检索结果-南通市图书馆

基于CNN-LSTM-AM动态集成模型的电站风机状态预测方法

在线全文

学校读者我要写书评

暂无评论

仪器仪表学报 2023年第4期44卷 19-27页

作者：魏玮吕游齐欣宇刘吉臻房方华北电力大学控制与计算机工程学院北京102206 新能源电力系统国家重点实验室(华北电力大学) 北京102206

针对电站负荷变化时风机状态预测模型精度降低的问题,提出一种基于卷积神经网络(CNN)、长短时记忆(LSTM)网络与注意力机制(AM)的动态集成状态预测方法。首先,利用CNN将样本数据划分为边界有重叠的不同类别,实现风机运行状态的软分类;其... 详细信息

针对电站负荷变化时风机状态预测模型精度降低的问题,提出一种基于卷积神经网络(CNN)、长短时记忆(LSTM)网络与注意力机制(AM)的动态集成状态预测方法。首先,利用CNN将样本数据划分为边界有重叠的不同类别,实现风机运行状态的软分类;其次,在传统的LSTM网络的中引入AM层,构造不同工况下的LSTM-AM子模型,并将CNN输出的软分类标签作为初始权值,使用遗传算法对权值偏置进行搜索寻优;最后,对各个子模型的输出值加权求和,得到风机不同运行状态下的集成预测值。实验结果表明,相较各个LSTM-AM子模型和单一LSTM-AM模型,本文提出的基于CNN-LSTM-AM的动态集成模型在电站风机变负荷运行时可以将预测结果的均方根误差分别减小11.5%和22.3%,说明此模型具有更好的鲁棒性和适用性。

关键词：状态预测卷积神经网络长短时记忆网络注意力机制集成学习

基于多条件时间序列的免耕播种机作业数据清洗方法

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2022年第1期53卷 85-91页

作者：姜含露周利明马明李阳周燕苑严伟中国科学院半导体研究所北京100083 中国科学院大学材料科学与光电技术学院北京100049 中国农业机械化科学研究院土壤植物机器系统技术国家重点实验室北京100083 吉林省农业机械化管理中心长春130062

为提高作业监测数据状态预测精度,并保证无效数据的实时清洗,提高数据质量并降低监测设备的缓存压力,从而降低对后续地块作业质量评价准确性的影响,减轻数据并发带来的网络压力,本文针对免耕播种机长时序的田间周期性作业规律,提出基于... 详细信息

为提高作业监测数据状态预测精度,并保证无效数据的实时清洗,提高数据质量并降低监测设备的缓存压力,从而降低对后续地块作业质量评价准确性的影响,减轻数据并发带来的网络压力,本文针对免耕播种机长时序的田间周期性作业规律,提出基于多条件时间序列分析的监测数据清洗方法及模型,该模型包含3个长短时记忆特征提取模块,分别提取了工况参数中车速、瞬时面积和播种量的时空特征,再利用通道融合(CONCAT连接)保证了融合后的特征具有个体差异性。通过该模型可以实时判断当前时刻的免耕播种机工况时序状态值,实现了某位置点作业工况的状态预测,从而间接判断图像抓拍系统的实时清洗状态。40次迭代后不同模型的对比结果表明:多条件特征通道融合的时间序列模型对有效点和无效点的预测精度都超过了85%,抓拍图像清洗平均准确率为92.4%。因此,本文的研究方法以免耕播种机工况状态作为抓拍图像清洗依据是有效的,数据清洗后约有63%的冗余数据被剔除。

关键词：免耕播种机监测数据清洗状态预测时间序列工况参数

高比例新能源下的交直流配电网预测辅助区间状态估计

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2023年第16期47卷 34-43页

作者：黄蔓云费有蝶卫志农郑玉平孙国强臧海祥河海大学能源与电气学院江苏省南京市211100 南瑞集团有限公司(国网电力科学研究院有限公司) 江苏省南京市211106

分布式电源(DG)出力的随机性和波动性、量测误差分布的不确定性给交直流配电网准确的态势感知带来了挑战。文中在利用区间形式描述DG出力和量测值的基础上,建立了交直流主动配电网的三相区间状态估计模型,旨在获得多重不确定性因素影响... 详细信息

分布式电源(DG)出力的随机性和波动性、量测误差分布的不确定性给交直流配电网准确的态势感知带来了挑战。文中在利用区间形式描述DG出力和量测值的基础上,建立了交直流主动配电网的三相区间状态估计模型,旨在获得多重不确定性因素影响下系统状态所处的整个区间。为了获得准确的初始状态区间,利用历史状态预测当前时刻的状态区间,并基于非线性优化模型进行区间修正以确保预测区间的合理性。然后,利用基于中值定理的非线性等式放缩方法将非线性区间状态估计模型转化为线性优化模型,保证估计区间的完备性。最后,通过仿真算例验证了所提方法的有效性。

