデルの計算タスクを前記大規模再生可能エネルギーRESデータにより近いノードに移動させることと、
HDFSに直接アップロードされ得るローカルファイルと、Sqoopデータ伝送手段によってHDFSにアップロードされるリレーショナルデータベースとを含む前記データマートによって、既存のRES記憶システムにおける大規模データをHDFSに事前に移行させることと、
前記可視化ツールに関連してデータをブラウザに表示させることと、
分散モードでのSparkプラットフォームのメインアーキテクチャ又はサブアーキテクチャに基づき、前記商品ハードウェアを1つのメインノード及び複数の動作ノードとして配置することと、
SparkプラットフォームおよびHDFSに基づく分散並列フレームワークの構築を完了することと、を含む。
ここで、非リレーショナルデータベースの下層記憶システムはHDFSであり、新エネルギーのデータベースとして大規模の新エネルギーのデータの記憶、リアルタイムアクセス及びオフライン統計分析の機能を実現する。
は累積確率分布関数であり、x(F)は所定のF値に対する分位数値であり、ξは位置パラメータであり、αとβは寸法パラメータであり、γとσは形状パラメータであり、f(x)は確率密度関数である。
前記Wakeby確率分布モデルの5つのパラメータを、サンプルの最初5次のモーメントをWakeby確率分布モデルの最初5次のL次モーメントに等しくさせる式によって求めることと、
サンプルデータから最初5次のリニアマトリクスを計算し、各次のリニアマトリクスを、L次モーメントの定義式により導出された対応の5次モーメントに等しくさせることと、を含み、
そのうち、r番目のサンプルリニアマトリクスは、下記の式で表される。
新たに構築したRDDを次の操作により計算され可能にし、且つ各パーティションの各変換結果をメモリに記憶するために、map操作によって各パーティションの各行のデータを分割し、各データを倍精度タイプにマッピングすることと、
reduce変換操作によって各パーティションのエレメントを重合し、各パーティションのデータ順序を示す変数Bjを生成することと、
combine変換操作によって前記j個のパーティションの最終結果を組み合わせて加算し、n個のサンプルにおいてk=0,1,2,3,4の場合のbkの値を得、サンプルのリニアマトリクスを計算することと、
前記サンプルリニアマトリクスに基づき、Wakeby確率分布モデルの5つのパラメータに関する方程式を構築し、最小2乗法で前記方程式を解き、Wakeby確率分布モデルの5つのパラメータの計算結果を得ることと、
save動作操作によって、前記Wakeby確率分布モデルの5つのパラメータの計算結果をHDFSに記憶することと、を含む。
並列推定された計算時間とサンプルデータ数、及びSparkプラットフォームのクラスタ並列度とパーティション数との関数関係によって、Sparkクラスタのパーティション数をハードウェア構成に適合させることと、
Wakebyの消費時間を並列計算することと、を更に含む。
ここで、クラスタ並列度は、
(ただし、Nは動作ノードの数であり、Eiはノードiにおけるアクチュエーターの数であり、Ciはノードiにおける各実行者が持っている物理的コアの数であり、Tiはノードiにおける各コアのスレッド数である。)
Wakebyの消費時間は、式(10)に示される。
はn個のサンプルパーティションを持つbk,k=0,1,2,3,4の値を計算することに必要となる時間であり、tconはサンプルリニアマトリクスを計算する時間、及び最小2乗法によってWakeby分布の5つのパラメータに関する方程式を解く時間である。)
は累積確率分布関数であり、解析式がなく、x(F)は所定のF値に対する分位数値であり、ξは位置パラメータであり、αとβは寸法パラメータであり、γとσは形状パラメータである。)
x1,x2,…,xnをn個のサンプルとし、
を順序サンプルとし、r番目のサンプルリニアマトリクスは、式(3)で定義される。
の時間単位を必要となれば、n個のサンプルパーティションを持っているbkを計算するために
の時間単位を必要となる。データをPn個のパーティションに分け、PT個のパーティションを同時に計算すれば、各パーティションには平均にn/Pn個のデータを有し、全てのパーティションがコンピューターで
回並列されないと実行完了できない。sは毎回並列計算を行う通信時間であるとし、sがPnとPTに従う微小な変化を無視し、式(3)でサンプルリニアマトリクスを計算し、最小2乗法によって5つの方程式を解く時間はtconである。b0−b4が並列実行されるため、Wakebyを並列計算する消費時間は式(10)によって推定されてもよい。
はn個のサンプルパーティションを持つbk,k=0,1,2,3,4の値を計算することに必要となる時間であり、tconはサンプルリニアマトリクスを計算する時間、及び最小2乗法によってWakeby分布の5つのパラメータに関する方程式を解く時間である。)
を推定する場合、式(10)におけるsとtconを考慮しなくてもよい。ここまで、Sparkプラットフォームのパラメータとサンプルサイズとの関数関係に対する解きステップが終了する。
=3.8×10-6秒を推定し得た。Pn=384、PT=128とする場合、nを変更することで、式(10)で算出される理論値及びシミュレーションによって得られる実際値を得た。表3から分かるように、理論値と実際値との絶対誤差は2秒を超えず、相対誤差は最大3%を超えない。誤差が許容可能範囲内にあるため、導出される式は正確であることを証明できる。そのため、所定のサンプルデータの数で、使用者は、導出された関数関係を用いて所定の配置でアルゴリズムの消費時間を予測できる、または希望の計算時間でハードウェアを合理的に配置できる。
Claims (8)
- Sparkプラットフォーム及びHadoop分散ファイルシステムHDFSに基づき、再生可能エネルギーのデータについて分散並列フレームワークをモデル構築し、前記分散並列フレームワークを前記再生可能エネルギーのデータの記憶システムに対応させることと、
