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
共找到77篇文章
< 1 2 … 4 >
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：
基于多元变分模态分解与改进小波阈值的矿用电缆局放去噪方法 被引量：1
1
作者 曹继元 王彦文 +4 位作者 陈鹏 周暄 朱伟雄 张一赫 王乐 《煤炭学报》 北大核心 2025年第4期2293-2309,共17页
矿用电缆的绝缘状态对矿井供电系统的稳定运行起着重要作用,局部放电在线监测是电缆绝缘状态监测的重要手段。针对矿用电缆局放信号极易淹没于现场白噪声与周期性窄带干扰中,以及降噪方法适应性普遍不强等问题,提出了基于多元变分模态... 矿用电缆的绝缘状态对矿井供电系统的稳定运行起着重要作用,局部放电在线监测是电缆绝缘状态监测的重要手段。针对矿用电缆局放信号极易淹没于现场白噪声与周期性窄带干扰中,以及降噪方法适应性普遍不强等问题,提出了基于多元变分模态分解与改进小波阈值的局放去噪方法。首先,以最小平均包络熵作为适应度函数,采用麻雀搜索算法实现多元变分模态分解模态数和惩罚因子的自动寻优,从而以分解出最大确定性程度的局放特征信号为目标,准确分解局放含噪信号。其次,计算各本征模态函数的峭度值,区分局放主导分量与噪声主导分量,利用维纳滤波可通过局部方差自适应调节滤波效果的特性,准确提取局放主导分量中的局放特征信号,通过3σ准则归类局放特征信号为粗大误差,反向抑制噪声主导分量中的高斯白噪声与窄带干扰信号,将局放主导分量与噪声主导分量进行重构得到局放重构信号。最后,构建指数衰减型小波阈值函数,该阈值函数在克服硬阈值函数的不连续性与软阈值函数的恒定偏差的基础上,能够快速逼近硬阈值函数,利用新型改进小波阈值算法对局放重构信号进行去噪,得到局放去噪信号。将该方法与常见的几种方法进行比较,结果表明,该方法对仿真局放信号与实测局放信号均具有较好的降噪效果,且算法运行效率表现良好。 展开更多
关键词 局放去噪 多元变分模态分解 小波阈值 峭度 麻雀搜索算法
在线阅读 下载PDF
基于改进变分模态分解与深度学习的多因素电力负荷预测 被引量：2
2
作者 赖小玲 贺嫚嫚 +5 位作者 胡伟 张艺 杜璞良 刘蕊 宋晓彤 郑婷婷 《计算机工程》 北大核心 2025年第2期375-386,共12页
针对传统电力负荷预测方法存在精度较低、负荷数据噪声大等问题,提出一种基于改进变分模态分解(VMD)、卷积神经网络(CNN)和形变长短期记忆(Mogrifier LSTM)网络的多因素电力负荷预测方法。首先,运用麻雀搜索算法(SSA)对变分模态分解进... 针对传统电力负荷预测方法存在精度较低、负荷数据噪声大等问题,提出一种基于改进变分模态分解(VMD)、卷积神经网络(CNN)和形变长短期记忆(Mogrifier LSTM)网络的多因素电力负荷预测方法。首先,运用麻雀搜索算法(SSA)对变分模态分解进行优化,得到最佳效果的分解子序列,有效减轻负荷数据噪声对预测精度的影响;其次,分析各因素对负荷预测的影响机理,利用皮尔逊相关系数推导各影响因素与负荷之间的相关性,剔除冗余特征,大幅降低模型失准的发生概率;最后,采用CNN提取特征向量,将分解后的负荷数据及温度、湿度等特征数据输入到CNN-Mogrifier LSTM深度网络模型中,通过CNN-Mogrifier LSTM深度网络模型对特征数据进行多维分析,提高短期负荷预测精度。算例分析结果表明,所提出的多因素电力负荷预测模型具有较好的适配性和预测效果,与次优VMD-CNN-Mogrifier LSTM模型相比,在两份所用真实数据集上的预测精度分别提升0.5和2.4百分点,为短期电力负荷预测提供一种可行的解决思路。 展开更多
关键词 负荷预测 麻雀搜索算法 变分模态分解 长短期记忆网络 相关分析
在线阅读 下载PDF
