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
2
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AVMD多尺度模糊熵和VPMCD算法的宽频振荡分类
被引量：
2
1
作者
赵妍
潘怡
+1 位作者
李亚波
聂永辉
《电力系统保护与控制》
EI
CSCD
北大核心
2024年第13期179-187,共9页
电力系统宽频振荡具有宽频域、非线性和时变性的特点,对振荡分类在准确性、快速性等方面提出了更高的要求。为此,提出一种基于自适应变分模态分解(adaptive variational mode decomposition,AVMD)的多尺度模糊熵(multi-scale fuzzy entr...
电力系统宽频振荡具有宽频域、非线性和时变性的特点,对振荡分类在准确性、快速性等方面提出了更高的要求。为此,提出一种基于自适应变分模态分解(adaptive variational mode decomposition,AVMD)的多尺度模糊熵(multi-scale fuzzy entropy,MFE)和变量预测模型(variable predictive model-based class discriminate,VPMCD)相结合的宽频振荡分类新方法。首先,对宽频振荡信号进行AVMD,得到固有模态分量(intrinsic mode functions,IMFS)。然后,引入MFE对IMFS进行时域特征描述,同时实现对IMFS构造特征向量的降维处理。最后,采用VPMCD对MFE降维后的特征向量实现宽频振荡的分类检测。通过仿真和实测数据分析,结果表明,所提方法的宽频振荡分类检测准确率比支持向量机(support vector machines,SVM)、BP神经网络方法的分类准确率更高,分类时间更短。
展开更多
关键词
宽频振荡分类
多尺度模糊熵
变分模态分解
变量预测模型
在线阅读
下载PDF
职称材料
基于格拉姆角差场和卷积神经网络的宽频振荡分类方法
被引量：
9
2
作者
赵妍
唐文石
+1 位作者
聂永辉
王泽通
《电网技术》
EI
CSCD
北大核心
2022年第11期4364-4372,共9页
宽频振荡模式具有时变性和时空分布特性,对振荡分类方法在准确性、自适应性等方面提出了更高的要求。为此,该文提出一种基于格拉姆差场(gram difference field,GADF)和卷积神经网络(convolutional neural network,CNN)相结合的宽频振荡...
宽频振荡模式具有时变性和时空分布特性,对振荡分类方法在准确性、自适应性等方面提出了更高的要求。为此,该文提出一种基于格拉姆差场(gram difference field,GADF)和卷积神经网络(convolutional neural network,CNN)相结合的宽频振荡分类方法。首先,利用GADF将宽频振荡一维时间序列转换为二维特征图,保留了数据对时间的依赖性和数据间存在的潜在联系特征。然后,通过CNN对GADF特征图自适应地完成宽频振荡模态特征的检测和分类。仿真和实测数据分析结果表明,GADF-CNN方法可以有效检测宽频振荡类型,具有更高的分类检测准确率和自适应性。
展开更多
关键词
宽频振荡分类
格拉姆角差场
卷积神经网络
深度学习
在线阅读
下载PDF
职称材料
题名
基于AVMD多尺度模糊熵和VPMCD算法的宽频振荡分类
被引量：
2
1
作者
赵妍
潘怡
李亚波
聂永辉
机构
东北电力大学输变电技术学院
东北电力大学电气工程学院
国网浙江省电力有限公司杭州市富阳区供电公司
东北电力大学教务处
出处
《电力系统保护与控制》
EI
CSCD
北大核心
2024年第13期179-187,共9页
基金
国家自然科学基金项目资助(61973072)
吉林省教育厅科学技术研究项目资助(JJKH20240144KJ)。
文摘
电力系统宽频振荡具有宽频域、非线性和时变性的特点,对振荡分类在准确性、快速性等方面提出了更高的要求。为此,提出一种基于自适应变分模态分解(adaptive variational mode decomposition,AVMD)的多尺度模糊熵(multi-scale fuzzy entropy,MFE)和变量预测模型(variable predictive model-based class discriminate,VPMCD)相结合的宽频振荡分类新方法。首先,对宽频振荡信号进行AVMD,得到固有模态分量(intrinsic mode functions,IMFS)。然后,引入MFE对IMFS进行时域特征描述,同时实现对IMFS构造特征向量的降维处理。最后,采用VPMCD对MFE降维后的特征向量实现宽频振荡的分类检测。通过仿真和实测数据分析,结果表明,所提方法的宽频振荡分类检测准确率比支持向量机(support vector machines,SVM)、BP神经网络方法的分类准确率更高,分类时间更短。
关键词
宽频振荡分类
多尺度模糊熵
变分模态分解
变量预测模型
Keywords
broadband oscillation classification
multi-scale fuzzy entropy
variational mode decomposition
variable predictive model
分类号
TM712 [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
基于格拉姆角差场和卷积神经网络的宽频振荡分类方法
被引量：
9
2
作者
赵妍
唐文石
聂永辉
王泽通
机构
东北电力大学输变电技术学院
东北电力大学电气工程学院
东北电力大学教务处
出处
《电网技术》
EI
CSCD
北大核心
2022年第11期4364-4372,共9页
文摘
宽频振荡模式具有时变性和时空分布特性,对振荡分类方法在准确性、自适应性等方面提出了更高的要求。为此,该文提出一种基于格拉姆差场(gram difference field,GADF)和卷积神经网络(convolutional neural network,CNN)相结合的宽频振荡分类方法。首先,利用GADF将宽频振荡一维时间序列转换为二维特征图,保留了数据对时间的依赖性和数据间存在的潜在联系特征。然后,通过CNN对GADF特征图自适应地完成宽频振荡模态特征的检测和分类。仿真和实测数据分析结果表明,GADF-CNN方法可以有效检测宽频振荡类型,具有更高的分类检测准确率和自适应性。
关键词
宽频振荡分类
格拉姆角差场
卷积神经网络
深度学习
Keywords
broadband oscillation classification
Gram angle difference field
convolutional neural network
deep learning
分类号
TM721 [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AVMD多尺度模糊熵和VPMCD算法的宽频振荡分类
赵妍
潘怡
李亚波
聂永辉
《电力系统保护与控制》
EI
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
2
基于格拉姆角差场和卷积神经网络的宽频振荡分类方法
赵妍
唐文石
聂永辉
王泽通
《电网技术》
EI
CSCD
北大核心
2022
9
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
