检索结果-南通市图书馆

An Improved Grasshopper Optimization Algorithm for Global Optimization

在线全文

学校读者我要写书评

暂无评论

Chinese Journal of Electronics 2021年第3期30卷 451-459页

作者： YAN Yan ma hongzhong LI Zhendong College of Energy and Electrical Engineering Nanjing Hohai University Collaborative Innovation Center for Ningxia Big Data and Artificial Intelligence Co-founded by Ningxia Municipality and Ministry of Education Ningxia University School of Information Engineering Ningxia University

We proposes an improved grasshopper algorithm for global optimization problems. Grasshopper optimization algorithm(GOA) is a recently proposed meta-heuristic algorithm inspired by the swarming behavior of grasshoppers. The original GOA has some drawbacks,such as slow convergence speed, easily falling into local optimum, and so on. To overcome these shortcomings, we proposes a grasshopper optimization algorithm based on a logistic Chaos maps opposition-based learning strategy and cloud model inertia weight(CCGOA). CCGOA is divided into three stages. The chaos opposition learning initialization strategy is used to initialize the population,so that the population can be evenly distributed in the feasible solution space as much as possible, so as to improve the uniformity and diversity of the initial population distribution of the grasshopper algorithm. The inertia weight cloud model is introduced into the grasshopper algorithm, and different inertia weight strategies are used to adjust the convergence speed of the algorithm. Based on the principle of chaotic logistic maps, local depth search is carried out to reduce the probability of falling into local optimum. Fourteen benchmark functions and an engineering example are used for simulation verification.Experimental results show that the proposed CCGOA algorithm has superior performance in determining the optimal solution of the test function problem.

关键词： Optimisation techniques Learning in AI (theory) Combinatorial mathematics Cloud model inertia weight Grasshopper optimization algorithm Chaos logistic maps opposition based learning strategy Local depth search

基于Mel-GADF与ConvNeXt-T的变压器铁心松动故障诊断方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电力自动化设备 2024年第3期44卷 217-224页

作者：万可力马宏忠崔佳嘉王健河海大学能源与电气学院江苏南京211100

为解决传统梅尔(Mel)时频谱图对变压器铁心松动程度识别率较低的问题,提出一种基于梅尔-格拉姆角差场(Mel-GADF)时频谱图与ConvNeXt-T网络相结合的变压器铁心松动故障诊断模型。将变压器声纹信号生成Mel时频谱图,同时将原始声纹数据经... 详细信息

为解决传统梅尔(Mel)时频谱图对变压器铁心松动程度识别率较低的问题,提出一种基于梅尔-格拉姆角差场(Mel-GADF)时频谱图与ConvNeXt-T网络相结合的变压器铁心松动故障诊断模型。将变压器声纹信号生成Mel时频谱图,同时将原始声纹数据经过格拉姆角场(GAF)变换得到格拉姆角和场(GASF)与GADF这2种时频谱图;生成Mel-GASF与Mel-GADF这2种特征融合的时频谱图来弥补Mel时频谱图的低频缺失问题;将3种时频谱图放入ConvNeXt-T网络进行训练对比,选出效果最佳的诊断模型。以型号为S13-M-200/10的变压器为对象进行空载试验,对不同铁心松动程度下的声纹信号进行分析,分析结果表明,将Mel-GADF作为特征时频谱图结合ConvNeXt-T网络,可将测试集准确率从传统Mel时频谱图的98.273%提升至99.500%,提升了1.227个百分点。

关键词：变压器铁心松动 Mel时频谱图格拉姆角场卷积神经网络迁移学习

基于ICEEMDAN和时变权重集成预测模型的变压器油中溶解气体含量预测

在线全文

学校读者我要写书评

暂无评论

高电压技术 2024年第1期50卷 210-220页

作者：马宏忠肖雨松孙永腾李勇朱雷许洪华河海大学能源与电气学院南京211100 国网江苏省电力有限公司南京供电分公司南京210008

为了实现对变压器油中溶解气体体积分数的精确预测,同时克服仅使用单一预测模型导致预测精度及泛化能力不足的局限,提出了一种基于改进完全自适应噪声集合经验模态分解(improved complete ensemble empirical mode decomposition,ICEEMD... 详细信息

为了实现对变压器油中溶解气体体积分数的精确预测,同时克服仅使用单一预测模型导致预测精度及泛化能力不足的局限,提出了一种基于改进完全自适应噪声集合经验模态分解(improved complete ensemble empirical mode decomposition,ICEEMDAN)和灰色关联系数时变权重集成预测模型的变压器油中溶解气体预测方法。首先将溶解气体含量序列模态分解为一系列具有不同时间尺度的子序列。然后,使用门控循环神经网络和麻雀搜索算法优化支持向量机对各子序列进行训练,组合为一个集成预测模型;并比较不同预测方法的预测精度,计算灰色关联系数时变权重,形成各子系列的预测结果。最后将各子序列的预测结果叠加重构,得到最终预测结果。算例分析结果显示:该方法单步预测的均方根误差、平均绝对误差和相关系数分别为0.593、0.422和0.768,相比其他算法在预测精度上有明显提升,同时具有很强的泛化性能,可以为油浸式变压器内部状态监测提供依据。

关键词：油中溶解气体 ICEEMDAN 麻雀搜索算法支持向量机门控循环神经网络时变权重集成模型

基于多特征提取和麻雀搜索算法优化XGBoost的变压器绕组松动诊断方法

在线全文

学校读者我要写书评

暂无评论

电机与控制学报 2024年第6期28卷 87-97页

作者：马宏忠肖雨松颜锦孙永腾河海大学能源与电气学院江苏南京211100 国网湖南省电力有限公司衡阳供电分公司湖南衡阳421200

针对使用单一特征量诊断变压器绕组松动,在不同负载条件下存在交叠和抗干扰能力不足的问题,提出一种基于核主成分分析(KPCA)和改进麻雀搜索算法(SSA)优化极端梯度提升(XGBoost)的变压器绕组松动振动诊断方法。首先,从时域、频域和熵值3... 详细信息

针对使用单一特征量诊断变压器绕组松动,在不同负载条件下存在交叠和抗干扰能力不足的问题,提出一种基于核主成分分析(KPCA)和改进麻雀搜索算法(SSA)优化极端梯度提升(XGBoost)的变压器绕组松动振动诊断方法。首先,从时域、频域和熵值3个维度提取适用于变压器多传感器振动信号的多种特征量;其次,通过网格搜索优化的KPCA对特征量进行降维;最后,构建基于XGBoost的故障诊断模型,并采用改进麻雀搜索算法调参,实现不同电流大小下变压器绕组松动故障准确识别。以某110 kV变压器为对象进行实验验证,诊断结果表明,所提取的特征量能够准确反映故障特征,抗干扰能力更强,诊断模型故障诊断准确率为99.00%,相比于其他诊断算法准确率和稳定性更高,在不同负载情况下均有良好的识别效果。

关键词：变压器振动绕组松动核主成分分析极端梯度提升麻雀搜索算法故障诊断

基于有源消弧暂态衰减信息的配电网接地故障跟踪检测方法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

中国电机工程学报 2024年第2期44卷 464-475,I0003页

作者：刘宝稳万子雄曾祥君张慧芬马宏忠河海大学能源与电气学院江苏省南京市211100 智能电网运行与控制湖南省重点实验室(长沙理工大学) 湖南省长沙市410114 济南大学自动化与电气工程学院山东省济南市250022

现有配电网单相接地故障检测技术缺乏消弧过程的故障程度跟踪与选线能力。该文充分利用消弧过程中的暂态信息,建立考虑线路参数不对称的集总参数等效模型,论证消弧过程零序电压衰减直流特征的物理意义,提出考虑快速消弧的配电网故障检... 详细信息

现有配电网单相接地故障检测技术缺乏消弧过程的故障程度跟踪与选线能力。该文充分利用消弧过程中的暂态信息,建立考虑线路参数不对称的集总参数等效模型,论证消弧过程零序电压衰减直流特征的物理意义,提出考虑快速消弧的配电网故障检测新方法,对于低、高阻接地故障均有较高的检测灵敏度。实际应用中,仅需观测消弧全补偿电流投切过程中零序电压及零序电流波形,即可实现过渡电阻测量、故障程度跟踪与故障选线,具有瞬时性故障实时跟踪、故障检测与故障消弧同步进行的优势,操作简单、易于实现。仿真实验证实了方法的有效性,为配电网故障检测提供了新的理论依据。

关键词：单相接地故障有源柔性接地衰减直流特征过渡电阻辨识故障选线

基于LWOA-LSTM的大容量锂电池SOC估计

在线全文

学校读者我要写书评

暂无评论

中国电力 2024年第6期57卷 37-44页

作者：马宏忠宣文婧朱沐雨陈悦林河海大学电气与动力工程学院江苏南京210024

准确预测锂电池荷电状态(SOC)对电池安全运行至关重要,分析在电网不同模式下的SOC更是锂电池全面推广的基础。提出一种基于莱维飞行的鲸鱼优化算法(LWOA)优化长短时记忆神经网络(LSTM),对调频模式下的大容量锂离子电池SOC进行估计。首先... 详细信息

准确预测锂电池荷电状态(SOC)对电池安全运行至关重要,分析在电网不同模式下的SOC更是锂电池全面推广的基础。提出一种基于莱维飞行的鲸鱼优化算法(LWOA)优化长短时记忆神经网络(LSTM),对调频模式下的大容量锂离子电池SOC进行估计。首先,分析LSTM神经网络和LWOA算法,构建LWOA-LSTM模型,进行参数优化;然后,选取调频模式下大容量锂离子电池组实验数据,对数据进行预处理和模型训练;最后,实现调频模式下锂电池的SOC估计。试验结果表明:所构建模型能准确预测锂电池SOC,较WOA-LSTM模型,评估指标RMSE和maE分别降低了25.55%、28.71%,R^(2)上升了0.76%。

