期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于CEMD的燃油消耗率提取方法
被引量：
3
1
作者
王小飞
曲建岭
+2 位作者
高峰
姚凌虹
孙文柱
《振动．测试与诊断》
EI
CSCD
北大核心
2015年第5期902-907,992,共6页
针对飞参系统记录的剩余燃油信号量化噪声较大且呈非线性、非平稳性的特点以及经验模态分解(empirical mode decomposition,简称EMD)中存在的模态混叠给燃油消耗率提取带来的问题,提出了基于复数据经验模态分解(complex empirical mode ...
针对飞参系统记录的剩余燃油信号量化噪声较大且呈非线性、非平稳性的特点以及经验模态分解(empirical mode decomposition,简称EMD)中存在的模态混叠给燃油消耗率提取带来的问题,提出了基于复数据经验模态分解(complex empirical mode decomposition,简称CEMD)的燃油消耗率提取方法。首先,提取记录信号中的关键信息,并利用非线性支持向量回归构造与真实信号形态上接近的模拟信号;然后,在CEMD中利用模拟信号来指导记录信号同步分解以减小模态混叠;最后,从分解结果中估算真实的剩余燃油信息并对其求一阶导数得到燃油消耗率。仿真结果表明,该方法相对于其他方法具有明显的性能优势,可以提取出精确的燃油消耗率参数。
展开更多
关键词
经验
模态
分解
模态
混叠
复数据经验模态分解
非线性支持向量回归
燃油消耗率
在线阅读
下载PDF
职称材料
基于NACEMD-GRU的组合型日前负荷预测方法
被引量：
18
2
作者
李正浩
《电网与清洁能源》
北大核心
2021年第6期43-50,共8页
准确的日前负荷预测有助于降低电力成本,提高电力系统的安全性和稳定性。该文提出一种基于NACEMD-GRU的组合型日前负荷预测方法。首先,引入NACEMD(噪声辅助复数据经验模态分解)方法对日前负荷数据进行分解,得到具有不同时频特性的日前...
准确的日前负荷预测有助于降低电力成本,提高电力系统的安全性和稳定性。该文提出一种基于NACEMD-GRU的组合型日前负荷预测方法。首先,引入NACEMD(噪声辅助复数据经验模态分解)方法对日前负荷数据进行分解,得到具有不同时频特性的日前负荷分量;然后针对各日前负荷分量分别建立基于GRU(门控循环神经网络单元)的深度学习预测模型,得到日前负荷的各分量预测结果;最后,将各分量进行组合形成总的日前负荷预测结果。实验算例表明,NACEMD方法能够进一步降低分解结果的模态混叠度,GRU适用于日前负荷预测。与现有方法相比,提出的组合型预测方法能够显著提升日前负荷预测精度。
展开更多
关键词
日前负荷预测
噪声辅助
复数据经验模态分解
门控循环神经网络单元
深度学习
在线阅读
下载PDF
职称材料
基于NACEMD-Elman神经网络的风功率组合预测
被引量：
5
3
作者
杨楠
叶迪
+3 位作者
周峥
鄢晶
黄禹
董邦天
《水电能源科学》
北大核心
2018年第9期209-211,171,共4页
在电力系统中风电装机容量增长的背景下,高精度的超短期风功率预测是保证系统可靠运行的重要基础。为此,提出一种以复数据经验模态分解的噪声辅助信号分解法(NACEMD)和Elman神经网络为基础的超短期风功率组合预测方法。在风功率序列中...
