检索结果-维普期刊中文期刊服务平台

基于MEEMD-ARIMA模型的波浪能发电系统输出功率预测被引量：15: 1; 作者吴峰王飞 +1 位作者顾康慧周能萍《电力系统自动化》 EI CSCD 北大核心 2021年第1期65-70,共6页; 波浪能作为一种储量丰富的清洁能源,是未来理想的能源之一。但其具有较强的随机波动特性,因此,可靠地预测波浪能发电系统的输出功率能给复杂电网的调度带来极大的便利。文中提出基于改进的总体经验模态分解(MEEMD)-差分整合移动平均自回... 展开更多; 关键词波浪能预测离散小波变换改进的总体经验模态分解-差分整合移动平均自回归功率转换模型; 在线阅读下载PDF 职称材料

基于TTBiGRUA的碳价预测研究: 2; 作者姚远李晨硕《南京信息工程大学学报》北大核心 2025年第4期467-477,共11页; 碳价格具有非线性、非平稳等复杂特征,其预测颇具挑战性.为了提高预测精度,提出一种结合时变滤波经验模态分解(Time-Varying Filter Empirical Mode Decomposition,TVFEMD)、样本熵(Sample Entropy,SE)、双向门控循环单元(Bidirectional... 展开更多; 关键词碳价格预测二次分解时变滤波经验模态分解样本熵双向门控循环单元差分整合移动平均自回归; 在线阅读下载PDF 职称材料

基于CEEMD和LSTM-ARIMA的短期风速预测被引量：15: 3; 作者李秉晨于惠钧 +1 位作者丁华轩刘靖宇《中国测试》 CAS 北大核心 2022年第2期163-168,共6页; 针对风速序列具有很强的随机性和波动性,提出一种基于完备总体经验模态分解(CEEMD)、长短期记忆网络(LSTM)和自回归差分移动平均(ARIMA)的组合预测模型来对短期风速进行准确预测。首先利用CEEMD算法将原始风速序列分解为多个模态分量,... 展开更多; 关键词风速预测完备总体经验模态分解长短期记忆网络自回归差分移动平均; 在线阅读下载PDF 职称材料

基于数据分解及因果推理的设备可靠性预测模型被引量：4: 4; 作者孙淑娴田昕怡 +2 位作者何泽昊牛彬胡锦波《中国安全生产科学技术》 CAS CSCD 北大核心 2023年第5期44-50,共7页; 为解决设备的可靠性数据受多种因素影响而同时具有线性特征和非线性特征的问题,提出1种集合经验模态分解法辅助的设备可靠性预测组合模型,该模型结合差分整合移动平均自回归模型和因果推理模型。首先,对原始数据采用集合经验模态分解法... 展开更多; 关键词差分整合移动平均自回归模型集合经验模态分解方法因果分析设备可靠性预测; 在线阅读下载PDF 职称材料

题名基于MEEMD-ARIMA模型的波浪能发电系统输出功率预测被引量：15: 1; 作者吴峰王飞顾康慧周能萍; 机构河海大学能源与电气学院国网江苏省电力有限公司南京供电分公司; 出处《电力系统自动化》 EI CSCD 北大核心 2021年第1期65-70,共6页; 基金国家自然科学基金委员会-国家电网公司智能电网联合基金资助项目(U1766203)。; 文摘波浪能作为一种储量丰富的清洁能源,是未来理想的能源之一。但其具有较强的随机波动特性,因此,可靠地预测波浪能发电系统的输出功率能给复杂电网的调度带来极大的便利。文中提出基于改进的总体经验模态分解(MEEMD)-差分整合移动平均自回归(ARIMA)模型的波浪能组合预测。首先,基于海浪计算原理,计算混合浪的每小时平均波高与周期。其次,采用MEEMD对每小时平均波高与周期进行分解,得到一系列特征互异的本征模态函数(IMF)和余量,并将平均波高分解的结果与离散小波变换分解结果做对比。然后,将得到的分量分别建立ARIMA预测模型,通过叠加得到每小时平均波高与周期的预测值。最后,建立直驱式波浪能发电系统波高-功率转换模型,实例结果验证了该组合模型预测的有效性。; 关键词波浪能预测离散小波变换改进的总体经验模态分解-差分整合移动平均自回归功率转换模型; Keywords wave energy prediction discrete wavelet transformation modified ensemble empirical mode decomposition(MEEMD)-autoregressive integrated moving average(ARIMA) power conversion model; 分类号 TM612 [电气工程—电力系统及自动化] P743.2 [天文地球—海洋科学]; 在线阅读下载PDF 职称材料