改进变分模态分解和LSSVM的用户电力负荷预测
3
作者 解世璇 刘立群 吴青峰 《现代电子技术》 北大核心 2025年第20期127-134,共8页
为提升电力系统短期负荷预测的准确率,保证日常电力系统的正常运行,提出一种基于WOA-VMD-SSA-LSSVM的短期电力负荷预测模型。首先,使用鲸鱼优化算法(WOA)对变分模态分解(VMD)的核心参数(k值和惩罚系数α)进行自动寻优,得到最佳效果的分... 为提升电力系统短期负荷预测的准确率,保证日常电力系统的正常运行,提出一种基于WOA-VMD-SSA-LSSVM的短期电力负荷预测模型。首先,使用鲸鱼优化算法(WOA)对变分模态分解(VMD)的核心参数(k值和惩罚系数α)进行自动寻优,得到最佳效果的分解子序列,减少不同趋势信息对预测精度的影响,并利用优化后的VMD对数据进行分解;然后,使用麻雀搜索算法(SSA)改进最小二乘支持向量机(LSSVM)的模型学习参数,对惩罚系数和核函数进行参数寻优,避免了单一预测变量精度不高的问题,进而建立预测模型,获得更为精确的预测结果;最后,将分解后的各组数据分别输入模型中,并将每个子序列的预测结果相加得到最终预测结果。实验结果表明,与PSO、GWO和SABO算法的建模结果相比,所提模型具有更高的预测精度且耗时较短,在一定程度上可为负荷管理、电力优化调度提供科学决策依据。 展开更多
关键词 预测模型分析 鲸鱼优化算法 麻雀搜索算法 变分模态分解 最小二乘支持向量机 数据预处理 时间序列预测
在线阅读 下载PDF
基于变分模态分解和混沌麻雀搜索算法优化支持向量机的滚动轴承故障诊断 被引量：20
4
作者 陈鑫 肖明清 +3 位作者 文斌成 刘双喜 田小峰 仇晨阳 《计算机应用》 CSCD 北大核心 2021年第S02期118-123,共6页
针对滚动轴承振动信号中的故障特征难以提取的问题,提出一种基于变分模态分解(VMD)和混沌麻雀搜索算法(CSSA)优化支持向量机(SVM)的故障诊断方法。首先,利用VMD处理滚动轴承信号,提取本征模态分量(IMF)的能量谱和能量熵作为故障特征向量... 针对滚动轴承振动信号中的故障特征难以提取的问题,提出一种基于变分模态分解(VMD)和混沌麻雀搜索算法(CSSA)优化支持向量机(SVM)的故障诊断方法。首先,利用VMD处理滚动轴承信号,提取本征模态分量(IMF)的能量谱和能量熵作为故障特征向量;其次,通过引入改进Tent混沌映射和自适应t分布策略,加入边界探索和警戒解除机制,对麻雀搜索算法(SSA)进行改进;最后,采用CSSA-SVM模型进行滚动轴承故障的识别和诊断。实验结果表明,CSSA-SVM模型能够有效识别滚动轴承的故障类型,拥有更高的诊断精度。 展开更多
关键词 故障诊断 滚动轴承 变分模态分解 麻雀搜索算法 混沌 支持向量机
在线阅读 下载PDF
基于优化变分模态分解的混凝土浅层空洞病害识别 被引量：2
5
作者 赵维刚 石壮 +3 位作者 杨勇 田秀淑 鞠景会 李一凡 《振动与冲击》 EI CSCD 北大核心 2024年第14期91-102,共12页
针对开放环境下混凝土空洞病害检测的病害特征识别中噪声干扰、成分识别问题进行了研究,提出了基于优化变分模态分解(improved variational mode decomposition,IVMD)与自由振动衰减速度的混凝土浅层病害声振信号识别方法。该研究建立... 针对开放环境下混凝土空洞病害检测的病害特征识别中噪声干扰、成分识别问题进行了研究,提出了基于优化变分模态分解(improved variational mode decomposition,IVMD)与自由振动衰减速度的混凝土浅层病害声振信号识别方法。该研究建立了混凝土浅层空洞病害的理论模型,仿真了不同工况下的病害特征频率及其变化规律;提出了基于IVMD的信号分解方法,设计了基于Tent混沌与柯西变异优化的麻雀搜索算法联合搜索变分模态分解的关键参数k和α,在最佳分解的基础上提出了基于自相关函数图形、相关系数、衰减系数与频域分布情况的浅层空洞病害本征模态函数(intrinsic mode function,IMF)识别方法;选取幅值衰减评估了特征IMF的衰减速度,得出了基于振动衰减特征的空洞病害识别方法;通过预埋病害模型试验对比分析,验证了所提方法的有效性。研究结果表明,基于IVMD的分解方法能够有效降低噪声及其他成分的干扰,提高空洞病害识别精度和准确度。 展开更多