关键词：荷电状态锂电池鲸鱼优化算法长短时记忆网络调频模式

基于格拉姆角场和深度残差网络的变压器绕组松动故障诊断模型

在线全文

学校读者我要写书评

暂无评论

电机与控制应用 2024年第1期51卷 29-38页

作者：肖雨松马宏忠河海大学能源与电气学院江苏南京211100

针对变压器绕组松动故障诊断中特征量难以选取,依赖人工经验的问题,提出了一种基于自动编码器降噪,格拉姆角场(GAF)和深度残差网络(ResNet)进行识别的变压器绕组松动诊断方法。该方法直接从GAF图像中自动学习有效的故障特征,不需要手动... 详细信息

针对变压器绕组松动故障诊断中特征量难以选取,依赖人工经验的问题,提出了一种基于自动编码器降噪,格拉姆角场(GAF)和深度残差网络(ResNet)进行识别的变压器绕组松动诊断方法。该方法直接从GAF图像中自动学习有效的故障特征,不需要手动提取特征量。首先,将振动信号经过自动编码器进行降噪,获得信噪比更高的振动信号。然后,采用GAF方法将振动信号转化为二维图像,生成图像数据集,在此基础上训练ResNet,构建适用于变压器绕组松动故障分类识别的网络模型。最后,搭建变压器绕组松动故障试验平台,采集绕组在不同松动和试验电流下的振动信号并进行分析。试验结果表明,所提诊断方法对变压器绕组松动识别准确率达95%以上,能够有效识别松动相和松动程度,适用于变压器绕组松动故障的识别和诊断。

关键词：变压器振动绕组松动降噪自动编码器格拉姆角场(GAF) 深度残差网络

典型调峰/调频工况下储能电池组荷电状态估计

在线全文

学校读者我要写书评

暂无评论

中国电力 2024年第6期57卷 18-26页

作者：朱沐雨马宏忠郭鹏宇宣文婧河海大学电气与动力工程学院江苏南京211100 国网江苏省电力有限公司江苏南京210024

针对储能电池组在电网典型储能工况下荷电状态(state of charge,SOC)估算精度较低的问题,提出一种基于核主成分分析(kernel principal component analysis,KPCA)-鹈鹕优化(pelican optimization algorithm,POA)-双向门控循环单元(bidirectional gated recurrent unit,Bi GRU)的SOC估计模型。通过设计调峰/调频工况下电池组充放电实验,从数据中提取表征SOC变化的融合特征作为模型输入;分别构建不同工况下Bi GRU网络,并利用POA对其超参数进行优化,提高模型性能;进一步在混合工况下验证模型的有效性。结果表明,所建模型有着更好的SOC估计效果和更强的鲁棒性,能够提高复杂储能工况下储能电池组SOC估计精度。

关键词：储能电池组荷电状态估计调峰调频鹈鹕优化双向门控循环单元

基于电压极差特征的储能电池组早期健康状态检测

在线全文

学校读者我要写书评

暂无评论

电机与控制应用 2024年第2期51卷 1-9页

作者：朱沐雨马宏忠宣文婧河海大学能源与电气学院江苏南京211100

为了更加高效地评估储能电池组的健康状态(SOH),提出一种基于电压极差特征的早期健康状态检测方法。首先基于大容量磷酸铁锂储能电池组开展循环老化试验,测量每次循环的电压极差信号,并从中提取关键时间点的电压特征;其次,基于皮尔逊(Pe... 详细信息

为了更加高效地评估储能电池组的健康状态(SOH),提出一种基于电压极差特征的早期健康状态检测方法。首先基于大容量磷酸铁锂储能电池组开展循环老化试验,测量每次循环的电压极差信号,并从中提取关键时间点的电压特征;其次,基于皮尔逊(Pearson)相关系数及灰色关联度分析法(GRA)筛选与电池组老化高度相关的健康因子。最后,通过麻雀搜索算法(SSA)优化双向长短时记忆网络(BiLSTM)的超参数,搭建SSA-BiLSTM健康状态估计模型,实现储能电池组SOH评估;并结合常规机器学习算法验证了健康因子的有效性和估计模型的优越性。结果表明,所提取充放电静置30 min的电压极差特征能够有效反映电池组容量衰退趋势,多种模型验证下SOH估计误差均低于±0.8%。其中,本文所提出的SSA-BiLSTM模型均方根误差(RMSE)低至0.07%。因此该方法能够有效地对大容量储能电池组的SOH实现在线监测。

关键词：磷酸铁锂储能电池组健康状态评估电压极差麻雀搜索算法双向长短时记忆网络在线监测