弾性分散データセットRDDの耐障害性特徴と、メモリに基づいて計算する特徴とを利用してWakeby確率分布モデルを構築して解き、RDDに基づく前記Wakeby確率分布モデルの推定を実現することと、を含む、大規模再生可能エネルギーのデータについて確率モデルを構築する方法。 - 前記分散並列フレームワークは、互いにデータ伝送を行い、RDDに基づくSpark計算エンジンと、hadoop分散ファイルシステムと、データマートと、可視化ツールと、商品ハードウェアと、を含む、請求項1に記載の方法。
- 前記Sparkプラットフォーム及びHDFSに基づき、再生可能エネルギーデータについて前記分散並列フレームワークをモデル構築することは、
前記RDDに基づくSpark計算エンジンを用い、メモリにおいて前記Wakeby確率分布モデルを並列計算することと、
HDFSを用いて大規模再生可能エネルギーRESデータを記憶し、高スループットを有するデータアクセスインタフェースを提供することと、
前記SparkプラットフォームとHDFSとを組み合わせ、前記Wakeby確率分布モデルの計算タスクを前記大規模再生可能エネルギーRESデータにより近いノードに移動させることと、
HDFSに直接アップロードされ得るローカルファイルと、Sqoopデータ伝送手段によってHDFSにアップロードされるリレーショナルデータベースとを含む前記データマートによって、既存のRES記憶システムにおける大規模のデータをHDFSに事前に移行させることと、
前記可視化ツールに関連してデータをブラウザに表示させることと、
分散モードでの前記Sparkプラットフォームのメインアーキテクチャ又はサブアーキテクチャに基づき、前記商品ハードウェアを1つのメインノード及び複数の動作ノードとして配置することと、
前記Sparkプラットフォーム及びHDFSに基づく前記分散並列フレームワークの構築を完了することと、を含み、
非リレーショナルデータベースの下層記憶システムはHDFSであり、新エネルギーのデータベースとして大規模の新エネルギーデータの記憶、リアルタイムアクセス及びオフライン統計分析の機能を実現する、請求項2に記載の方法。 - 前記Wakeby確率分布モデルを構築して解くことは、
5つのパラメータを用いた前記Wakeby確率分布モデルを構築する一般式を式(1)にし、Wakeby分布の確立密度関数を式(2)にすることを含む、請求項1に記載の方法。
(ただし、
は累積確率分布関数であり、x(F)は所定のF値に対する分位数値であり、ξは位置パラメータであり、αとβは寸法パラメータであり、γとσは形状パラメータであり、f(x)は確率密度関数である。) - 前記Wakeby確率分布モデルを構築して解くことは、
L次モーメント推定法で前記Wakeby確率分布モデルの5つのパラメータを推定することと、
前記Wakeby確率分布モデルの5つのパラメータを、サンプルの最初5次のモーメントを前記Wakeby確率分布モデルの最初5次のL次モーメントに等しくさせる式によって求めることと、
サンプルデータから最初5次のリニアマトリクスを計算し、各次のリニアマトリクスを、L次モーメントの定義式により導出された対応の5次モーメントに等しくさせることと、を含み、
r番目のサンプルのリニアマトリクスは、下記の式で表される、請求項4に記載の方法。
- 前記RDDに基づく前記Wakeby確率分布モデルの推定を実現することは、
前記Sparkプラットフォームのtextfile()方法によってHDFSからテキストファイルを読み取り、文字列型の先頭RDD又は親RDDとしてフィードバックし、RDDをj個のパーティションに分割し(j=1,2,...,Pn)、前記j個のパーティションをメモリに記憶することと、
新たに構築したRDDを次の操作により計算され可能にし、且つ各パーティションの各変換結果をメモリに記憶するために、map操作によって各パーティションの各行のデータを分割し、各データを倍精度タイプにマッピングすることと、
reduce変換操作によって各パーティションのエレメントを重合し、各パーティションのBjを生成することと、
combine変換操作によって前記j個のパーティションの最終結果を組み合わせて加算し、n個のサンプルにおいてk=0,1,2,3,4の場合のbkの値を得、サンプルのリニアマトリクスを計算することと、
サンプルのリニアマトリクスに基づき、前記Wakeby確率分布モデルの5つのパラメータに関する式を構築し、最小2乗法で前記式を解き、前記Wakeby確率分布モデルの5つのパラメータの計算結果を得ることと、
save動作操作によって、前記Wakeby確率分布モデルの5つのパラメータの計算結果をHDFSに記憶することと、を含む、請求項1から5のいずれか1項に記載の方法。 - 下記の式に基づき、前記bkを計算し、
2つの補助変数によって前記j個のパーティションにおけるサンプルデータの順序を示す、請求項6に記載の方法。
- 並列推定された計算時間とサンプルデータ数、及び前記Sparkプラットフォームのクラスタ並列度とパーティション数との関数関係によって、Sparkクラスタのパーティション数をハードウェア構成に適合させることと、
Wakebyの消費時間を並列計算することと、を更に含み、
クラスタ並列度は式(9)に示され、Wakebyの消費時間は式(10)に示される、
請求項1に記載の方法。
(ただし、Nは動作ノードの数であり、Eiはノードiにおけるアクチュエーターの数であり、Ciはノードiにおける各実行者が持っている物理的コアの数であり、Tiはノードiにおける各コアのスレッド数である。)
(ただし、tWakebyはWakebyの消費時間であり、PnはRDDのパーティション数を示し、sは毎回並列計算を行う通信時間であり、
はn個のサンプルパーティションを持つbk,k=0,1,2,3,4の値を計算することに必要となる時間であり、tconはサンプルリニアマトリクスを計算する時間、及び最小2乗法によってWakeby分布の5つのパラメータに関する方程式を解く時間である。)
