检索结果-南通市图书馆

基于改进BA-PNN的智能变电站二次设备故障定位方法

在线全文

学校读者我要写书评

暂无评论

智慧电力 2024年第4期52卷 32-39页

作者：曹海欧吴迪薛飞王义波孙弘毅杨金龙国网江苏省电力有限公司江苏南京210000 国网湖北省电力有限公司湖北武汉430070 国网宿迁供电分公司江苏宿迁223800 武汉凯默电气有限公司湖北武汉430223 三峡大学电气与新能源学院湖北宜昌443000

针对概率神经网络(PNN)在二次设备故障定位中训练规模较大、容易受到平滑因子干扰的问题,提出了一种基于改进蝙蝠算法优化概率神经网络(BA-PNN)的智能变电站二次设备故障定位方法。首先,在PNN的求和层中采用拉普拉斯分布代替高斯分布,并... 详细信息

针对概率神经网络(PNN)在二次设备故障定位中训练规模较大、容易受到平滑因子干扰的问题,提出了一种基于改进蝙蝠算法优化概率神经网络(BA-PNN)的智能变电站二次设备故障定位方法。首先,在PNN的求和层中采用拉普拉斯分布代替高斯分布,并用BA算法来获得最优平滑因子,进而提出一种改进蝙蝠算法优化概率神经网络方法;其次,基于智能变电站中二次设备的特征分析,选择故障特征量并对其映射,建立了基于BAPNN的智能变电站二次设备故障定位模型;最后,以某智能变电站故障定位为例,对BA-PNN神经网络进行样本训练,实现对故障元件的精确定位。仿真表明,该方法缩小了神经网络的训练规模,提升了神经网络的计算性能,增强了故障定位的准确性。

关键词：改进蝙蝠算法优化概率神经网络二次系统智能变电站故障定位

在线全文

学校读者我要写书评

暂无评论

基于5G通信技术的差动保护实用化方案

供用电 2024年第4期41卷 1-8,18页

作者：韩晋徐东方裘愉涛吴银福朱志勇南京电研电力自动化股份有限公司江苏南京210008 国网浙江省电力有限公司浙江杭州310000 特变电工衡阳变压器有限公司湖南衡阳421007

基于5G通信技术的线路差动保护在分布式能源广泛接入的配电网中具有明显的优势,其可行性已经得到证明,但仍存在一些实际问题需要解决。介绍了基于5G通信技术的线路差动保护的实现方案;针对保护的可靠性和快速性等问题进行了分析,提出了... 详细信息

基于5G通信技术的线路差动保护在分布式能源广泛接入的配电网中具有明显的优势,其可行性已经得到证明,但仍存在一些实际问题需要解决。介绍了基于5G通信技术的线路差动保护的实现方案;针对保护的可靠性和快速性等问题进行了分析,提出了实用化的解决方案,并进行了验证。结果表明:采用矢量和采样值结合的差动报文形式,可以解决省流量通信模式下差动保护装置功能完整性的问题;发送侧报文冗余与接收侧自适应插值算法可以解决保护动作可靠性的问题;改进的差动算法和电压快速启动可以解决保护动作快速性的问题;保护联跳可以解决两侧动作行为不一致的问题。

关键词： 5G通信差动保护冗余发送自适应插值算法数据同步联跳

基于KShape数据增广与混合神经网络的注水系统故障诊断

在线全文

学校读者我要写书评

暂无评论

科学技术与工程 2024年第24期24卷 10235-10243页

作者：于继飞姬煜晨常振宁隋先富曹砚锋杨阳彭建霖李昂海洋油气高效开发全国重点实验室北京100028 中海油研究总院有限责任公司北京100028 中海油能源发展股份有限公司工程技术分公司天津300452

为解决海上油田注水系统故障诊断问题,提出基于KShape数据增广与混合神经网络的故障诊断模型。首先采用KShape时间序列聚类算法实现样本数据增广,然后通过融合双向长短时记忆网络(bidirectional long short-term memory network, BiLSTM... 详细信息

