检索结果-南通市图书馆

维普期刊数据库博看期刊

基于生成对抗网络和集成学习的配变台区低压跳闸预测

在线全文

学校读者我要写书评

暂无评论

基于生成对抗网络和集成学习的配变台区低压跳闸预测

作者：丁伟锋广东工业大学

学位级别：硕士

配变台区作为配电网的重要组成部分,承担了为区域内用户供电的重大任务,其安全稳健地运行对电力系统的安全、可靠运行具有重要的意义。随着居民、商业和生产用电负荷激增,配变台区时常发生低压跳闸停电事件,客户投诉事件频发,倘若未及... 详细信息

配变台区作为配电网的重要组成部分,承担了为区域内用户供电的重大任务,其安全稳健地运行对电力系统的安全、可靠运行具有重要的意义。随着居民、商业和生产用电负荷激增,配变台区时常发生低压跳闸停电事件,客户投诉事件频发,倘若未及时处理故障,将进一步造成更严重后果。当前大部分学者主要通过配变台区负荷、重过载预测实现对配变台区运行态势的掌控,直接对配变台区低压跳闸预测的研究尚少。对此,本文借助大规模的配变台区数据资源,对配变台区发生低压跳闸的概率进行了仿真建模研究。在总结现有相关研究的基础上,针对配变台区低压跳闸预测问题的特点,本文提出一种基于生成对抗网络和集成学习的配变台区低压跳闸预测模型,包含以下工作:首先,对本文用于仿真建模的配变台区数据进行了异常值剔除、归一化和One-Hot特征转换等数据预处理,并采用皮尔逊相关系数法初步分析影响配变台区低压跳闸的主要因素。为了解决因原始数据集中样本不平衡造成预测模型难以识别少数类样本的问题,本文搭建了基于Wasserstein散度的生成对抗网络（WGAN-div）,巧妙地在WGANdiv加入残差块以缓解训练过程中出现的梯度消失问题,提出了一种基于WGAN-div的配变台区低压跳闸数据扩充方法。然后,为了更好地处理数据量大、特征数量繁多的配变台区数据,本文以残差网络（ResNet）深度学习模型为基础,创新地提出一种基于集成残差网络（Bagging-ResNet）的配变台区低压跳闸预测模型,旨在通过集成多个ResNet的预测结果,增强模型的泛化性能,以此获得更高的预测精度。针对传统统计分析方法受数据样本影响大、非线性关系表达能力不强和难以解释特征因素在不同值域空间贡献方向的缺陷,本文新颖地提出一种基于夏普利加法解释（SHAP）解释框架的配变台区低压跳闸影响因素分析方法,用来深层量化解释特征变量对于最终预测模型的边际贡献。最后,以广东省某区域的配变台区实测数据进行仿真建模,实验结果表明:本文所提WGAN-div-Bagging-ResNet模型相比其他模型表现出更加优异的预测性能;同时,通过SHAP解释影响因素和风险划分机制,能够为配变台区运维人员提供了可信度较高的依据,协助运维人员做出合理的决策。

关键词：配变台区低压跳闸预测 WGAN-div Bagging-ResNet SHAP

基于长短时记忆网络-纵横交叉算法的含高比例新能源电力市场日前电价预测

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电网技术 2022年第2期46卷 472-480页

作者：殷豪丁伟锋陈顺张铮曾琮孟安波广东工业大学自动化学院广东省广州市510006

精准的日前电价预测能够协助电力市场参与者做出合理的决策。随着高比例新能源接入电力系统,日前电价的预测难度不断加大。为了提升含高比例新能源电力市场日前电价的预测精度,提出了一种基于奇异谱分析(singular spectrum analysis,SSA... 详细信息