题名基于TTBiGRUA的碳价预测研究: 2; 作者姚远李晨硕; 机构河南大学管理科学与工程研究所河南大学商学院; 出处《南京信息工程大学学报》北大核心 2025年第4期467-477,共11页; 基金国家社会科学基金(23BJY014) 河南省高等学校哲学社会科学基础研究重大项目(2021JCZD01) 河南省哲学社会科学规划年度项目(2022BJJ030)。; 文摘碳价格具有非线性、非平稳等复杂特征,其预测颇具挑战性.为了提高预测精度,提出一种结合时变滤波经验模态分解(Time-Varying Filter Empirical Mode Decomposition,TVFEMD)、样本熵(Sample Entropy,SE)、双向门控循环单元(Bidirectional Gated Recurrent Unit,BiGRU)和差分整合移动平均自回归(Autoregressive Integrated Moving Average Model,ARIMA)的碳价预测模型TTBiGRUA.首先,通过TVFEMD将碳价格分解为不同频率的模态分量.其次,利用样本熵评估各分量复杂度,并采用K-means算法进行重构.随后,对重构后波动性最强的模态分量运用TVFEMD二次分解,以进一步提取特征并减少模态混叠.根据样本熵划分高频分量和低频分量.高频分量由BiGRU预测,低频分量则由ARIMA预测,最后将分量预测结果叠加得到碳价格最终预测结果.应用广东和湖北碳市场的实际碳价数据,使用5个评价指标和Diebold Mariano(DM)检验评估模型预测的有效性和鲁棒性.结果表明,所提出模型预测精度优于其他基准对比模型.; 关键词碳价格预测二次分解时变滤波经验模态分解样本熵双向门控循环单元差分整合移动平均自回归; Keywords carbon price prediction secondary decomposition time-varying filter empirical mode decomposition(TVFEMD) sample entropy(SE) bidirectional gated recurrent unit(BiGRU) autoregressive integrated moving average(ARIMA); 分类号 TP181 [自动化与计算机技术—控制理论与控制工程] F832.5 [经济管理—金融学] X196 [环境科学与工程—环境科学]; 在线阅读下载PDF 职称材料

题名基于CEEMD和LSTM-ARIMA的短期风速预测被引量：15: 3; 作者李秉晨于惠钧丁华轩刘靖宇; 机构湖南工业大学轨道交通学院; 出处《中国测试》 CAS 北大核心 2022年第2期163-168,共6页; 文摘针对风速序列具有很强的随机性和波动性,提出一种基于完备总体经验模态分解(CEEMD)、长短期记忆网络(LSTM)和自回归差分移动平均(ARIMA)的组合预测模型来对短期风速进行准确预测。首先利用CEEMD算法将原始风速序列分解为多个模态分量,降低风速序列的复杂度;然后通过排列熵(PE)把风速子模态分为高频序列和低频序列,对高频序列和低频序列分别建立LSTM和ARIMA预测模型;最后把子序列预测结果叠加起来,得到最终的风速预测值。实验结果表明,该预测模型的平均绝对百分比误差(MAPE)和均方根误差(RMSE)分别为8.68%、0.389 m/s,与其他预测模型的预测结果相比,预测精度有了一定提高。; 关键词风速预测完备总体经验模态分解长短期记忆网络自回归差分移动平均; Keywords wind speed prediction complete ensemble empirical mode decomposition long short-term memory autoregressive integrated moving average; 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

题名基于数据分解及因果推理的设备可靠性预测模型被引量：4: 4; 作者孙淑娴田昕怡何泽昊牛彬胡锦波; 机构国网天津市电力公司营销服务中心计量中心天津大学电气自动化与信息工程学院; 出处《中国安全生产科学技术》 CAS CSCD 北大核心 2023年第5期44-50,共7页; 基金国家重点研发计划项目(2020YFB1711704)。; 文摘为解决设备的可靠性数据受多种因素影响而同时具有线性特征和非线性特征的问题,提出1种集合经验模态分解法辅助的设备可靠性预测组合模型,该模型结合差分整合移动平均自回归模型和因果推理模型。首先,对原始数据采用集合经验模态分解法,得到固有模态函数分量和余项;其次,将模态函数分量输入差分整合移动平均自回归模型得到线性分量,进而将线性分量和原始数据作差,得到非线性分量;最后,基于该非线性分量,提出因果分析模型,实现对设备可靠性的有效预测。研究结果表明:与流行的可靠性预测模型相比,组合模型分别在平均绝对误差和均方根误差指标上降低0.015 9和0.026 5,进一步证明本文所提方法的正确性和有效性。研究结果可为工业生产中提升设备可靠性预测提供新思路。; 关键词差分整合移动平均自回归模型集合经验模态分解方法因果分析设备可靠性预测; Keywords autoregressive integrated moving average model(ARIMA) ensemble empirical mode decomposition(EEMD) causal analysis equipment reliability prediction; 分类号 X931 [环境科学与工程—安全科学]; 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MEEMD-ARIMA模型的波浪能发电系统输出功率预测	吴峰王飞顾康慧周能萍	《电力系统自动化》 EI CSCD 北大核心	2021	15	在线阅读下载PDF 职称材料
2	基于TTBiGRUA的碳价预测研究	姚远李晨硕	《南京信息工程大学学报》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于CEEMD和LSTM-ARIMA的短期风速预测	李秉晨于惠钧丁华轩刘靖宇	《中国测试》 CAS 北大核心	2022	15	在线阅读下载PDF 职称材料
4	基于数据分解及因果推理的设备可靠性预测模型	孙淑娴田昕怡何泽昊牛彬胡锦波	《中国安全生产科学技术》 CAS CSCD 北大核心	2023	4	在线阅读下载PDF 职称材料