检索结果-南通市图书馆

电力变压器油中溶解气体异常数据识别与含量预测研究

在线全文

学校读者我要写书评

暂无评论

电网技术 2024年

作者：杜江范志远范仲华王庆凯李佩贤河北省电磁场与电器可靠性重点实验室(河北工业大学) 省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学) 国网山东夏津县供电公司

采用神经网络模型对油中溶解气体含量进行预测是目前评估电力变压器运行状态的重要方法，数据质量是影响神经网络模型预测精度的关键因素，然而，由于变压器复杂的运行环境，使得采集到的气体数据中不可避免的存在多种类型的异常数据，... 详细信息

采用神经网络模型对油中溶解气体含量进行预测是目前评估电力变压器运行状态的重要方法，数据质量是影响神经网络模型预测精度的关键因素，然而，由于变压器复杂的运行环境，使得采集到的气体数据中不可避免的存在多种类型的异常数据，进而造成数据质量下降，严重影响模型的预测精度。此外，神经网络模型的参数是否匹配也是影响其预测性能的重要因素，然而，传统依据人工经验选择参数存在主观性、低效性和不可扩展性等缺点，也在一定程度上影响了模型的预测性能。为解决上述问题，该文通过对最近邻集成隔离法(iNNE)进行修正，提出了修正最近邻集成隔离法(MiNNE)，利用MiNNE综合考虑局部度量与全局度量的特性实现气体异常数据的准确识别，有效提升数据质量。同时，对鹈鹕优化算法进行改进，提出了改进鹈鹕优化算法(IPOA)，并利用IPOA对影响神经网络模型预测精度的关键参数进行优化，有效克服了传统依据经验选参而导致模型预测精度低与传统POA易陷入局部最优的问题，提高了模型的预测性能。采用电力变压器实际运行数据对所提模型进行验证，结果表明，相较于其他模型，所提模型在7种特征气体预测中均取得了最佳的预测效果，充分证明了所提模型的优越性。

关键词：电力变压器油中溶解气体异常数据识别气体含量预测

水电站地下洞室TCN自适应异常数据识别算法研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

人民长江 2024年

作者：吴忠明李天述张波周明张瀚周靖人中国电建集团华东勘测设计研究院有限公司四川大学水力学与山区河流开发保护国家重点实验室水利水电学院浙江华东测绘与工程安全技术有限公司

由于水电地下洞室围岩数据具有变化不确定、序列样本短等特点，传统的异常识别方法漏识率、误判率较高。随着智能技术的发展，通过神经网络建立更加可靠的异常识别方法是目前研究的热点，而传统的神经网络存在时序关联性不强和计算模型... 详细信息

由于水电地下洞室围岩数据具有变化不确定、序列样本短等特点，传统的异常识别方法漏识率、误判率较高。随着智能技术的发展，通过神经网络建立更加可靠的异常识别方法是目前研究的热点，而传统的神经网络存在时序关联性不强和计算模型庞杂等问题。针对以上问题，本文提出了基于时域卷积神经网络（TCN）及标准自适应的地下洞室数据异常识别算法，该算法利用TCN技术考虑序列前后关系建立更为可靠的序列模型，同时针对地下洞室监测数据特征考虑了误差中位数、数据波动和仪器精度自适应来匹配最优识别准则。将该算法应用在叶巴滩地下洞室异常数据识别中，证明了其可有效避免梯度爆炸、消失，模型耗时较大等问题，极大地提高了异常值分析效率和识别率。

关键词：地下洞室深度学习时域卷积神经网络异常数据识别稳健评估

一种改进LSOF的风电异常数据识别与清洗方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

湖南城市学院学报(自然科学版) 2024年第3期 57-62页

作者：陈长青卢钱杭徐韵怡甘周旺雷兵湖南城市学院智慧城市能源感知与边缘计算省重点实验室湖南电桥科技有限公司

针对风速-功率历史运行数据的识别和处理存在识别准确度低、分析过程复杂和异常数据清洗效率低的问题，提出了一种改进无监督学习的聚类局部结构离群因子识别方法(LSOF)。首先，通过最近邻域树法对邻域进行测量，旨在解决传统局部离群... 详细信息

针对风速-功率历史运行数据的识别和处理存在识别准确度低、分析过程复杂和异常数据清洗效率低的问题，提出了一种改进无监督学习的聚类局部结构离群因子识别方法(LSOF)。首先，通过最近邻域树法对邻域进行测量，旨在解决传统局部离群因子识别性能低，且对邻域大小敏感的问题；其次，利用改进无监督学习的聚类局部结构离群因子识别方法分别对每个局部结构进行计算评分，并将评分最高的局部结构报告为异常局部结构，在此基础上，利用最近邻域树特征区分异常值和异常值组；最后，通过某实际风电场数据进行验证。研究结果表明，该方法在邻域范围内对异常值识别具有较高的精度和鲁棒性。

