<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[lithium_jz的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/lithium_jz</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; lithium_jz]]></copyright><item><title><![CDATA[风速Weibull分布和光伏Beta分布的参数拟合方法]]></title><link>https://blog.youkuaiyun.com/lithium_jz/article/details/124520815</link><guid>https://blog.youkuaiyun.com/lithium_jz/article/details/124520815</guid><author>lithium_jz</author><pubDate>Sat, 30 Apr 2022 23:17:55 +0800</pubDate><description><![CDATA[在风光场景生成、随机优化调度等研究中，常常假设风速服从Weibull分布，太阳辐照度服从Beta分布。那我们如何得到两个分布的参数呢？文本首先介绍了风速Weibull分布和辐照度Beta分布的基本概率模型及其性性质，之后以MATLAB代码为例阐述了如何根据历史观测数据对两种分布的参数进行估计。
]]></description><category></category></item><item><title><![CDATA[电力系统中的风光场景生成方法总结]]></title><link>https://blog.youkuaiyun.com/lithium_jz/article/details/124510590</link><guid>https://blog.youkuaiyun.com/lithium_jz/article/details/124510590</guid><author>lithium_jz</author><pubDate>Sat, 30 Apr 2022 13:25:46 +0800</pubDate><description><![CDATA[相比于常规能源，风电、光伏等可再生能源出力具有明显的随机性、波动性以及间歇性的特征，随着风电、光伏渗透率的不断增加，电力系统中长期规划运行与短期调度中都必须考虑风电、光伏出力的不确定性问题。场景分析（scenario analysis）是一种通过构建确定性场景来分析电力系统不确定性问题的方式，它是解决含可再生能源的电力系统优化规划运行问题的一种有效途径。本文将对现有的场景生成方法做一个梳理。首先，介绍随机优化和场景分析的基本概念和数学模型，其次对电力系统中常用的场景生成方法进行分类，并分别介绍方法和思路。
]]></description><category></category></item><item><title><![CDATA[概率(probability)与似然(likelihood)的区别]]></title><link>https://blog.youkuaiyun.com/lithium_jz/article/details/109081753</link><guid>https://blog.youkuaiyun.com/lithium_jz/article/details/109081753</guid><author>lithium_jz</author><pubDate>Wed, 14 Oct 2020 20:32:22 +0800</pubDate><description><![CDATA[概率(probability)和似然(likelihood)，都是指可能性，都可以被称为概率，但在统计应用中有所区别。

概率(probability)：用于在已知模型的情况下预测新的数据。


例如：抛一枚匀质硬币，抛10次，6次正面向上的可能性多大？


似然(likelihood)：给定已知数据来拟合模型，或者说给定某一结果，求某一参数值的可能性。


例如：抛一枚硬币，抛10次，结果是6次正面向上，其是匀质的可能性多大？

下面看一个例子（来自：StatQuest: Probability vs L]]></description><category></category></item><item><title><![CDATA[Anaconda+TensorFlow安装配置过程]]></title><link>https://blog.youkuaiyun.com/lithium_jz/article/details/103517738</link><guid>https://blog.youkuaiyun.com/lithium_jz/article/details/103517738</guid><author>lithium_jz</author><pubDate>Thu, 12 Dec 2019 22:18:54 +0800</pubDate><description><![CDATA[Win8.1+TensorFlow1.14+Pyhton3.7+CUDA10
这几天一直在配置 Python 环境，遇到了许多坑。决定开一篇文章，记录一下自己的踩坑过程，避免在将来重装时遇到同样的问题。同时也分享给同样要做 Python 开发的小伙伴们，希望你们能少走一些弯路。
近几年数据科学与大数据的发展直接促使Python编程语言作为大众化的主力编程语言，主要原因有以下几点

语法简单
各领域...]]></description><category></category></item></channel></rss>