关键词 病害检测 优化麻雀搜索算法 优化变分模态分解(IVMD) 时域衰减速度 声振法
在线阅读 下载PDF
麻雀搜索算法优化的外啮合齿轮泵泄漏量预测
6
作者 张立强 张建强 +2 位作者 丁杰 李全军 李琛玺 《液压与气动》 北大核心 2024年第7期93-100,共8页
预测齿轮泵泄漏量的变化趋势有助于定量分析其性能退化过程。变分模态分解(Variational Modal Decomposition, VMD)方法对齿轮泵原始泄漏量数据进行变分模态分解,得到本征模态函数IMF,提出一种结合麻雀优化算法(Sparrow Search Algorith... 预测齿轮泵泄漏量的变化趋势有助于定量分析其性能退化过程。变分模态分解(Variational Modal Decomposition, VMD)方法对齿轮泵原始泄漏量数据进行变分模态分解,得到本征模态函数IMF,提出一种结合麻雀优化算法(Sparrow Search Algorithm, SSA)和长短期记忆神经网络(Long-Short Term Memory, LSTM)的模型,建立VMD-SSA-LSTM模型预测齿轮泵泄漏量的变化情况,并对每一个分量进行单独预测,最后将预测结果进行叠加,获得完整的预测结果。通过对比不同时间段预测结果可知,VMD-SSA-LSTM模型较单一的LSTM模型预测结果的平均相对误差最高可减小25.2%,能够完成对泄漏量的有效预测。研究结论可为齿轮泵性能衰退的定量预测提供理论支持。 展开更多
关键词 外啮合齿轮泵 泄漏量预测 变分模态分解 麻雀搜索算法 长短期记忆网络 性能退化
在线阅读 下载PDF
基于样本熵双分解和SSA-LSTM的超短期风速预测
7
作者 王希 孙娜 +3 位作者 苏浩 张楠 张帅 纪捷 《太阳能学报》 北大核心 2025年第3期611-618,共8页
为进一步提高超短期风速预测的准确性,提出一种基于样本熵的双分解和麻雀搜索算法(SSA)改进长短时记忆神经网络(ILSTM)的耦合模型(简记为DILSTM)。首先,利用变分模态分解(VMD)分解原始序列并通过样本熵量化各子序列的复杂性;其次,利用... 为进一步提高超短期风速预测的准确性,提出一种基于样本熵的双分解和麻雀搜索算法(SSA)改进长短时记忆神经网络(ILSTM)的耦合模型(简记为DILSTM)。首先,利用变分模态分解(VMD)分解原始序列并通过样本熵量化各子序列的复杂性;其次,利用完全自适应噪声集合经验模态分解(CEEMDAN)分解复杂度最高的子序列进一步提取特征过滤噪声;最后,将双分解得到的子序列分别建立DILSTM预测模型,并对所有子序列的预测结果叠加得到最终风速预测结果。真实风场数据实验结果表明,所提模型与LSTM、随机森林(RF)、卷积神经网络(CNN)单一模型相比,R2提升约25%,RMSE降低约65%;同时,与现有同类研究对比,也证实了所提DILSTM模型的优势,该文为提高超短期风速预测精准度提供了一种新的方法。 展开更多
关键词 风速 神经网络 预测 变分模态分解 样本熵 麻雀搜索算法
在线阅读 下载PDF
自适应麻雀搜索算法的太阳轮故障诊断研究 被引量：1
8
作者 侯宇祥 陈长征 《机械设计与制造》 北大核心 2024年第1期61-64,69,共5页