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710856461.2 | 2017-09-20 | ||
CN201710856461.2A CN107609141B (zh) | 2017-09-20 | 2017-09-20 | 一种对大规模可再生能源数据进行快速概率建模方法 |
PCT/CN2018/100234 WO2019056887A1 (zh) | 2017-09-20 | 2018-08-13 | 对大规模可再生能源数据进行概率建模的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019537079A true JP2019537079A (ja) | 2019-12-19 |
JP6784780B2 JP6784780B2 (ja) | 2020-11-11 |
Family
ID=61060346
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018565323A Active JP6784780B2 (ja) | 2017-09-20 | 2018-08-13 | 大規模再生可能エネルギーのデータについて確率モデルを構築する方法 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP6784780B2 (ja) |
CN (1) | CN107609141B (ja) |
WO (1) | WO2019056887A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109308309A (zh) * | 2018-07-27 | 2019-02-05 | 网宿科技股份有限公司 | 一种数据服务质量评估方法和终端 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107609141B (zh) * | 2017-09-20 | 2020-07-31 | 国网上海市电力公司 | 一种对大规模可再生能源数据进行快速概率建模方法 |
CN108279442A (zh) * | 2018-01-30 | 2018-07-13 | 中国国土资源航空物探遥感中心 | 一种应用于大数据计算的航空重力数据物性层析计算方法 |
CN108762921B (zh) * | 2018-05-18 | 2019-07-12 | 电子科技大学 | 一种Spark集群系统的在线优化分区的任务调度方法及装置 |
CN109800092A (zh) | 2018-12-17 | 2019-05-24 | 华为技术有限公司 | 一种共享数据的处理方法、装置及服务器 |
CN110990476B (zh) * | 2019-12-17 | 2023-04-07 | 腾讯科技(深圳)有限公司 | 数据导入方法、装置、服务器及存储介质 |
CN112365355B (zh) * | 2020-12-10 | 2023-12-26 | 深圳迅策科技有限公司 | 实时计算基金估值和风险指标的方法、装置及可读介质 |
CN112882855A (zh) * | 2021-02-08 | 2021-06-01 | 上海臣星软件技术有限公司 | 一种数据监测的方法、装置、设备及计算机存储介质 |
CN113704340B (zh) * | 2021-08-30 | 2023-07-21 | 远景智能国际私人投资有限公司 | 数据处理方法、装置、服务器及存储介质 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2823546A4 (en) * | 2012-02-16 | 2016-02-10 | Spyros Lazaris | SYSTEM AND METHOD FOR MANAGING GENERATION, TRANSMISSION AND DISTRIBUTION OF CURRENT |
US10891272B2 (en) * | 2014-09-26 | 2021-01-12 | Oracle International Corporation | Declarative language and visualization system for recommended data transformations and repairs |
CN104318326A (zh) * | 2014-10-15 | 2015-01-28 | 国家电网公司 | 一种提升可再生能源接纳能力的网架优化模型 |
CN104320848B (zh) * | 2014-11-14 | 2018-08-14 | 上海赛特斯信息科技股份有限公司 | 基于云计算实现室内定位的系统及方法 |
CN104954453B (zh) * | 2015-06-02 | 2019-01-22 | 浙江工业大学 | 基于云计算的数据挖掘rest服务平台 |
CN105139281A (zh) * | 2015-08-20 | 2015-12-09 | 北京中电普华信息技术有限公司 | 一种电力营销大数据的处理方法及系统 |
CN105205563B (zh) * | 2015-09-28 | 2017-02-08 | 国网山东省电力公司菏泽供电公司 | 一种基于大数据的短期负荷预测平台 |
CN106126641B (zh) * | 2016-06-24 | 2019-02-05 | 中国科学技术大学 | 一种基于Spark的实时推荐系统及方法 |
CN107092990A (zh) * | 2017-05-03 | 2017-08-25 | 西安电子科技大学 | 基于大数据分析的盾构施工地面沉降预测系统和方法 |
CN107609141B (zh) * | 2017-09-20 | 2020-07-31 | 国网上海市电力公司 | 一种对大规模可再生能源数据进行快速概率建模方法 |