关键词：异常数据识别局部离群因子无监督学习邻域树

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于智能算法的主变异常数据识别应用

南方农机 2024年第5期55卷 157-162页

作者：薛文祺汤美琪吉林师范大学信息技术学院吉林四平136000

【目的】准确评估电力变压器的状态,提前判断是否存在故障,并安排工作人员进行维修,以防止进一步威胁电网的安全运行。【方法】以通过相关数据对电力变压器状态进行评估为目标,以人工智能和数据挖掘技术为工具,深入研究了包括数据扩充... 详细信息

【目的】准确评估电力变压器的状态,提前判断是否存在故障,并安排工作人员进行维修,以防止进一步威胁电网的安全运行。【方法】以通过相关数据对电力变压器状态进行评估为目标,以人工智能和数据挖掘技术为工具,深入研究了包括数据扩充、趋势预测、故障诊断、健康评估在内的电力变压器评估方法。首先,对数据进行了清洗和整理。接着,采用了Apriori算法进行数据挖掘,以便更好地理解数据之间的关联性。在完成数据挖掘工作后,利用LSTM模型进行异常数据识别。这包括模型诊断过程和模型建立。通过对模型进行反复测试和优化,以确保其能够准确识别出电力变压器中的异常情况。然后,通过仿真实验验证了所提出方法的有效性。在这个过程中,考虑了变压器油色谱气体之间的关联性,对数据进行了预处理,并将多变量时间序列状态参量纳入回归预测模型,以提高预测精度。【结果】分析了状态参量变化对预测结果的影响,确定了输入预测模型的状态参量维度。通过算例分析,成功准确地测出了H_(2)、CH_(4)、C_(2)H_(6)、C_(2)H_(4)、C_(2)H_(2)这5种典型的故障特征量。【结论】本研究能够及时发现变压器的潜在故障,提升评估的准确性。根据评估结果,可以提前安排维护人员进行检修,预防变压器事故的发生。

关键词：异常数据识别 Apriori算法 LSTM模型数据挖掘

在线全文

学校读者我要写书评

暂无评论

风电场风功率异常数据识别与清洗研究综述

电网技术 2023年第6期47卷 2367-2379页

作者：吴永斌张建忠袁正舾邓富金东南大学电气工程学院江苏省南京市210096

风电场中风机停机、传感器故障等会造成风功率数据中包含有大量异常值,影响到风电场状态监测、功率预测等工作的正常开展。针对风电场风功率异常数据识别与清洗技术开展了综述研究。首先,概述了风力发电运行大数据现状,分析了风电机组... 详细信息

风电场中风机停机、传感器故障等会造成风功率数据中包含有大量异常值,影响到风电场状态监测、功率预测等工作的正常开展。针对风电场风功率异常数据识别与清洗技术开展了综述研究。首先,概述了风力发电运行大数据现状,分析了风电机组与风电场的风功率数据的分布特征,并对比了两者的不同;然后,分析了基于统计、机器学习和图像处理的各类异常数据识别方法的优缺点,结合基于物理特性、统计学和机器学习等数据重构技术,讨论了实现数据清洗的方法及其优劣;再次,概述了风电场异常数据识别与清洗技术在状态监测和功率预测等领域的应用情况;最后,对风电场异常数据识别与清洗技术存在的挑战和发展趋势进行了展望。

关键词：风电场风电机组风功率数据异常数据识别数据清洗

基于数学形态学去噪的光伏发电限电异常数据识别算法

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 2022年第21期42卷 7843-7854页

作者：郝颖冬雷王丽婕廖晓钟北京信息科技大学自动化学院北京市海淀区100192 北京理工大学自动化学院北京市海淀区100081

光伏发电领域特有的限电异常数据,由于其来源于不确定的、突发的强制弃风弃光操作,完全无规律可循,使得依赖数据分布假设或经验模型的传统异常数据识别算法无法对其进行有效识别。为提高光伏限电异常数据的识别率,提出一种基于数学形态... 详细信息

光伏发电领域特有的限电异常数据,由于其来源于不确定的、突发的强制弃风弃光操作,完全无规律可循,使得依赖数据分布假设或经验模型的传统异常数据识别算法无法对其进行有效识别。为提高光伏限电异常数据的识别率,提出一种基于数学形态学去噪的限电异常数据识别算法。该算法将限电异常数据作为原始数据的噪声信号,对原始数据本身的分布特性没有任何要求,只需将原始数据转换为二值图像,通过膨胀腐蚀等数学形态学去噪的基本运算即可对限电异常数据进行自适应识别。通过实际采集数据进行仿真,结果表明,与传统异常数据识别算法相比,该算法可显著提高限电异常数据的识别率,从而验证了其在限电异常数据识别领域的适用性。

