首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   15篇
  电工技术   15篇
  2018年   2篇
  2017年   5篇
  2016年   6篇
  2015年   2篇
排序方式: 共有15条查询结果,搜索用时 31 毫秒
1.
林颖  郭志红  陈玉峰 《继电器》2015,43(16):87-94
电力大数据中日益增多的非结构化数据为以人工诊断为主的传统处理方式提出了新的挑战。红外故障图像作为一种典型的非结构化数据,对于电力大数据的研究有着至关重要的作用。为了达到自动处理海量红外故障图像的目的,提出了一种基于卷积递归网络的电流互感器红外故障图像诊断方法。对红外故障图像首先进行超像素分割并利用其色度信息提取温度异常区域;然后采用两级联合卷积-递归神经网络,对大量样本信息进行训练学习来指导设备故障部位识别;最后依据部位信息对故障进行分类。实验结果表明,该算法鲁棒性较强,准确性较高,有效地提高了红外检测效率,为非结构化数据的特征提取分析提供了坚实的基础。  相似文献
2.
大数据技术具有数据容量大、数据类型繁多、商业价值高、处理速度快的特点。能源互联网是信息通信与能源电力结合发展的高级阶段,以逐步实现信息通信基础设施与能源电力基础设施的一体化为特征。在能源互联网中不仅信息的种类和数量巨大,而且对信息的实时性要求也越来越高,因此大数据分析技术在能源互联网中具有广泛的应用前景。在大数据处理平台和大数据分析算法研究现状两方面综述了大数据分析技术,列举了大数据分析在能源互联网的典型应用场景和研究课题。  相似文献
3.
为了利用电力公司积累的海量历史污染物排放数据,形成可以减少污染物排放的调度框架。采用递归神经网络,结合发电机组输出功率与污染物排放量之间的关系,并使用批规范化等深度学习技术,对数据和模型进行学习和训练。实验结果表明,可以有效预测发电机组污染物排放量,解决传统回归分析方法无法适用的难以提取有效特征的问题。  相似文献
4.
调幅波段数字广播系统采用AM-MPPSK(amplitude modulation-m-ary phase position shift keying)复合调制有众多优势.针对AM-MPPSK复合调制系统的数字解调部分,提出了基于DL-SAE(deep learning-sparse autoencoder)的码元判决法.利用深度学习中的稀疏自编码网络从接收信号样本中抽取出包含码间干扰在内的信号特征后,利用深度学习对稀疏自编码网络进行训练,使其能够在较强码间干扰环境下对接收信号样本进行分类,从而实现对于AM-MPPSK复合调制系统的抗码间干扰的解调.提出的码元判决法可将解调误码率从传统匹配滤波判决和幅度判决算法的10-2量级降低到10-4量级,比传统的判决法有着更为优异的解调性能和更强的适应能力.  相似文献
5.
当前电容器介质损耗因素的计算方法为正向求解过程,即先对电容器工作电流和电压进行采样,再使用谐波分析等方法计算介损值,实践中算法稳定性不佳.为此提出了一种基于深度学习的电容器介损角辨识方法,采用一段时间的监测值训练深度学习网络,再使用该深度学习网络对新采样的信号进行辨识,判断介损角变化量(分辨率为0.001%).给出了用于深度学习的介损角表示信号Dδ(t)的计算过程,证明了在讨论域内该信号的幅值即是介损角δ,且其波形形状包含监测装置受到的干扰.仿真实验证明该方法有效,比加汉宁窗的谐波分析法具有更好的抗噪能力.实际在线监测样本的计算结果表明其稳定性优于加汉宁窗的谐波分析法,且辨识结果不受电压互感器角差的影响.  相似文献
6.
在面对流程工业存在的多参数、强非线性和富含复杂机理等问题时浅层算法的学习能力有限,故将深度学习理论引入过程工业预测建模中.而针对单个深层网络对多样性数据的特征挖掘困难,本文提出一种改进的堆栈式自编码器.该方法首先通过聚类算法对输入数据属性进行聚类,按结果将数据分类后输入并行的稀疏自编码器中进行特征的模块式提取,并行输出经整合后输入至叠加的深度网络中,联合这些特征再进行逐层学习得到拟合结果.为减轻过拟合带来的预测误差,将"dropout"方法引入网络训练中.在加氢裂化的预测建模研究中,所提出的算法具有比其他方法更好的预测水平和泛化能力.  相似文献
7.
针对传统织物缺陷检测手工提取特征困难,疵点样本有限的问题,结合卷积自编码器(CAE),提出一种基于Fisher准则的栈式去噪自编码器算法(FSDAE).首先从原始图像中截取若干小块图像,采用稀疏自编码器(SAE)训练,得到小块图像的稀疏性特征;其次利用该特征,初始化CAE网络参数,提取原始图像的低维特征;最后将该特征数据送入FSDAE网络进行疵点检测分类.分别对3类织物进行测试,实验结果表明,算法能够有效地提取织物图像的分类特征,且通过加入Fisher准则,提高了织物疵点的检测率.  相似文献
8.
电容器在线监测系统中,不同位置监测装置受导线电流的干扰不同,因此工程中使用谐波分析法计算介损角存在不稳定问题.该文提出了一种基于同步监测和深度学习的电容器介损角辨识方法.首先给出了电容器电流、电压信号无线同步监测方法,以及用于深度学习的介损角表示信号Dδ(t)的计算过程.然后仿真验证方法的有效性并与基于加汉宁窗的谐波分析法进行比较.最后对深度神经网络隐含层进行了可视化分析,结果显示,该方法的正确率主要受噪声、谐波幅值比、介损角变化量等影响,且在谐波幅值比小于10%的情况下,辨识结果受频率偏移、谐波与基波相角差的影响较小.  相似文献
9.
光伏发电系统的超短期功率预测对电网调度的计划安排及光伏发电系统的优化运行具有重要意义.机器学习、人工智能领域的技术进步为精细化分析光伏功率预测影响因素并提高光伏预测精度提供了有效途径.提出一种基于深度结构网络模型的光伏超短期功率预测方法,首先根据光伏发电系统的机理特征,分析深度学习算法处理光伏预测问题的可行性;然后提出基于深度学习算法的光伏功率预测模型,采用基于受限玻尔兹曼机的深度置信网络提取深层特征完成无监督学习过程,采用有监督BP神经网络作为常规拟合层获得预测结果;并立足于实际需求,建立含离线训练和在线预测的双阶段光伏发电预测系统,分析天气信息及历史信息的输入属性;最后利用光伏发电系统的实际运行数据进行仿真,验证算法准确性和有效性,通过比较深度结构是否包含无监督学习过程,说明其在预测中的重要性.  相似文献
10.
识别刀闸状态对于现代电力系统至关重要,传统的刀闸状态识别方法不能很好地解决多刀闸目标干扰问题.为了解决此问题,提出了一种基于改进深度学习的刀闸状态识别方法.首先采用空间加权的池化策略来改进传统的卷积神经网络(CNNs);其次利用改进CNNs在训练数据库上获得训练模型;然后通过训练模型来检测绝缘子和刀闸的潜在位置,并进一步利用非极大值抑制和直线拟合算法获得精确的绝缘子和刀闸位置;最后利用与绝缘子的连通性和刀闸区域的长宽比来识别多种刀闸的闭合或断开状态.实验结果表明此方法能够精确地定位绝缘子和刀闸的位置,显著提高刀闸状态识别的精度.  相似文献
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号