大型双馈式风电机组齿轮箱的一级太阳轮由于转矩过大,极易损坏;转频过低,故障特征难以提取。为解决这一问题,基于风电机组齿轮箱太阳轮的振动信号的非平稳性与周期性,提出了一种基于麻雀搜索算法与自适应变分模态分解方法相结合,利用峭... 大型双馈式风电机组齿轮箱的一级太阳轮由于转矩过大,极易损坏;转频过低,故障特征难以提取。为解决这一问题,基于风电机组齿轮箱太阳轮的振动信号的非平稳性与周期性,提出了一种基于麻雀搜索算法与自适应变分模态分解方法相结合,利用峭度加权来对适应度函数值求解。通过麻雀搜索算法自适应寻找变分模式分解的最优参数;采用最优参数进行变分模态分解并利用互相关系数选取模态分量;最后,对选取的分量进行包络解调,通过包络谱识别太阳轮故障。通过模拟仿真以及试验信号验证,验证了该方法的有效性与故障辨识能力。 展开更多
关键词 太阳轮 麻雀搜索算法 变分模态分解 故障诊断
在线阅读 下载PDF
利用改进变分模态分解突变能量的直流配电网保护方法 被引量：8
9
作者 高淑萍 吕宇星 +2 位作者 宋国兵 沈渠旺 李元泽 《西安交通大学学报》 EI CAS CSCD 北大核心 2023年第5期159-170,共12页
为了有效识别环状直流配电网中的故障,提高直流配电网保护的可靠性、选择性、速动性和灵敏性,保证系统的稳定运行,提出一种利用改进变分模态分解(VMD)突变能量的线路纵联保护方法。因为VMD算法需要先设置模态数,且模态数与分解效果息息... 为了有效识别环状直流配电网中的故障,提高直流配电网保护的可靠性、选择性、速动性和灵敏性,保证系统的稳定运行,提出一种利用改进变分模态分解(VMD)突变能量的线路纵联保护方法。因为VMD算法需要先设置模态数,且模态数与分解效果息息相关,所以首先利用麻雀搜索算法(SSA)找到VMD算法合适的模态数,使得在此参数下的分解效果最优。然后根据线路首末两端突变能量的差异,构造保护方案。将故障时采集的电压、电流故障分量进行SSA-VMD分解,得到若干模态分量并计算其突变能量。根据区内、区外的突变能量大小差异构造区内、外故障判据,由故障时正负极的突变能量比值差异构造故障极判据。在PSCAD/EMTDC中搭建环状直流配电网模型,利用MATLAB进行保护方法验证,结果表明:在不同故障类型下,所提方法均可在3 ms内快速可靠动作;可以识别区内外故障并实现故障选极,保护线路全长;可耐受过渡电阻20Ω,耐受过渡电阻能力强;在40 dB噪声情况下,依旧可以识别故障,有一定的抗干扰能力。 展开更多
关键词 直流配电网 变分模态分解 麻雀搜索算法 突变能量 继电保护
在线阅读 下载PDF
基于优化变分模态分解的轨道电路信号分析方法
10
作者 魏子钧 杨世武 +2 位作者 李文涛 崔勇 楚少童 《中国铁道科学》 EI CAS CSCD 北大核心 2024年第5期198-208,共11页
针对轨道电路设备应用场景多样且复杂电磁骚扰源影响轨道电路信号传输的问题,提出一种基于麻雀搜索算法(Sparrow Search Algorithm,SSA)的优化变分模态分解方法 (Variational Modal Decomposition,VMD),实现轨道电路信号分析处理。首先... 针对轨道电路设备应用场景多样且复杂电磁骚扰源影响轨道电路信号传输的问题,提出一种基于麻雀搜索算法(Sparrow Search Algorithm,SSA)的优化变分模态分解方法 (Variational Modal Decomposition,VMD),实现轨道电路信号分析处理。首先,通过基于平均包络熵适应度函数的麻雀搜索算法,实现VMD关键参数的优化选取;其次,采用优化参数的VMD方法,分离深度耦合的轨道电路信号和随机骚扰,实现强噪声背景下轨道电路信号的检测以及骚扰成分的提取和降维;最后,基于Matlab生成仿真混叠信号进行验证,对比提出的SSA-VMD轨道电路信号处理方法与现有信号自适应分解方法的处理效果。结果表明:SSA-VMD方法较现有方法在准确性上有较大优势,处理后信号的信噪比提升可达30 dB;同时,使用现场实测含噪数据验证也表明,SSA-VMD方法对于轨道电路信号的分析处理能达到预期的应用效果。 展开更多
