共查询到20条相似文献,搜索用时 62 毫秒
1.
以某型号液压阀为研究对象,运用AMESim中的HCD模块对其建立仿真模型并进行仿真;将仿真数据与实现数据进行对比,验证了HCD模型的正确性;借助HCD仿真模型,对影响液压阀响应特性的因素进行分析,从而为液压阀的设计和故障诊断提供参考. 相似文献
2.
提出了一种基于油色谱时频域数据和残差注意力的变电站故障分类模型。对收集到的油色谱数据,计算其频域分量和时频域分量的特征比值,将所有数据作为网络的输入来训练网络;残差注意力网络通过跨层连接的方式来堆叠注意力模块,以降低网络的过拟合影响并提升模型训练速度,同时注意力模块能够重点关注对结果影响大的信息,进一步提高对变电站故障分类的准确度。通过实际数据验证了所提方法的有效性和性能的优越性。 相似文献
3.
近年来,随着锂离子电池的能量密度、功率密度逐渐提升,其安全性能与剩余使用寿命预测变得愈发重要。本综述全面分析了锂电池剩余使用寿命预测领域研究现状,系统介绍了现有预测算法,并着重探讨了机器学习方法在该领域的应用。基于模型的方法包括电化学模型、等效电路模型和经验退化模型;基于数据驱动的方法涵盖了支持向量回归、高斯过程回归、极限学习机、卷积神经网络、循环神经网络和Transformer等常用的机器学习方法。本文详细分析了每种方法的优缺点,并重点阐述了机器学习方法在特征提取与融合方法等方面的应用及发展情况。对于特征提取,本文从电流电压温度曲线、IC曲线、EIS曲线中进行总结分析;对于融合方法,本文将其细分为模型-模型、数据-模型、数据-数据融合方法并进行分析。最后,针对当前研究存在的问题,本综述从早期预测、在线预测和多工况预测3个方面提出了对剩余使用寿命预测方法的研究建议,为提升锂电池剩余使用寿命预测算法的准确性和实用性提供思路。 相似文献
4.
提出了一种基于三维模型比对的输电线路弧垂检测方法,以输电线路的激光点云和BIM设计模型为数据融合基础,首先对输电线路点云数据滤波分类,建立输电线路的激光点云模型,并将BIM设计模型转化为BIM点云模型;然后根据激光点云模型中一档距线路的固有特征将其定位到相应的BIM点云模型上,并提出改进的ICP算法实现激光点云模型和BIM点云模型间的精确匹配;最后通过模型间的比对获得弧垂检测结果。实验结果表明,所提算法具有无需人工干预、高效率和高精度的优点。 相似文献
5.
6.
7.
随着智能电网、配网自动化及广域量测系统的不断发展和完善,配电网产生了海量表征其运行状态的数据,为其单相接地故障检测定位提供了新的挑战。基于随机矩阵理论对配网大数据矩阵进行分析,首先用节点电压数据构造高维数据矩阵;然后用圆环律和平均谱半径进行故障检测;最后在检测到故障发生时,通过增广矩阵构造和配网结构相结合进行故障区域定位。仿真分析通过80节点配网模型的单相接地故障验证了所提方法的可行性。 相似文献
8.
近年来,基于电网信息模型(grid information model,GIM)的信息管理研究增多,研究人员需要在地区或场地层面有效地可视化GIM模型对象,并对模型数据进行应用和管理,但GIM模型具有跨度大、精细度高的特点,计算机在可视化和应用GIM模型时容易遇到性能瓶颈。为此,文章基于BIMBase技术提出一种轻量化GIM数据的方法,首先对GIM文件进行解析,并对参数化几何进行网格化处理;然后通过顶点属性保持的合并算法去除网格中的冗余数据;最后设计数据存储结构,将几何、材质和属性解耦存储。GIM模型数据轻量化完成后,对顶点合并、模型加载和解析性能进行比较,均取得了较好效果。 相似文献
9.
以风电、光伏为代表的大规模可再生能源接入对电网线损评估及降损管理工作带来了较大挑战。提出一种基于实际运行数据驱动的新能源出力对电网线损影响分析方法,首先根据输电线路典型模型对输电线路线损进行分析,将其表示为输送有功功率的二次多项式函数,然后将其扩展到全网,并据此构建了全网等值线损评估模型;对于等值线损模型中的未知参数,提出基于实际运行数据拟合的模型解析方法。最后,以某省级电网为例,对所提线损评估模型误差、不同发电类型线损率灵敏度因子及新能源出力对线损影响等进行了分析,对所提模型的有效性进行了验证。 相似文献
10.
针对GPMIMERG降水数据存在系统误差的问题,以关中地区为例,在筛选海陆位置、地形、植被指数(NDVI)变量的基础上,运用支持向量机(SVM)、随机森林(RF)、高斯过程回归(GPR)模型对IMERG月降水数据进行订正,并通过34个站点数据验证订正模型。结果表明,关中地区IMERG数据具有良好的可替代性,其决定系数R2达0.76,平均绝对误差MMAE、均方根误差RRMSE分别为6.94、9.77 mm;经机器学习模型订正后星地数据之间的R2提升了2.05%~58.33%,RRMSE、MMAE分别降低了0.85%~71.23%、0.10%~73.47%;与GPR、RF模型相比,SVM模型的RRMSE、MMAE分别减小16.76%、9.76%和24.73%、14.11%,对IMERG数据订正具有更好的适用性。 相似文献
11.
为精准有效地修复连续性异常数据,提出一种基于残差块优化卷积神经网络的残差网络数据修复模型。以乳山风电场的风电机组基础健康监测数据为例对模型进行工程验证。同时选取具有修复功能的多种模型对实际异常数据进行修复验证,并对所有模型的性能以及自身的修复精度进行对比分析。结果表明:ResNet模型避免了FCN以及CNN模型存在的缺陷,提高了数据修复的精度;ResNet模型适用于缺失或异常比例低于30%的数据修复;ResNet模型修复实例的结果符合数据变化趋势,能较好吻合监测数据的原始曲线。 相似文献
12.
13.
为解决故障劣化渐变过程的长时间序列对齿轮箱状态监测模型的影响问题,提升其决策精度,提出一种基于数据采集与监控(SCADA)数据的组合建模方法。首先,采用主成分分析法(PCA)选取与齿轮箱温度密切相关的输入观测向量,并应用长短期记忆(LSTM)神经网络分别对齿轮箱正常工况和异常工况独立建立温度模型;其次,结合模型输出结果与SCADA数据提取残差分布特征向量,建立随机森林残差分布模型对机组齿轮箱运行状态进行监测;最后,对某大型风电场机组进行模型建立和仿真研究。结果表明,基于LSTM神经网络结合随机森林算法对风电机组齿轮箱状态监测有较强的实用性和较高的准确率,为后续开展齿轮箱健康度评价提供了新的方法和思路。 相似文献
14.
由于当前方法对发电数据进行采集时,没有对发电数据的缺失值进行修复,存在缺失数据修复前数据采集精度差、与实际采集数据相差多的问题。该文提出一种基于时间序列的分布式光伏电站发电数据采集方法。根据光伏电站受到的不同影响,构建了负荷异常值类型的时间序列模型,利用该模型对异常数据负荷点进行剔除,由于剔除后的数据存在缺失值,因此对其进行修复;根据修复结果,采用BP神经网络对发电数据进行采集。实验结果表明,通过对该方法进行缺失数据修复前后对比测试、不同方法与实际指标数据采集测试,验证了该方法的有效性强、实用性高。 相似文献
15.
16.
[目的]准确估计锂离子电池健康状态(SoH)对于未来的智能电池管理系统具有重要意义。为解决数据特征质量差以及模型参数调整困难的问题,提出了基于奇异值定阶降噪以及麻雀算法优化门控循环(GRU)神经网络的锂电池SoH估计方法。[方法]首先,从电池充放电数据中提取了3个与SoH衰减高度相关的指标,运用奇异值分解技术对特征进行降噪,提高了其与SoH的相关性。接着,使用麻雀搜索算法优化GRU神经网络的模型结构及参数,提高其对SoH的估计精度。最后,使用先进生命周期工程中心(CALCE)的电池数据集验证所提模型的有效性。[结果]实验结果表明,所提模型适用于电池SoH估计,其最大均方根误差(RMSE)仅为0.018 4;经过数据降噪以及算法优化后的GRU模型,其RMSE比初始模型减少了55.41%。[结论]文章所提方法实现了SoH的准确估计,可为实际工程应用提供参考。 相似文献
17.
18.
19.