关键词：交直流主动配电网高比例新能源分布式电源区间状态估计不确定性状态预测线性优化

电力物联网技术在输变电设备状态评估中的应用现状与发展展望

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8期48卷 3012-3031页

作者：齐波冀茂郑玉平朱柯翰潘书燕赵林杰李成榕华北电力大学新能源电力系统国家重点实验室北京102206 南瑞集团有限公司(国网电力科学研究院有限公司) 南京211106 南方电网科学研究院有限责任公司广州510080

输变电设备的安全运行对于保证电网稳定、提高电能质量具有重要意义。传统输变电设备状态评估存在状态感知不全面、感知参量彼此割裂严重、数据传输质量不高、评估模型准确度较低等问题。电力物联网构建了多维感知-高效上送-融合处理-... 详细信息

输变电设备的安全运行对于保证电网稳定、提高电能质量具有重要意义。传统输变电设备状态评估存在状态感知不全面、感知参量彼此割裂严重、数据传输质量不高、评估模型准确度较低等问题。电力物联网构建了多维感知-高效上送-融合处理-智能应用的技术架构,为输变电设备状态的可靠评估提供了全链路解决思路。围绕电力物联网技术在输变电设备状态评估中的应用现状,阐述了包括数据全面感知的感知层、数据可靠传输的网络层、数据高效挖掘的平台层和数据赋能增速的应用层在内的相关研究进展,分析探讨了电力物联网技术在各环节的应用现状及面临的问题。最后,对电力物联网技术在输变电设备状态评估中面临的挑战进行了总结,并展望了未来的发展趋势。

关键词：电力物联网输变电设备状态评估状态感知数据接入 5G 数据治理状态预测

一种基于关联集和可用度的光伏发电系统维护策略

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

电力系统保护与控制 2022年第14期50卷 94-104页

作者：陈伟李旭斌纪青春裴喜平王忠飞何峰兰州理工大学电气工程与信息工程学院甘肃兰州730050 国网甘肃省电力公司兰州供电公司甘肃兰州730050

针对光伏发电系统定期维修费用较高且不能充分利用系统实时状态而动态调整维修策略的问题,在考虑设备运行状态和天气因素影响的基础上,提出了一种基于关联集和可用度的光伏发电系统动态组合维护策略。首先,从设备功能相关性出发建立关联... 详细信息

针对光伏发电系统定期维修费用较高且不能充分利用系统实时状态而动态调整维修策略的问题,在考虑设备运行状态和天气因素影响的基础上,提出了一种基于关联集和可用度的光伏发电系统动态组合维护策略。首先,从设备功能相关性出发建立关联集,以关联集为单位进行维修决策,并通过改进的马尔可夫模型预测设备和关联集状态,计算其可用度。然后,在设备维修决策阶段,以维修成本最低和可用度最高为目标,通过引入方式因子结合设备状态类型确定维修时间及方式。在关联集维修策略优化阶段,依据设备之间经济结构相关性建立共同维修决策集,从而确定系统最佳维修策略。最后,以某光伏电站为例验证了所提方法的正确性和有效性。结果表明,该方法能有效节省系统维修总费用,提高系统可用度。

关键词：相关性关联集状态预测可用度天气因素维修策略

基于自适应深度学习的数控机床运行状态预测方法

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2022年第1期53卷 451-458页

作者：杜柳青李祥余永维重庆理工大学机械工程学院重庆400054

针对机床状态动态标签及差异化分布数据下的预测适应性差与准确度低问题,结合时序特征关系和模型融合方法,建立自适应混合深度学习模型进行机床状态预测。首先,通过融合最小近邻分类器,设计一种基于权值累积的自适应更新法则,建立具有... 详细信息

针对机床状态动态标签及差异化分布数据下的预测适应性差与准确度低问题,结合时序特征关系和模型融合方法,建立自适应混合深度学习模型进行机床状态预测。首先,通过融合最小近邻分类器,设计一种基于权值累积的自适应更新法则,建立具有数据自适应性的状态预测模型。在此基础上,提出一种基于中心损失函数的特征距离度量优化策略,构建综合决策损失函数,确保模型有效融合。在提出的一种组合收敛准则基础上,采用BBPT方法训练优化模型,对测试数据进行了验证。实验结果表明,该模型能够自适应动态标签及差异化分布数据,准确预测数控机床状态类别,抗干扰强,响应快。在GPU模式下预测时间最短仅需100 ms,较BP和LSTM分类网络,预测准确率和实时性均显著提高。

