排序方式: 共有36条查询结果,搜索用时 15 毫秒
21.
提出一种基于卷积深度置信网络(CDBN)实现配电网故障分类的方法,利用离散小波包变换(DWPT)分解主变低压侧进线电流和母线电压等电量信号并构造时频矩阵,将时频矩阵转换成时频谱图的像素矩阵后作为CDBN的输入,经CDBN自主提取故障特征量,最终完成配电网故障分类识别。应用典型结构配电网的故障仿真数据与故障实验样本进行故障识别测试,结果表明,所提方法不但具有提取故障特征明显、故障分类正确率较高的特点,并且在系统中性点运行方式及网络结构调整、故障起动检测延迟、分布式电源接入等情况下,均有良好的应用适应性。 相似文献
22.
23.
24.
25.
26.
27.
28.
29.
30.
由于风能的随机性以及电力系统的非线性等原因,预测风电功率时需要考虑众多的不确定因素影响。现有预测方法主要包括物理预测方法、统计预测方法以及学习预测方法、综合预测法等。基于数字天气预报(NWP-numerical weather prediction)的物理预测方法模型复杂、计算量大,较少用于短期预测;统计预测方法模型简单,数据需求量少,较适合于数据获取有一定困难的情况;人工智能预测方法不依赖于对象的精确模型,适合于随机非线性系统;综合预测方法可一定程度地扬长避短。本文主要就风电场风速及风电功率预测方法研究进行了综合阐述,并在总结前人研究的基础上提出了一些可进一步研究的问题。 相似文献