精准的日前电价预测能够协助电力市场参与者做出合理的决策。随着高比例新能源接入电力系统,日前电价的预测难度不断加大。为了提升含高比例新能源电力市场日前电价的预测精度,提出了一种基于奇异谱分析(singular spectrum analysis,SSA)和纵横交叉算法(crisscross optimization,CSO)优化长短时记忆网络(long short-term memory,LSTM)的日前电价预测模型。首先,使用SSA将原始数据分解成趋势序列、周期序列和剩余序列;其次,对各子序列建立LSTM多步预测模型,针对LSTM的全连接输出层参数易陷入局部最优的问题,提出了二次训练LSTM策略,在训练好LSTM模型后,使用CSO算法对全连接层间的权系数与偏置进行微调;最后,将所有预测序列进行叠加即得最终的电价预测值。以北欧丹麦DK1电力市场数据进行了建模预测,实验结果表明所提方法能够有效提高日前电价的预测精度。

关键词：电力市场高比例新能源日前电价奇异谱分析长短时记忆网络纵横交叉算法

基于生成对抗网络和纵横交叉粒子群算法的光伏数据缺失重构方法

在线全文

学校读者我要写书评

暂无评论

电网技术 2022年第4期46卷 1372-1381页

作者：殷豪丁伟锋陈顺王陈恩陈嘉铭孟安波广东工业大学自动化学院广东省广州市510006

针对设备故障和人为干扰等因素造成光伏数据缺失的问题,提出了一种基于生成对抗网络和纵横交叉粒子群算法的光伏数据缺失重构方法。首先,使用Wasserstein散度生成对抗网络(Wasserstein divergence for GANs,WGAN-div)学习光伏数据的时... 详细信息

针对设备故障和人为干扰等因素造成光伏数据缺失的问题,提出了一种基于生成对抗网络和纵横交叉粒子群算法的光伏数据缺失重构方法。首先,使用Wasserstein散度生成对抗网络(Wasserstein divergence for GANs,WGAN-div)学习光伏数据的时序性规律与耦合关系;其次,设计了重构约束,通过优化生成器的噪声输入,使得重构后的样本最大限度贴近真实样本;针对优化高维变量问题,采用纵横交叉算法催化粒子群算法的寻优过程,防止优化时出现早熟问题。实验结果表明,在光伏数据含有大量缺失值时,所提方法具有较高的重构准确率。该方法也适用于电力系统中类似数据的缺失值重构,具有良好的应用前景。

关键词：光伏数据缺失重构生成对抗网络重构约束纵横交叉粒子群算法

基于生成对抗网络和LSTM-CSO的少样本光伏功率短期预测

在线全文

学校读者我要写书评

暂无评论

高电压技术 2022年第11期48卷 4342-4351页

作者：殷豪张铮丁伟锋陈嘉铭陈黍孟安波广东工业大学自动化学院广州510006

针对新建光伏发电站原始数据匮乏导致光伏功率预测精度低的问题,提出了一种基于梯度惩罚Wasserstein生成对抗网络(Wasserstein generative adversarial network with gradient penalty,WGAN-GP)和改进长短期记忆网络的光伏功率短期预测... 详细信息

针对新建光伏发电站原始数据匮乏导致光伏功率预测精度低的问题,提出了一种基于梯度惩罚Wasserstein生成对抗网络(Wasserstein generative adversarial network with gradient penalty,WGAN-GP)和改进长短期记忆网络的光伏功率短期预测模型。首先使用WGAN-GP学习原始真实光伏数据的样本分布规律,然后生成与原始数据相似的高质量新样本,从而实现训练集数据增强;其次,采用纵横交叉算法(crisscross optimization algorithm,CSO)对长短时记忆网络(longshort-termmemory,LSTM)的全连接层参数进行优化,构建LSTM-CSO组合模型对光伏功率进行预测。以澳洲某光伏发电站数据进行仿真建模,实验结果表明:使用数据增强后的样本训练预测模型能够有效提高模型的预测精度,且对原始训练集数据扩充数据量的比例越大,预测模型对于光伏功率预测的精度越高。同时LSTM-CSO相对于LSTM在各个季节类型的不同气象日中均具有更高的预测准确率,以春季测试集为例,LSTM-CSO模型在春季的晴天、多云、雨天下的均方根误差相比于LSTM模型分别降低5.62%、3.44%、10.44%。