-
2017
- 2017-09-20 CN CN201710856461.2A patent/CN107609141B/zh active Active
-
2018
- 2018-08-13 WO PCT/CN2018/100234 patent/WO2019056887A1/zh active Application Filing
- 2018-08-13 JP JP2018565323A patent/JP6784780B2/ja active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109308309A (zh) * | 2018-07-27 | 2019-02-05 | 网宿科技股份有限公司 | 一种数据服务质量评估方法和终端 |
CN109308309B (zh) * | 2018-07-27 | 2021-04-16 | 网宿科技股份有限公司 | 一种数据服务质量评估方法和终端 |
Also Published As
Publication number | Publication date |
---|---|
WO2019056887A1 (zh) | 2019-03-28 |
JP6784780B2 (ja) | 2020-11-11 |
CN107609141B (zh) | 2020-07-31 |
CN107609141A (zh) | 2018-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6784780B2 (ja) | 大規模再生可能エネルギーのデータについて確率モデルを構築する方法 | |
CN105893669A (zh) | 一种基于数据挖掘的全局仿真性能预测方法 | |
CN113343427B (zh) | 一种基于卷积神经网络的结构拓扑构型预测方法 | |
CN109981749A (zh) | 一种基于极限梯度提升的云工作流任务执行时间预测方法 | |
CN108879656B (zh) | 一种基于子抽样svr集成的短期电力负荷预测方法 | |
CN103885867B (zh) | 一种模拟电路性能的在线评价方法 | |
CN114676522B (zh) | 融合gan和迁移学习的气动形状优化设计方法及系统及设备 | |
CN106599610A (zh) | 预测长链非编码rna和蛋白质联系的方法及系统 | |
CN110018882B (zh) | 一种基于宽度学习的虚拟机性能预测方法 | |
Gilan et al. | Sustainable building design: A challenge at the intersection of machine learning and design optimization | |
JP2011154439A (ja) | 最適化処理プログラム、方法及び装置 | |
CN113722860A (zh) | 基于降阶模型的瞬态热力状态在线评估方法、设备及介质 | |
CN109446478A (zh) | 一种基于迭代和可重构方式的复协方差矩阵计算系统 | |
CN110991741B (zh) | 一种基于深度学习的断面约束概率预警方法及系统 | |
CN104573331A (zh) | 一种基于MapReduce的K近邻数据预测方法 | |
CN103218493A (zh) | 一种基于多重网格的快速等几何分析数值模拟方法 | |
Yang et al. | Fast flow field prediction of three-dimensional hypersonic vehicles using an improved Gaussian process regression algorithm | |
CN116316617A (zh) | 多场站智能融合的新能源发电功率区域预测方法和系统 | |
CN116303219A (zh) | 一种网格文件的获取方法、装置及电子设备 | |
JP2013037437A (ja) | 構造解析システム,構造解析プログラムおよび構造解析方法 | |
Su et al. | Probabilistic load flow analysis based on sparse polynomial chaotic expansion | |
CN106342305B (zh) | 一种面向多任务要求的测试性指标确定方法 | |
Jing et al. | New knowledge network evaluation method for design rationale management | |
CN117435308B (zh) | 一种基于并行计算算法的Modelica模型仿真方法及系统 | |
Bouktif et al. | Monitoring system for residential energy consumption |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181213 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200310 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200526 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20201020 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201023 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6784780 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |