排序方式: 共有68条查询结果,搜索用时 15 毫秒
21.
能源互联网背景下的电能质量问题越来越凸显,针对传统电能质量扰动(powerqualitydisturbances, PQDs)识别过程中存在的信号特征提取复杂、算法识别能力不足和复合扰动区分困难等问题,提出了一种混合分量多尺度时频图和残差神经网络(residual neural network, ResNet)、门控循环单元(gated recurrent units, GRU)网络与注意力机制(attention, AT)组合的电能质量复合扰动识别新方法—Res-GRU-AT。首先利用奇异谱分解(singularspectrum decomposition, SSD)和逐次变分模态分解(successive variational mode decomposition, SVMD)对PQDs信号分别进行多尺度分解得到混合分量,再对混合分量进行希尔伯特黄变换(Hilbert-Huang transform, HHT),分析得到多尺度时频图。其次,利用Res-GRU-AT模型对多尺度时频图进行深层次特征提取、强化和识别。Res-GRU-AT模型能够利用ResNet的二维图像空间特征提取能... 相似文献
22.
23.
针对现有故障检测方法存在阈值整定困难、特征量提取过程复杂的问题,提出一种基于多层感知器(MLP)的电网换相换流器和模块化多电平换流器(LCC-MMC)并联型特高压三端混合直流输电线路故障检测方法。首先,分析直流线路昆北侧边界、T区边界、龙门侧边界的频率特性,指出三端直流线路不同区域发生故障时的故障特征差异;其次,通过小波变换对线模电流、线模电压进行多尺度小波分解,提取小波能量,并结合正、负极电压变化量组成故障特征量。然后,将故障特征量作为MLP的输入量、故障区域作为输出量,构建基于MLP的故障区域识别模型;将测量点提取到的故障特征量输入训练完成的模型即可达到故障区域识别的目的。通过大量仿真验证了所提故障检测方法准确率高,且可耐受300Ω的过渡电阻。 相似文献
24.
提出一种基于支持向量机的锅炉管道泄漏声发射检测技术。首先对管道泄漏声发射信号进行特征参数提取,然后将提取的特征参数作为特征向量输入支持向量机进行分类处理,并进行训练。训练后的支持向量机可以利用测量的声发射信号来判断泄漏信号的类别,实现了对泄漏信号的有效识别。试验结果表明该方法在管道泄漏诊断中是有效可行的,验证了声发射技术应用于管道泄漏检测的可行性。 相似文献
25.
26.
为提升风电功率预测精度,提出基于二层分解技术和粒子群优化长短期记忆(PSO-LSTM)神经网络组合的超短期风电功率预测模型。对风电功率原始数据,采用快速集合经验模态分解(FEEMD)方法将其分解为一系列本征模态函数(IMF)分量和余项,针对高频分量采用变分模态分解(VMD)进行二层分解。运用样本熵来解决分量个数过多、计算量繁杂的问题。通过偏自相关函数(PACF)筛选出与预测值关联程度高的元素确定输入维数。最后,选用PSO来优化LSTM相关参数建立预测模型并叠加获得最终值。试验结果表明,该组合模型有效提高了预测精度。 相似文献
27.
针对贯通式同相自耦变压器(AT)牵引供电系统牵引网边界对高频暂态量有较强的衰减作用,提出一种基于形态学的贯通式同相AT牵引供电系统牵引网单端电流方向暂态保护方法。采用多分辨形态梯度处理保护安装处检测到的故障暂态电流,得到其线模分量波形突变点的极性,由此构成方向起动元件。若极性为负,判定为本侧区外故障,保护不动作。若极性为正,则需进一步对故障电流线模分量进行形态谱运算,并将归一化后的形态谱变换到频域,比较频域下形态谱值与阈值的大小判断是区内或对侧区外故障。利用PSCAD仿真平台对贯通式同相AT牵引供电系统进行建模,针对不同故障条件进行大量仿真,仿真结果验证了保护方法的有效性。 相似文献
28.
研究人类免疫缺陷病毒(HIV)的传播机理,提出一种HIV传播中基于配置模型的动态混合无标度网络生成算法。根据HIV在男性和男性、男性和女性之间的传播规律分别构造同性和异性无标度网络,将其放在同一系统中形成混合传播网络,并添加网络的动态变化特性,以反映真实社会网络的演化过程。基于配置模型的复杂网络生成算法可快速、灵活和鲁棒地生成给定网络尺寸和幂律度分布指数的复杂网络,而且网络中的边可断开和重连,弥补了经典 BA 模型的不足。仿真结果表明,该算法能正确、有效地反映HIV混合传播网络的特性。 相似文献
29.
为提高短期风速的预测精度,提出一种基于双模式分解、双通道卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的组合预测模型以提高预测精度。首先,对经过PAM方法聚类后的风速时间序列利用奇异谱分解(SSD)和变分模态分解(VMD)2种信号分解方法进行分解,获得2类多尺度分量。不同模式的多尺度分量可降低原始风速的复杂度和非平稳性,实现不同模式模态分量规律的互补;其次,将2种分解方法得到的风速子序列合并为一个矩阵,输入到双通道CNN进行波形特征深度提取;最后,采用LSTM建立历史风速时序的时间依赖关系,在时空相关性分析的基础上得到最终风速预测结果。实验结果表明,基于双模式分解-双通道CNN-LSTM的组合预测模型可有效提高风速短期预测的精度。 相似文献
30.