关键词：数控机床状态预测深度学习自适应混合时序模型最小近邻算法

在线全文

学校读者我要写书评

暂无评论

锂离子电池功率状态预测方法综述

机械工程学报 2022年第20期58卷 361-378页

作者：彭思敏徐璐张伟峰杨瑞鑫王前进蔡旭盐城工学院电气工程学院盐城224051 北京理工大学机械工程学院北京100081 国网江苏省电力有限公司响水县供电分公司盐城224600 上海交通大学风力发电中心上海200240

随着锂离子电池在智能电网、新能源汽车等领域的大规模应用,其充放电能力,即峰值功率的准确预测对于保障系统的安全、可靠运行至关重要。从单体和系统两个层面归纳分析锂离子电池功率状态预测方法的研究进展:针对电池单体预测方法,主要... 详细信息

随着锂离子电池在智能电网、新能源汽车等领域的大规模应用,其充放电能力,即峰值功率的准确预测对于保障系统的安全、可靠运行至关重要。从单体和系统两个层面归纳分析锂离子电池功率状态预测方法的研究进展:针对电池单体预测方法,主要包括测试查表法、黑箱法、等效电路及电化学模型法等,重点阐述多参量约束的等效电路模型法,并进行分类与对比分析;针对电池系统,从电池系统模型及功率状态预测算法两个角度出发,分别讨论了串联型、非串联型电池系统的功率状态预测算法和大数据驱动的智能预测方法,并分析各方法的优缺点及应用领域;结合下一代云计算、大数据、数字孪生等发展趋势,对锂离子电池功率状态预测方法进行展望,为促进电池全生命周期管理技术的研发与应用提供一些思路。

关键词：功率状态状态预测电池系统等效模型发展趋势

基于数据驱动的分布式低碳能源站状态预测方法

在线全文

学校读者我要写书评

暂无评论

电力科学与技术学报 2024年第2期39卷 231-239页

作者：张菲菲张金荣鲁涛赵睿智王加祥罗涌恒姜飞国网上海市电力公司长兴供电公司上海201913 长沙理工大学电气与信息工程学院湖南长沙410114

分布式低碳能源站(distributed low-carbon energy station,DLCES)能提高能源利用效率和可再生能源消纳率,准确预测DLCES的未来运行状态能保障其安全可靠运行。为此,提出一种基于数据驱动的分布式低碳能源站状态预测方法。首先,分析DLCE... 详细信息

分布式低碳能源站(distributed low-carbon energy station,DLCES)能提高能源利用效率和可再生能源消纳率,准确预测DLCES的未来运行状态能保障其安全可靠运行。为此,提出一种基于数据驱动的分布式低碳能源站状态预测方法。首先,分析DLCES结构与运行状态,利用关键状态量和偏移量变化将运行状态划分为正常、恢复、临界及紧急状态;其次,构建深度长短期记忆(long-short term memory,LSTM)模型,并利用改进粒子群算法进行超参数优化,提升预测模型性能;最后,利用测试集数据对柯西变异的粒子群算法(Cauchy mutation particle swarm optimization,CMPSO)和LSTM相结合的模型进行预测仿真,将其与RNN、LSTM及BP神经网络预测结果对比分析。结果表明:CMPSO-LSTM模型能提高预测效果,更具实际意义。

关键词：状态预测长短期记忆模型柯西变异的粒子群算法时序预测

基于CA-RBF神经网络的导弹健康状态预测

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

航空兵器 2022年第5期29卷 107-113页

作者：李海君宋超赵建忠海军航空大学山东烟台264001

为了解决导弹健康状态评估指标的选取问题,以及选取的指标与导弹健康状态映射关系问题,提出一种基于CA-RBF神经网络的导弹健康状态预测方法。首先,通过导弹寿命剖面分析导弹健康状态影响因素,并给出量化方法;然后,运用对应分析(Correspo... 详细信息

为了解决导弹健康状态评估指标的选取问题,以及选取的指标与导弹健康状态映射关系问题,提出一种基于CA-RBF神经网络的导弹健康状态预测方法。首先,通过导弹寿命剖面分析导弹健康状态影响因素,并给出量化方法;然后,运用对应分析(Correspondence Analysis,CA)方法进行健康状态影响因子的筛选,以所选因子和导弹健康状态评估结果作为神经网络的输入和输出,建立RBF神经网络训练样本,给出导弹健康状态的预测;最后,通过实例分析说明所提方法的实用性和有效性。该方法可为导弹健康状态指标的选取和导弹健康状态预测提供新思路,为导弹预防性维修决策提供依据。

关键词：导弹 RBF神经网络状态预测对应分析指标量化