为解决海上油田注水系统故障诊断问题,提出基于KShape数据增广与混合神经网络的故障诊断模型。首先采用KShape时间序列聚类算法实现样本数据增广,然后通过融合双向长短时记忆网络(bidirectional long short-term memory network, BiLSTM)和全卷积神经网络(fully convolutional neural network, FCN)构建混合神经网络模型,最后应用贝叶斯优化算法对模型参数进行全局寻优。结果表明:提出的数据增广方法在数字油田大数据的基础上,能够有效扩充注水系统工况样本。提出的混合神经网络模型较BiLSTM和FCN单一模型效果更好,该模型综合了BiLSTM网络对时间序列数据依赖关系的良好捕捉能力以及FCN网络对局部特征的有效提取能力,较两者在准确率上分别提升4.9%和1.8%。贝叶斯优化方法在寻找更优超参数组合方面有显著效果,为提高模型的鲁棒性和泛化性能起到了重要作用。该方法较传统调参方法在准确率上提升5%,较网格搜索和随机搜索方法分别提升3.7%和1.9%。同时,该方法产生的不同超参数组合下的模型准确率中位数为84.5%,模型准确率在90%以上的占比达到18%。所提出的故障诊断模型,可有效识别地层堵塞、配水器堵塞和油管漏失等故障,为海上油田注水系统故障诊断提供了新的解决方案和有效的技术支持。

关键词： KShape 数据增广混合神经网络贝叶斯优化故障诊断注水系统

联合多连接特征编解码与小波池化的轻量级语义分割

在线全文

学校读者我要写书评

暂无评论

电子科技大学学报 2024年第3期53卷 366-375页

作者：易清明王渝石敏骆爱文暨南大学信息科学技术学院广州510632 泰斗微电子科技有限公司广州510663

语义分割是当前场景理解领域的基础技术之一。现存的语义分割网络通常结构复杂、参数量大、图像特征信息损失过多和计算效率低。针对以上问题,基于编-解码器框架和离散小波变换,设计了一个联合多连接特征编解码与小波池化的轻量级语义... 详细信息

语义分割是当前场景理解领域的基础技术之一。现存的语义分割网络通常结构复杂、参数量大、图像特征信息损失过多和计算效率低。针对以上问题,基于编-解码器框架和离散小波变换,设计了一个联合多连接特征编解码与小波池化的轻量级语义分割网络MLWP-Net(Multi-Link Wavelet-Pooled Network),在编码阶段利用多连接策略并结合深度可分离卷积、空洞卷积和通道压缩设计了轻量级特征提取瓶颈结构,并设计了低频混合小波池化操作替代传统的下采样操作,有效降低编码过程造成的信息丢失;在解码阶段,设计了多分支并行空洞卷积解码器以融合多级特征并行实现图像分辨率的恢复。实验结果表明,MLWP-Net仅以0.74 MB的参数量在数据集Cityscapes和CamVid上分别达到74.1%和68.2%mIoU的分割精度,验证了该算法的有效性。

关键词：实时语义分割轻量级神经网络多连接特征融合小波池化多分支空洞卷积

在线全文

学校读者我要写书评

暂无评论

基于集成学习的新能源发电功率预测

太阳能学报 2024年第6期45卷 412-421页

作者：陈运蓬景超白静波马江海马飞国网大同供电公司大同037008 西安交通大学人工智能学院西安710049

针对现有新能源发电功率预测方法难以深入挖掘多维变量时序数据特征导致预测精度不佳的问题,提出一种基于集成学习的新能源发电功率预测方法。首先结合3种相关系数与Shapley值法筛选高相关度的相关变量;其次使用扩展因果卷积网络捕捉历... 详细信息

针对现有新能源发电功率预测方法难以深入挖掘多维变量时序数据特征导致预测精度不佳的问题,提出一种基于集成学习的新能源发电功率预测方法。首先结合3种相关系数与Shapley值法筛选高相关度的相关变量;其次使用扩展因果卷积网络捕捉历史发电功率时序特征,并使用双向门控循环单元网络结合时间模式注意力提取过去和未来的相关变量特征;最后依照Stacking法对不同网络输出进行集成融合。实验表明,该方法在超短期内具有优秀的预测精度,预测结果均优于其他对比模型。

关键词：新能源预测集成学习神经网络注意力机制

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

数字孪生多模态视觉推理的神经-符号系统

计算机集成制造系统 2024年第5期30卷 1571-1586页

作者：郑杭彬刘天元郑汉垚左戴悦鲍劲松王森东华大学机械工程学院上海201620 上海宝信软件股份有限公司上海201900

面对数字孪生在多模态视觉数据融合中的异质性和动态性挑战,提出一种结合深度学习与符号智能的方法。该方法通过深度神经网络对视觉数据进行实时解析,并借助符号系统存储的知识和事件响应规则,实现对复杂推理过程的自主管理。为提高系... 详细信息

