排序方式: 共有4条查询结果,搜索用时 6 毫秒
1
1.
2.
3.
为有效解决配电变压器故障诊断中面临的数据特征人工提取、机器学习调参困难等问题,提出了一种基于堆栈自编码器(SAE)和随机森林(RF)组合的配电变压器故障诊断方法.建立SAE配电变压器故障特征自动挖掘模型,利用大量的无标签数据对SAE模型中的每一个自编码器进行逐层无监督训练,通过贝叶斯优化算法自动选择模型的最优参数;通过有标签数据对模型参数进行有监督细调,挖掘出能够代表各种故障本质属性的特征量;创建一个RF分类器对故障类型进行辨识,调参过程同样实现参数的自动寻优.试验结果表明,所提方法对配电变压器故障诊断准确率达到96.67%,显著优于单独使用SAE和RF的分类结果. 相似文献
4.
在互联系统中,低频振荡问题越来越成为影响电力系统稳定的重要因素。广域测量系统(WAMS)的发展和应用使得低频振荡的在线辨识和PSS配置及参数优化成为可能。本文探讨了在已知干扰情况下,利用测量数据构造矩阵,基于Matrix Pencil算法来进行电力系统低频振荡模式分析,建立多输入输出系统的低阶近似的辨识传递函数,并在此基础上利用奇异值分解(SVD)的方法来分析PSS优化配置问题。通过经4机2区域系统的仿真实验研究表明,基于Matrix Pencil辨识算法能建立准确的低阶近似传递函数,奇异值分解的方法能有效分析出PSS最佳配置地点。 相似文献
1