在电力系统中风电装机容量增长的背景下,高精度的超短期风功率预测是保证系统可靠运行的重要基础。为此,提出一种以复数据经验模态分解的噪声辅助信号分解法(NACEMD)和Elman神经网络为基础的超短期风功率组合预测方法。在风功率序列中添加白噪声,使用NACEMD将其按照不同波动尺度逐级分解,得到不同时频特性的分量,然后利用Elman神经网络对各分量建立预测模型,以各分量的不同时频特性为基准对预测结果进行叠加,得到风功率预测值。实例分析表明,提出的组合预测法既可进一步减轻现有方法中存在的模态混叠现象,具备较高的预测精度。研究成果可为风功率预测提供参考。
展开更多
关键词
超短期风功率预测
复数据经验模态分解
的噪声辅助信号
分解
法
神经网络
组合预测
误差分析
在线阅读
下载PDF
职称材料
题名
基于CEMD的燃油消耗率提取方法
被引量：
3
1
作者
王小飞
曲建岭
高峰
姚凌虹
孙文柱
机构
海军航空工程学院青岛校区控制系
出处
《振动．测试与诊断》
EI
CSCD
北大核心
2015年第5期902-907,992,共6页
基金
国家自然科学基金资助项目(61372027)
文摘
针对飞参系统记录的剩余燃油信号量化噪声较大且呈非线性、非平稳性的特点以及经验模态分解(empirical mode decomposition,简称EMD)中存在的模态混叠给燃油消耗率提取带来的问题,提出了基于复数据经验模态分解(complex empirical mode decomposition,简称CEMD)的燃油消耗率提取方法。首先,提取记录信号中的关键信息,并利用非线性支持向量回归构造与真实信号形态上接近的模拟信号;然后,在CEMD中利用模拟信号来指导记录信号同步分解以减小模态混叠;最后,从分解结果中估算真实的剩余燃油信息并对其求一阶导数得到燃油消耗率。仿真结果表明,该方法相对于其他方法具有明显的性能优势,可以提取出精确的燃油消耗率参数。
关键词
经验
模态
分解
模态
混叠
复数据经验模态分解
非线性支持向量回归
燃油消耗率
Keywords
empirical mode decomposition(EMD)
mode mixing
complex empirical mode decomposition(CEMD)
nonlinear support vector regression
fuel consumption
分类号
V328.3 [航空宇航科学与技术—人机与环境工程]
TP274.2 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
基于NACEMD-GRU的组合型日前负荷预测方法
被引量：
18
2
作者
李正浩
机构
三峡大学电气与新能源学院
出处
《电网与清洁能源》
北大核心
2021年第6期43-50,共8页
基金
国家自然科学基金资助项目(61876097)。
文摘
准确的日前负荷预测有助于降低电力成本,提高电力系统的安全性和稳定性。该文提出一种基于NACEMD-GRU的组合型日前负荷预测方法。首先,引入NACEMD(噪声辅助复数据经验模态分解)方法对日前负荷数据进行分解,得到具有不同时频特性的日前负荷分量;然后针对各日前负荷分量分别建立基于GRU(门控循环神经网络单元)的深度学习预测模型,得到日前负荷的各分量预测结果;最后,将各分量进行组合形成总的日前负荷预测结果。实验算例表明,NACEMD方法能够进一步降低分解结果的模态混叠度,GRU适用于日前负荷预测。与现有方法相比,提出的组合型预测方法能够显著提升日前负荷预测精度。
关键词
日前负荷预测
噪声辅助
复数据经验模态分解
门控循环神经网络单元
深度学习
Keywords
day-ahead load forecasting
NACEMD
GRU neural network
deep learning
分类号
TM714 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
基于NACEMD-Elman神经网络的风功率组合预测
被引量：
5
3
作者
杨楠
叶迪
周峥
鄢晶
黄禹
董邦天
机构
新能源微电网湖北省协同创新中心
国网湖北省电力公司经济技术研究院
出处
《水电能源科学》
北大核心
2018年第9期209-211,171,共4页
基金
国家自然科学基金项目(51607104)
三峡大学学位论文培优基金项目(2018SSPY078)
文摘
在电力系统中风电装机容量增长的背景下,高精度的超短期风功率预测是保证系统可靠运行的重要基础。为此,提出一种以复数据经验模态分解的噪声辅助信号分解法(NACEMD)和Elman神经网络为基础的超短期风功率组合预测方法。在风功率序列中添加白噪声,使用NACEMD将其按照不同波动尺度逐级分解,得到不同时频特性的分量,然后利用Elman神经网络对各分量建立预测模型,以各分量的不同时频特性为基准对预测结果进行叠加,得到风功率预测值。实例分析表明,提出的组合预测法既可进一步减轻现有方法中存在的模态混叠现象,具备较高的预测精度。研究成果可为风功率预测提供参考。
关键词
超短期风功率预测
复数据经验模态分解
的噪声辅助信号
分解
法
神经网络
组合预测
误差分析
Keywords
ultra-short-term wind power prediction
NACEMD
neural network
combination forecasting
error analysis
分类号
TM614 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于CEMD的燃油消耗率提取方法
王小飞
曲建岭
高峰
姚凌虹
孙文柱
《振动．测试与诊断》
EI
CSCD
北大核心
2015
3
在线阅读
下载PDF
职称材料
2
基于NACEMD-GRU的组合型日前负荷预测方法
李正浩
《电网与清洁能源》
北大核心
2021
18
在线阅读
下载PDF
职称材料
3
基于NACEMD-Elman神经网络的风功率组合预测
杨楠
叶迪
周峥
鄢晶
黄禹
董邦天
《水电能源科学》
北大核心
2018
5
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