关键词：光伏发电限电数据异常数据识别数学形态学去噪膨胀腐蚀

基于变分贝叶斯推断的DPGMM风电机组异常数据识别研究

在线全文

学校读者我要写书评

暂无评论

动力工程学报 2023年第7期43卷 885-892页

作者：甘雨郭鹏林立栋华北电力大学控制与计算机工程学院北京102206

为了准确识别和剔除风电机组在实际运行过程中产生的异常数据,以便为功率预测等工作提供有效的数据支持,通过分析风电机组运行数据散点在风速-功率(v-P)坐标系中的分布特征,提出了基于变分贝叶斯推断的狄利克雷过程高斯混合模型异常数... 详细信息

为了准确识别和剔除风电机组在实际运行过程中产生的异常数据,以便为功率预测等工作提供有效的数据支持,通过分析风电机组运行数据散点在风速-功率(v-P)坐标系中的分布特征,提出了基于变分贝叶斯推断的狄利克雷过程高斯混合模型异常数据识别方法。将试验机组E17实测数据散点沿水平功率方向以一定间隔划分区间,采用能自适应确定最佳分量个数的狄利克雷过程高斯混合模型对每一个功率区间内的数据散点进行聚类,结合各高斯分量置信椭圆参数及数据散点在v-P坐标系中的分布特征,对试验机组E17各功率区间内的高斯分量及其聚类散点进行异常标识。结果表明:该模型克服了传统高斯混合模型需要人为确定分量个数的缺点,能够对风电机组异常数据进行准确识别。

关键词：风电机组异常数据识别狄利克雷过程高斯混合模型变分贝叶斯推断

在线全文

学校读者我要写书评

暂无评论

高斯混合模型风电机组异常数据识别方法研究

可再生能源 2023年第8期41卷 1051-1056页

作者：肖碧涛赖晓路郭鹏王桂松国电南京自动化股份有限公司江苏南京211800 华北电力大学控制与计算机工程学院北京102206

风电机组原始运行数据中存在大量异常数据,对异常数据进行识别和剔除是后续准确预测风电机组出力及评价发电性能的基础。文章分析了风电机组运行数据功率散点在风速-功率坐标系中的分布特征,提出了基于贝叶斯信息准则(BIC)的高斯混合模... 详细信息

风电机组原始运行数据中存在大量异常数据,对异常数据进行识别和剔除是后续准确预测风电机组出力及评价发电性能的基础。文章分析了风电机组运行数据功率散点在风速-功率坐标系中的分布特征,提出了基于贝叶斯信息准则(BIC)的高斯混合模型异常数据识别方法。沿水平功率方向以一定间隔划分多个水平功率区间,采用高斯混合模型对落在每一水平功率区间内的功率散点进行聚类,并引入BIC准则自适应确定模型的高斯分量个数。结合功率散点分布特征先验经验,对每一水平功率区间内的多个高斯分量置信椭圆及其聚类功率散点进行异常标识。以风电机组实际运行数据为例,验证了高斯混合模型异常数据识别方法的有效性。

关键词：风电机组异常数据识别高斯混合模型 BIC准则

在线全文

学校读者我要写书评

暂无评论

基于神经网络的船舶通信网络异常数据识别

舰船科学技术 2022年第17期44卷 148-151页

作者：田银磊刘书伦济源市网络智能创新集成应用技术研究中心河南济源459000 济源职业技术学院河南济源459000

提出基于神经网络的船舶通信网络异常数据识别方法,为去除冗余数据,将通信网络数据映射至统一数据区间,并切片为多模态数据模式。由联合关联规则,提取通信网络多模态数据特征,作为基于粒子群优化模糊神经网络的网络异常数据识别模型的... 详细信息

提出基于神经网络的船舶通信网络异常数据识别方法,为去除冗余数据,将通信网络数据映射至统一数据区间,并切片为多模态数据模式。由联合关联规则,提取通信网络多模态数据特征,作为基于粒子群优化模糊神经网络的网络异常数据识别模型的输入样本,经粒子群算法调节模糊神经网络连接权重后,将模型网络模型训练为稳定状态,在此状态下通过Softmax分类器,结合数据特征隶属度与模糊规则,分析船舶通信网络数据特征是否异常,输出多类型异常数据识别结果。实验结果表明:该方法可有效去除船舶通信网络异常数据内存在的冗余数据,具备较好的预处理效果;提取船舶通信网络数据特征时的偏差数值极小,特征提取能力好;可有效识别不同类型的船舶通信网络数据内的异常数据,且识别精度较高,应用性较强。

关键词：模糊神经网络船舶通信网络异常数据识别特征提取粒子群算法