关键词 轨道电路 变分模态分解 麻雀搜索算法 信号处理 信噪比
在线阅读 下载PDF
基于改进变分模态分解的有载分接开关机械状态监测 被引量：6
11
作者 王冠 刘金鑫 +1 位作者 赵彤 张黎 《湖南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2017年第10期75-83,共9页
为提高变压器有载分接开关(On-Load Tap-Changer,OLTC)机械状态智能诊断水平,提出了基于改进变分模态分解(Improved Variational Mode Decomposition,IVMD)-权重散度的OLTC机械状态特征提取方法,以及和声搜索算法(Harmony Search,HS)优... 为提高变压器有载分接开关(On-Load Tap-Changer,OLTC)机械状态智能诊断水平,提出了基于改进变分模态分解(Improved Variational Mode Decomposition,IVMD)-权重散度的OLTC机械状态特征提取方法,以及和声搜索算法(Harmony Search,HS)优化相关向量机(Relevance Vector Machine,RVM)的故障分类方法.本文进行模拟实验测得了多组不同工况下的OLTC机械振动信号,通过IVMD算法将振动信号分解为一系列有限带宽本征模态函数(Intrinsic Mode Function,IMF),计算IMF分量与原始振动信号的K-L散度(Kullback-Leibler Divergence,K-L),再乘上权重系数得到权重散度,以权重散度来表征多组OLTC机械振动信号的时频域复杂度.同时构建了RVM多分类模型,并通过和声搜索算法对RVM的核函数选择进行了优化,有效地实现了对于权重散度的分类.实验与数据分析结果表明,本文所提综合诊断方法精度较高,可准确提取机械故障特征,能够为OLTC智能故障诊断提供必要的参考. 展开更多
关键词 有载分接开关 改进变分模态分解 相关向量机 和声搜索算法 机械状态
在线阅读 下载PDF
基于双模态分解的发电站母线短期负荷预测 被引量：1
12
作者 刘昕明 吉建光 +1 位作者 李玮 石光磁 《电气工程学报》 CSCD 北大核心 2024年第1期124-132,共9页
母线负荷预测是电力系统运营和规划中至关重要的一项任务,针对电力负荷数据的非线性强以及影响因素多等问题,提出了一种基于双模态分解、深度学习和注意力机制的负荷预测模型。首先,对输入数据进行经验模态分解(Empirical mode decompos... 母线负荷预测是电力系统运营和规划中至关重要的一项任务,针对电力负荷数据的非线性强以及影响因素多等问题,提出了一种基于双模态分解、深度学习和注意力机制的负荷预测模型。首先,对输入数据进行经验模态分解(Empirical mode decomposition,EMD),通过K-means聚类分析对复杂度相似的分量进行集合得到三个组合分量。其次,使用变分模态分解(Variational mode decomposition, VMD)对组合分量再次进行分解得到不同分量,使用麻雀搜索算法(Sparrow search algorithm,SSA)对变分模态分解的参数进行优化。再次,将变分模态分解得到的分量与影响因素连接并输入长短期记忆网络(Long short-term memory network, LSTM),通过注意力机制挖掘数据内部的相关性,并使用SSA对LSTM网络的参数进行优化。最后,采用宁夏某电站一年的负荷数据进行验证,经过与不同模型的对比分析,所提模型有更高的预测精度。 展开更多
关键词 负荷预测 经验模态分解 麻雀搜索算法 变分模态分解 长短期记忆网络 注意力机制
在线阅读 下载PDF