面对数字孪生在多模态视觉数据融合中的异质性和动态性挑战,提出一种结合深度学习与符号智能的方法。该方法通过深度神经网络对视觉数据进行实时解析,并借助符号系统存储的知识和事件响应规则,实现对复杂推理过程的自主管理。为提高系统对物理世界变化的适应性,提出一种融合多模态信息和外部知识的增强推理机制,该机制能有效地整合来自传感器的实时数据和历史知识库中的信息,以支持更加准确和合理的决策制定。以退役锂电池拆解过程为案例验证表明,该方法不仅能够在多模态数据环境中实现高准确率的识别和分析,还能够基于推理机制生成合理且逻辑一致的操作建议,有效提升了拆解效率和安全性。

关键词：数字孪生多模态视觉推理神经符号系统锂电池拆解

基于自适应学习率卷积神经网络的新型配电网源网荷储无功协调优化技术

在线全文

学校读者我要写书评

暂无评论

可再生能源 2024年第2期42卷 267-275页

作者：钱进宝刘晓光蔡玺刘熠戴剑丰国网甘肃省电力公司兰州供电公司甘肃兰州730000 甘肃同兴智能科技发展有限责任公司甘肃兰州730050 南京邮电大学自动化学院人工智能学院江苏南京210023

随着“双碳”目标的推进,分布式新能源接入电网的容量大幅度提升,配电网源网荷储协调优化策略是实现分布式新能源消纳的重要方法,其中无功优化能够保证电网安全稳定运行。文章提出了一种基于自适应学习率卷积神经网络的配电网源网荷储... 详细信息

随着“双碳”目标的推进,分布式新能源接入电网的容量大幅度提升,配电网源网荷储协调优化策略是实现分布式新能源消纳的重要方法,其中无功优化能够保证电网安全稳定运行。文章提出了一种基于自适应学习率卷积神经网络的配电网源网荷储无功协调优化技术。首先以最小网络损耗和最低电压偏移为目标,构建无功优化模型;其次利用卷积神经网络强大的非线性拟合能力,挖掘出电网运行场景和无功调压设备、储能充放电策略之间的映射关系,引入自适应学习率的方式更新网络参数,提高了网络训练效率;再次通过控制无功调压设备和储能装置充放电情况协调分布式电源出力,实现电力系统无功电压主动优化控制;最后通过IEEE33节点电网模型进行了仿真验证。结果表明,文章所提的配电网源网荷储无功协调优化方法提高了电力系统电压调节能力,为配电网安全可靠运行奠定了良好基础。

关键词：分布式新能源源网荷储协调优化无功优化自适应学习率卷积神经网络

维普期刊数据库博看期刊

基于循环一致性对抗网络的地震断层训练样本合成方法研究

在线全文

学校读者我要写书评

暂无评论

石油物探 2024年第2期63卷 417-425页

作者：张永升李海英刘军张政严哲顾汉明中国石油化工股份有限公司西北油田分公司新疆乌鲁木齐830011 中国地质大学(武汉)地球物理与空间信息学院湖北武汉430074

为了获得真实的地震断层训练样本,提出了基于循环一致性对抗网络的断层训练样本合成方法。使用随机生成的断层标签与实际断层数据作为输入,利用无监督的对抗网络学习断层标签与断层数据之间的联系,生成与断层标签特征相匹配的地震断层样... 详细信息

为了获得真实的地震断层训练样本,提出了基于循环一致性对抗网络的断层训练样本合成方法。使用随机生成的断层标签与实际断层数据作为输入,利用无监督的对抗网络学习断层标签与断层数据之间的联系,生成与断层标签特征相匹配的地震断层样本,由此得到带有标签的断层训练样本集。该方法是一种获取断层训练样本集的方法,一定程度上解决了深度学习地震断层解释缺少训练数据集的问题。对合成断层样本与真实断层进行平均主频与纹理差异的定量分析,结果表明两者具有较高的相似性。使用合成的断层样本训练神经网络,并将结果应用于实际数据测试并进行对比,结果表明合成的断层训练样本具有真实可靠的特点,所提方法可以针对不同工区生成具有目标导向性的断层,能够灵活有效地应用于不同工区的地震断层智能识别。

关键词：地震断层识别断层智能解释地震资料解释断层样本合成深度学习无监督学习

利用DSP技术与软件的企业IP电话解决方案

在线全文

学校读者我要写书评

暂无评论

电子产品世界 2001年第13期8卷 23-24,27页

作者： Debbie Greenstreet Telogy networks TI子公司