排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
为了提高变压器故障识别的诊断精度,提出一种基于多尺度卷积神经网络模型的变压器故障诊断方法。首先,在1DCNN结构基础上设计2个多尺度卷积模块,构造变压器故障识别模型的总体结构。其次,针对样本特征较少问题,采用基于比值法的特征扩充方法,将样本特征由5维增强至25维;针对故障样本量少以及故障间样本数分布不平衡问题,采用基于对抗生成网络的样本数增强方法,生成大量模拟样本。最后,利用改造后的数据集对所设计的模型进行训练与测试。结果表明,模型平均准确率为93.24%,与相关主流方法在不同数据集下实验对比,本模型表现效果良好。 相似文献
4.
为了分析在风电并网情况下多种调节资源对电力系统灵活性的影响,提出一种“整体-局部”的灵活性评估方法。在需求响应方面,针对分时电价,采用模糊C均值法对各时点负荷进行聚类,然后结合连续性划分准则对分时区间进行确定。考虑到风电场景集过大会带来求解效率低的问题,在Canopy聚类和K-medoids聚类的基础上提出一种双层聚类场景削减技术,并对削减后场景进行校验,确保其能有效地反映风电波动情况。在计算上,针对各风电场景,构建以经济性作为目标函数的机组组合模型并进行求解,然后根据多场景下的调度结果对电力系统的灵活性进行整体和局部的评估。通过仿真分析,验证了该评估方法的有效性与合理性。 相似文献
1