基于改进小波阈值和优化VMD算法的语音增强方法 被引量：1
13
作者 张礼艳 刘增力 彭艺 《吉林大学学报(理学版)》 北大核心 2025年第2期608-621,共14页
针对语音信号传输过程中受噪声和回声等因素干扰,导致信号质量和可懂度下降的问题,提出一种基于优化的变分模态分解算法和改进小波阈值的语音信号增强方法.首先,采用麻雀搜索算法优化模态分解参数,并分解语音信号得到模态分量;其次,根... 针对语音信号传输过程中受噪声和回声等因素干扰,导致信号质量和可懂度下降的问题,提出一种基于优化的变分模态分解算法和改进小波阈值的语音信号增强方法.首先,采用麻雀搜索算法优化模态分解参数,并分解语音信号得到模态分量;其次,根据模态分量与原信号的相关系数和中心频率,消除高频噪声分量,保留接近原信号的模态分量作为纯语音,其他模态分量作为带噪语音,进行小波阈值处理;最后,重构纯语音和处理后的噪声模态分量,得到增强的语音信号.结果表明:该方法比单一方法具有更优的语音增强效果;优化的变分模态分解算法和改进的阈值与阈值函数实现了比传统方法更好的增强效果,适用于各种噪声环境,有效提升了语音信号的质量和可懂度. 展开更多
关键词 语音增强 麻雀搜索算法 变分模态分解 小波阈值 相关系数
在线阅读 下载PDF
基于自适应二次分解与CNN-BiLSTM的超短期风电功率预测 被引量：8
14
作者 马志侠 张林鍹 +3 位作者 巴音塔娜 谢明浩 张盼盼 王馨 《太阳能学报》 EI CAS CSCD 北大核心 2024年第6期429-435,共7页
为提高风电功率预测精度,提出基于自适应二次模态分解(QMD)、卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的超短期风电功率预测模型。针对风电功率的波动性,利用改进的完全自适应噪声集成经验模态分解方法(ICEEMDAN)对风电功率数据... 为提高风电功率预测精度,提出基于自适应二次模态分解(QMD)、卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的超短期风电功率预测模型。针对风电功率的波动性,利用改进的完全自适应噪声集成经验模态分解方法(ICEEMDAN)对风电功率数据进行分解。引入麻雀搜索算法(SSA)对变分模态分解(VMD)的分解数量与惩罚因子进行优化,使VMD具有自适应性。将ICEEMDAN分解得到的高频分量I_(1)用SSA-VMD进行第二次分解,降低序列不平稳度。同时,构建包含2层池化层的CNN网络进行特征提取与BiLSTM网络的超短期预测模型,最终的风电功率即为各子序列预测结果之和。通过算例分析进行实验表明,所提风电功率预测方法的预测精度优于其他模型,验证了预测模型的优越性。 展开更多
关键词 卷积神经网络 长短期记忆网络 变分模态分解 风电功率预测 二次模态分解 麻雀搜索算法
在线阅读 下载PDF
SSA-VMD与小波分解结合的GNSS坐标时序降噪方法 被引量：4
15
作者 杨厚明 鲁铁定 +1 位作者 孙喜文 何锦亮 《大地测量与地球动力学》 CSCD 北大核心 2024年第4期360-365,390,共7页
利用麻雀搜索算法(sparrow search algorithm, SSA)优化变分模态分解(VMD),然后结合小波分解(WD),提出一种GNSS坐标时间序列降噪方法IVMD-WD。利用仿真信号和10个基准站的实测数据进行GNSS坐标时间序列降噪实验。结果表明,IVMD-WD方法... 利用麻雀搜索算法(sparrow search algorithm, SSA)优化变分模态分解(VMD),然后结合小波分解(WD),提出一种GNSS坐标时间序列降噪方法IVMD-WD。利用仿真信号和10个基准站的实测数据进行GNSS坐标时间序列降噪实验。结果表明,IVMD-WD方法的降噪效果优于经验模态分解(EMD)、集合经验模态分解(EEMD)和WD,能够更加有效地剔除GNSS坐标时间序列中的噪声。 展开更多