关键词：光伏功率预测生成对抗网络梯度惩罚长短时记忆纵横交叉算法

兆瓦级风力发电滚锥齿超环面行星蜗杆增速器的设计研究

在线全文

学校读者我要写书评

暂无评论

兆瓦级风力发电滚锥齿超环面行星蜗杆增速器的设计研究

作者：丁伟锋华南理工大学

学位级别：硕士

随着石油、煤炭等常规能源的日益枯竭,风能资源以其独特的优势越来越受到广大人们的关注,风电产业在未来能源战略中将占据至关重要的地位。风电增速箱是风电系统的关键部件,其设计制造技术在很大程度上制约着发电能力。本文在研究超环... 详细信息

随着石油、煤炭等常规能源的日益枯竭,风能资源以其独特的优势越来越受到广大人们的关注,风电产业在未来能源战略中将占据至关重要的地位。风电增速箱是风电系统的关键部件,其设计制造技术在很大程度上制约着发电能力。本文在研究超环面行星蜗杆传动理论的基础上,将超环面行星蜗杆传动理论引入风力发电领域,设计一种新型的兆瓦级风力发电增速器——兆瓦级风力发电滚锥齿超环面行星蜗杆增速器,以促进大功率风力发电机组的快速发展的目的。主要研究的内容如下: 开展了超环面行星蜗杆传动的空间啮合理论的研究,针对兆瓦级大功率动力传动要求,设计了兆瓦级风力发电滚锥齿超环面行星蜗杆增速器的结构方案,主要包括传动的核心部分、支撑部分、润滑系统和冷却装置的设计。综合运用改进的遗传算法IPGA (a modified micro genetic algorithm with the strategy of Intergeneration Projection)和外惩罚函数法开展了兆瓦级风力发电滚锥齿超环面行星蜗杆增速器的主要性能参数优化设计。综合运用响应面法、有限元分析技术及正交试验设计方法,开展了增速器的结构参数的优化设计。运用正交试验设计方法来安排有限元分析方案,提取相应的计算结果,将得到的数据使用响应面法来建立一个设计变量与目标函数之间的对应关系。将该对应关系可视化显示为曲线图,通过人工调整曲线图中设计变量的取值范围来求得增速器结构参数的最优解。最后,基于UG二次开发技术构建了滚锥齿超环面行星蜗杆增速器的设计平台的基本框架,向用户提供了与UG系统风格相似的可视化设计环境。将前述性能参数优化设计嵌入到框架中,实现了预期的功能。通过参数化建模,以UG作为二次开发平台,对增速器零部件进行二次开发,减少花费在重复性工作上的时间,从而大大地提高了设计效率。

关键词：超环面行星蜗杆传动滚锥齿增速器优化设计参数化设计二次开发

基于分布式作战的美国濒海战斗舰新发展与作战运用

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

飞航导弹 2020年第8期 11-14,19页

作者：丁伟锋李冬王肖飞海军航空大学不详

美国濒海战斗舰项目在发展过程中出现了许多问题,在分布式作战理念牵引下,美国实时调整了濒海战斗舰项目发展与使用的进程。系统地梳理了美国濒海战斗舰的最新发展,重点分析了其改进后的武器装备配置与性能。从作战使用特点、作战运用... 详细信息

美国濒海战斗舰项目在发展过程中出现了许多问题,在分布式作战理念牵引下,美国实时调整了濒海战斗舰项目发展与使用的进程。系统地梳理了美国濒海战斗舰的最新发展,重点分析了其改进后的武器装备配置与性能。从作战使用特点、作战运用模式等方面,分析了其可能的作战使用。

关键词：濒海战斗舰分布式作战作战运用

在线全文

学校读者我要写书评

暂无评论

越南海军无人机新发展与作战运用研究

飞航导弹 2021年第3期 43-47页

作者：丁伟锋王肖飞李冬中国人民解放军海军航空大学烟台264001

近年来随着无人机技术的快速发展,越南海军已经达成了发展无人机的共识。通过国外引进和自行研制,越南海军明显加快了无人机装备发展的步伐,并不断投入到实战化部署和作战运用中。系统梳理了越南海军无人机装备的最新发展及装备部署情况... 详细信息

