检索结果-南通市图书馆

基于组合NARX神经网络的非平稳含噪混沌时间序列在线预测

在线全文

学校读者我要写书评

暂无评论

航空学报 2024年

作者：葛佳昊向锦武李道春北京航空航天大学航空科学与工程学院

针对混沌时间序列演化复杂，和数据非平稳特征及噪声严重影响混沌时间序列短期预测精度的问题，提出了基于前向差分、改进小波包去噪和外因输入的非线性自回归网络(FD-IWPD-NARX)的非平稳含噪混沌时间序列(NNCTS)在线组合预测方法。在... 详细信息

针对混沌时间序列演化复杂，和数据非平稳特征及噪声严重影响混沌时间序列短期预测精度的问题，提出了基于前向差分、改进小波包去噪和外因输入的非线性自回归网络(FD-IWPD-NARX)的非平稳含噪混沌时间序列(NNCTS)在线组合预测方法。在滚动时域框架下，采用前向差分平稳窗口内时间序列数据，改进小波包去噪阈值函数改善数据去噪效果，最后通过串并行闭环NARX神经网络对平稳去噪的混沌时间序列进行训练和测试。结果表明，前向差分和提出的改进小波包去噪可以有效提升NARX神经网络的预测性能；与不分窗NARX神经网络、循环神经网络(RNN)和标准长短期记忆网络(LSTM)相比，FD-IWPD-NARX网络可基于少量数据完成模型训练，在预测精度方面具有优势，且每窗模型的训练平均时长缩短至0.12s，具有在线应用潜力。

关键词：含噪非平稳混沌时间序列组合神经网络 NARX神经网络改进小波包去噪在线预测

基于增量稀疏核极限学习机的发动机状态在线预测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

北京理工大学学报 2019年第1期39卷 34-40页

作者：刘敏张英堂范红波李志宁陆军工程大学石家庄校区河北石家庄050003

针对发动机状态在线预测中样本累积、预测模型膨胀和在线更新速度慢等问题,提出了基于增量稀疏核极限学习机的在线预测方法.该方法定义了KELM核函数矩阵的稀疏测量矩阵,并根据矩阵原子相干最小化和自信息量最大化的样本信息度量准则实... 详细信息

针对发动机状态在线预测中样本累积、预测模型膨胀和在线更新速度慢等问题,提出了基于增量稀疏核极限学习机的在线预测方法.该方法定义了KELM核函数矩阵的稀疏测量矩阵,并根据矩阵原子相干最小化和自信息量最大化的样本信息度量准则实现在线样本前向稀疏与后向删减,提高了样本稀疏化效率.利用有效样本对测量矩阵在最佳阶数内进行在线扩充与修剪,限制了预测模型膨胀.利用改进的增量建模方法对模型的核权重矩阵进行递推更新,从而建立规模有限且结构稀疏的在线预测模型,提高了在线建模速度.仿真数据和发动机状态参数在线预测实验结果表明,与现有在线预测方法相比,ISKELM具有更高的样本稀疏化和在线建模效率.对发动机排气温度进行120步预测时,预测速度分别提高了80.50%和31.72%,预测精度分别提高了48.56%和15.81%.

关键词：核极限学习机稀疏测量矩阵样本信息度量增量建模在线预测

基于PCA-GA-LSSVM的输电线路覆冰负荷在线预测模型

在线全文

学校读者我要写书评

暂无评论

电力系统保护与控制 2019年第10期47卷 110-119页

作者：陈勇李鹏张忠军聂海福沈鑫云南大学信息学院云南昆明650500 云南电网有限责任公司电力科学研究院云南昆明650217

针对目前输电线路覆冰负荷预测模型存在的预测精度不足、模型参数选择随意性强、预测效率低等问题,提出了一种基于现场监测数据的输电线路覆冰负荷在线预测模型。首先基于主成分分析法(PrincipalComponent Analysis, PCA)提取微气象数... 详细信息

针对目前输电线路覆冰负荷预测模型存在的预测精度不足、模型参数选择随意性强、预测效率低等问题,提出了一种基于现场监测数据的输电线路覆冰负荷在线预测模型。首先基于主成分分析法(PrincipalComponent Analysis, PCA)提取微气象数据中的有效信息,并采用遗传优化算法(Genetic Algorithm, GA)对惩罚系数等模型参数进行优化确定,建立离线最小二乘支持向量机(LeastSquaresSupportVectorMachines, LS-SVM)模型。然后基于KKT条件(Karush-Kuhn-Tucker conditions)和增量在线学习算法,实现了回归函数和预测模型的在线更新。最后通过云南电网相关输电线路覆冰灾害的实例进行仿真分析。实验结果表明所提模型可有效地对现场输电线路覆冰负荷进行在线预测,单步长及多步长的预测效果均优于传统的覆冰预测模型,应用该预测模型可更好地为输变电系统的除冰和维护决策服务。

关键词：输电线路最小二乘支持向量机覆冰预警主成分分析在线预测

基于广域测量信息的物理-数据融合频率偏差极值在线预测

在线全文

学校读者我要写书评

暂无评论

电力建设 2023年第8期44卷 1-12页

作者：张钢邓贤哲马晓伟柯贤波姚伟施秀萍文劲宇宗启航国家电网有限公司西北分部西安市710048 强电磁工程与新技术国家重点实验室(华中科技大学电气与电子工程学院) 武汉市430074 中电普瑞电力工程有限公司北京市102200

大规模风电并网降低了电力系统惯量水平,增加了其暂态频率偏差的越限风险,然而现有频率预测模型对含风电系统的在线预测速度和精度都还不够,故需进一步优化频率偏差极值预测方法,用以系统的频率稳定评估。文章基于广域量测技术(wide are... 详细信息

大规模风电并网降低了电力系统惯量水平,增加了其暂态频率偏差的越限风险,然而现有频率预测模型对含风电系统的在线预测速度和精度都还不够,故需进一步优化频率偏差极值预测方法,用以系统的频率稳定评估。文章基于广域量测技术(wide area measurement system,WAMS),考虑风电并网对频率响应过程的影响,提出了一种物理-数据融合频率偏差极值在线预测方法。首先,利用广域量测信息对有功-频率开环解耦模型进行数据粘合,在此基础上形成可快速求解的物理-数据融合的暂态频率分析模型;其次,基于该模型,获得实时更新的频率偏差极值预测值,并提出“预测值误差指数”指标来量化预测精度,指导在线模型的自适应动态结果输出;最后,通过算例验证了所提频率偏差极值在线预测方法的快速性和准确性。

关键词：广域量测技术频率偏差极值物理-数据融合在线预测频率分析模型

基于机器学习可解释代理模型的风电次同步振荡在线预测及优化控制方法

在线全文

学校读者我要写书评

暂无评论

电力系统保护与控制 2021年第16期49卷 67-75页

作者：向玮华班连庚周佩朋电网安全与节能国家重点实验室(中国电力科学研究院有限公司) 北京100192

随着新能源发电的快速发展,大规模风电场与电网相互作用引起的次同步振荡问题不断凸显,对次同步振荡进行预测并采取预防性控制措施具有重要意义。为此,提出了一种基于机器学习可解释代理模型的风电并网系统次同步振荡的在线预测和优化... 详细信息

随着新能源发电的快速发展,大规模风电场与电网相互作用引起的次同步振荡问题不断凸显,对次同步振荡进行预测并采取预防性控制措施具有重要意义。为此,提出了一种基于机器学习可解释代理模型的风电并网系统次同步振荡的在线预测和优化控制方法。采用Prony算法分析电网小扰动过程以辨识系统阻尼水平。建立了基于梯度提升树模型的系统阻尼评估系统。提出了基于可解释代理模型的优化控制辅助决策方法。在Matlab Simulink中搭建了多个直驱风电场并网系统的仿真模型,验证了所提方法能够有效进行次同步振荡在线预测和优化控制,从而抑制次同步振荡,提升系统的稳定性。相较于传统的抑制方法,所提方法不依赖风电系统的详细模型,能够对风电场进行有针对性的控制,且控制措施的效果是可估测的。

关键词：次同步振荡在线预测优化控制机器学习代理模型

在线全文

学校读者我要写书评

暂无评论

基于数字孪生的生产车间运行状态在线预测

计算机集成制造系统 2021年第2期27卷 467-477页

作者：刘娟庄存波刘检华苗田王建群北京理工大学机械与车辆学院北京100081

针对数字孪生车间的在线预测难题,提出一种实时数据驱动的数字孪生车间运行状态在线预测方法。分析了车间数字孪生体的内涵和运行机制,构建了基于车间数字孪生体的仿真预测框架,阐述了基于事件调度法的仿真运行逻辑,建立了数字孪生车间... 详细信息

针对数字孪生车间的在线预测难题,提出一种实时数据驱动的数字孪生车间运行状态在线预测方法。分析了车间数字孪生体的内涵和运行机制,构建了基于车间数字孪生体的仿真预测框架,阐述了基于事件调度法的仿真运行逻辑,建立了数字孪生车间输入特性、样本生成、事件处理逻辑之间的关系,融合实时数据实现了基于持续瞬态仿真的车间在线预测。设计并开发了面向数字孪生车间的运行状态在线仿真系统,通过实例验证了该方法的可行性和有效性。

关键词：数字孪生车间在线预测实时数据持续瞬态仿真事件调度法

风力发电机组部件疲劳损伤预估及在线预测应用研究

在线全文

学校读者我要写书评

暂无评论

可再生能源 2022年第11期40卷 1493-1498页

作者：黄蓉文登宇董竹林明阳智慧能源集团股份公司广东中山528437 台山核电合营有限公司广东江门529228

由于振动或者外部自然环境的影响,风力发电机组在运行过程中所承受的载荷不确定,导致风力发电机组疲劳问题很复杂。文章基于雨流计数法和Palmgren-Miner线性累积损伤理论,对在役机组各部件的疲劳损伤预估计算。结合机组实际运行数据和... 详细信息

由于振动或者外部自然环境的影响,风力发电机组在运行过程中所承受的载荷不确定,导致风力发电机组疲劳问题很复杂。文章基于雨流计数法和Palmgren-Miner线性累积损伤理论,对在役机组各部件的疲劳损伤预估计算。结合机组实际运行数据和部件疲劳损伤的预估值,采用神经网络算法和K-Fold算法建立预测模型,利用该模型可有效预测同一风场其他非标杆机组的部件损伤。结果表明,疲劳损伤的预测误差精度可控制在3%以内,为及时调整相关控制参数和控制策略提供了可靠的依据,进而保证机组运行的稳定性,使风机达到最佳的疲劳寿命。

关键词：风力发电机组雨流计数法疲劳载荷预估在线预测

在线全文

学校读者我要写书评

暂无评论

动态多模型指数平滑法融合的在线预测方法

系统工程与电子技术 2020年第9期42卷 2013-2021页

作者：杨博帆张琳张搏宋亚飞丁尔启空军工程大学防空反导学院陕西西安710051 中国人民解放军94221部队山东日照276800

针对传统预测算法实时性差、难以适应多种数据变化情况、参数无法根据数据的实时变化进行在线调整等问题,提出了一种动态多模型指数平滑法融合的在线预测算法。该算法根据历史数据的预测误差,动态调整指数平滑法的平滑系数,以及1次、2次... 详细信息

针对传统预测算法实时性差、难以适应多种数据变化情况、参数无法根据数据的实时变化进行在线调整等问题,提出了一种动态多模型指数平滑法融合的在线预测算法。该算法根据历史数据的预测误差,动态调整指数平滑法的平滑系数,以及1次、2次、3次指数平滑法的融合权值,实时得到对传感器测量参数的准确预测。仿真表明,该算法在多种数据变化情况下均优于单一采用指数平滑法。

关键词：在线预测指数平滑法动态参数故障预测模型融合

在线全文

学校读者我要写书评

暂无评论

基于R-OSELM的海洋环境数据在线预测

南京信息工程大学学报（自然科学版） 2023年第1期15卷 104-110页

作者：李志刚刘宇杰韩国峰程尚付多民李莹琦华北理工大学人工智能学院/河北省工业智能感知重点实验室唐山063210 唐山市就业服务中心唐山063000

为及时辨识海洋环境的变化趋势和降低长期累积的海洋环境数据对预测模型的影响,提出一种基于循环在线顺序极限学习机(Recurrent Online Sequential Extreme Learning Machine R-OSELM)的海洋环境数据在线预测模型.采用完全在线的方法初... 详细信息

为及时辨识海洋环境的变化趋势和降低长期累积的海洋环境数据对预测模型的影响,提出一种基于循环在线顺序极限学习机(Recurrent Online Sequential Extreme Learning Machine R-OSELM)的海洋环境数据在线预测模型.采用完全在线的方法初始化海洋环境数据训练集,通过在线顺序极限学习机算法对已有的海洋环境数据进行逐块输入,利用极限学习机的自动编码技术与一种归一化方法对输入权重循环处理,实现预测模型的在线更新,最后完成对海洋环境数据的在线预测.使用该模型对溶解氧、叶绿素a、浊度、蓝绿藻进行预测,结果表明R-OSELM模型的预测精度高于对比模型,确定其具备海洋环境数据在线预测能力,可为海洋水域水体富营养化与海洋环境污染预警提供参考.

关键词：海洋环境数据时间序列预测在线预测在线顺序极限学习机循环神经网络