近年来随着无人机技术的快速发展,越南海军已经达成了发展无人机的共识。通过国外引进和自行研制,越南海军明显加快了无人机装备发展的步伐,并不断投入到实战化部署和作战运用中。系统梳理了越南海军无人机装备的最新发展及装备部署情况,在此基础上重点分析了其作战优势和存在的不足,并对其可能的作战运用模式,特别是在南海海域的广域海上监视、侦察预警、目标指示和引导等作战运用进行了分析研究。对深入分析越南海军无人机的威胁及作战运用方法、深化越南海军无人机作战能力研究及寻求破解对策具有一定的参考价值。

关键词：越南海军无人机作战运用

基于生成对抗网络和随机森林算法的配变低压跳闸预测

在线全文

学校读者我要写书评

暂无评论

高电压技术 2021年第7期47卷 2321-2329页

作者：殷豪丁伟锋陈嘉铭陈顺欧祖宏孟安波广东工业大学自动化学院广州510006

配变台区低压跳闸预测对供电部门掌握配电网运行态势至关重要。针对传统处理样本不平衡抽样方法容易造成信息丢失、引入噪声的缺陷,提出了一种领域清理(neighbourhood clean rule,NCL)欠采样和生成对抗网络组合的不平衡数据处理方法。... 详细信息

配变台区低压跳闸预测对供电部门掌握配电网运行态势至关重要。针对传统处理样本不平衡抽样方法容易造成信息丢失、引入噪声的缺陷,提出了一种领域清理(neighbourhood clean rule,NCL)欠采样和生成对抗网络组合的不平衡数据处理方法。首先采用NCL欠采样合理清除正常运行样本;然后采用稀疏自编码器学习大规模配变影响因素的内在特征,使用生成对抗网络去拟合、生成新的特征表示,并对其解码得到新跳闸样本;最后为了处理高维特征输入下的分类问题,使用随机森林分类器对目标配变进行低压跳闸预测,并依据跳闸概率进一步建立风险等级划分机制。以某地区配变为例进行建模预测,实验结果表明,所提模型在目标配变的预测准确率为99.65%,能有效预测低压跳闸事件和定位高风险台区。

关键词：配变台区低压跳闸预测 NCL欠采样稀疏自编码器生成对抗网络随机森林

基于相似日理论和CSO-WGPR的短期光伏发电功率预测

在线全文

学校读者我要写书评

暂无评论

高电压技术 2021年第4期47卷 1176-1184页

作者：孟安波陈嘉铭黎湛联丁伟锋欧祖宏殷豪广东工业大学自动化学院广州510006

针对光伏发电功率预测精度不高的问题,提出一种结合纵横交叉算法与改进的高斯过程回归算法(crisscross optimization algorithm and weighted Gaussian process regression,CSO-WGPR)的预测模型。首先,通过加权模糊聚类对天气类型进行划... 详细信息

针对光伏发电功率预测精度不高的问题,提出一种结合纵横交叉算法与改进的高斯过程回归算法(crisscross optimization algorithm and weighted Gaussian process regression,CSO-WGPR)的预测模型。首先,通过加权模糊聚类对天气类型进行划分,选出与预测日相同类型的相似日样本;其次,采用单类支持向量机(One-Class supportvectormachine,One-ClassSVM)算法结合传统高斯过程回归算法,建立改进后的高斯过程回归模型(weighted Gaussianprocess regression,WGPR),减小异常值数据对预测结果的不良影响;然后,采用纵横交叉算法(crisscross optimization algorithm,CSO)优化WGPR的超参数,进一步提高模型的预测精度。以澳洲爱丽丝泉光伏系统为例进行建模预测,真实数据仿真和实验结果表明,所提预测模型在晴天、阴天、雨天类型下具有更高的预测精度,验证了该方法的有效性。

关键词：光伏发电功率预测加权模糊聚类单类支持向量机改进的高斯过程回归纵横交叉算法