关键词 麻雀搜索算法 变分模态分解 小波分解 多尺度排列熵 GNSS坐标时间序列
在线阅读 下载PDF
基于PCHIP-VMD数据分析与SSA-LSTM模型的短期风电功率预测
16
作者 张登攀 兰征 杜怡衡 《电子测量与仪器学报》 北大核心 2025年第5期251-261,共11页
短期风电功率预测对电力系统调度与安全运行具有重要的支撑作用,然而风电数据具有强随机性和非平稳性,现有预测方法存在数据预处理保形性不足、模态混叠、预测模型参数优化效率低等问题,严重影响短期风电功率预测的准确性。为此,提出分... 短期风电功率预测对电力系统调度与安全运行具有重要的支撑作用,然而风电数据具有强随机性和非平稳性,现有预测方法存在数据预处理保形性不足、模态混叠、预测模型参数优化效率低等问题,严重影响短期风电功率预测的准确性。为此,提出分段三次Hermite插值法(PCHIP)与变分模态分解(VMD)相结合的数据预处理方法,以及麻雀搜索算法(SSA)与长短期记忆网络(LSTM)相结合的风电功率预测模型。首先,对风电原始数据异常值进行检测,针对异常值导致的时序数据保形性缺失问题,采用PCHIP法进行数据修复;其次,结合VMD法将预处理后的风电功率数据分解为4个内在模态分量,得到不同时间尺度上变化的数据信号;然后,将分解后的稳定项序列输入SSA-LSTM风电功率预测模型,得到风电功率预测结果。以某风电场21 d的实测功率数据为样本数据进行分析验证,所提模型的预测结果与真实值拟合程度可达到0.989 1,较当前LSTM模型预测精度提升5.558%,证明了所提方法的有效性和优越性。 展开更多
关键词 功率预测 分段三次Hermite插值 变分模态分解 麻雀搜索算法 长短期神经网络
在线阅读 下载PDF
基于多层信号分解的混凝土拱坝变形监测模型 被引量：1
17
作者 王子轩 欧斌 +3 位作者 陈德辉 杨石勇 赵定柱 傅蜀燕 《三峡大学学报（自然科学版）》 CAS 北大核心 2024年第6期1-9,共9页
为了充分挖掘大坝变形监测数据的非线性和非平稳性特征,本文提出了一种大坝变形监测模型.首先,该模型通过自适应噪声完全集合经验模态分解(CEEMDAN)对变形监测数据进行分解处理.在分解过程中融入样本熵(SE)和K-均值聚类,以确保得到的模... 为了充分挖掘大坝变形监测数据的非线性和非平稳性特征,本文提出了一种大坝变形监测模型.首先,该模型通过自适应噪声完全集合经验模态分解(CEEMDAN)对变形监测数据进行分解处理.在分解过程中融入样本熵(SE)和K-均值聚类,以确保得到的模态分量(IMF)个数能够准确描述大坝变形.然后,对于高频IMF分量,采用变分模态分解(VMD)进行二次分解,并利用偏最小二乘法(PLS)分析变形序列影响因子,以提取最佳的IMF分量作为后续模型的输入因子.最后,利用改进的共生生物搜索算法(ISOS)结合长短期记忆神经网络(LSTM)进行大坝变形的准确预测.研究结果表明:相较于单层信号处理,本文通过二次信号处理可以显著提升模型的预测精度;对二次分解后的IMFs分量进行PLS筛选可以有效避免模型的冗余性,提高计算效率;相较于各对比模型,本文模型在各测点上均具有较好的预测精度和稳定性.本文提出的模型能够深入挖掘大坝监测数据中的拓扑关系,有效保留数据中的高频有用信息,从而提高预测的准确性和平滑性,展示出较好的预测精度和泛化能力. 展开更多
关键词 大坝变形 自适应噪声完全集合经验模态分解 样本熵 K-均值聚类算法 改进的共生生物搜索算法 变分模态分解
在线阅读 下载PDF
基于参数优化变分模态分解的混合储能功率分配策略 被引量：27
18
作者 高晓芝 王磊 +2 位作者 田晋 刘佳璐 刘庆华 《储能科学与技术》 CAS CSCD 北大核心 2022年第1期147-155,共9页
以全钒液流电池和超级电容器组成的混合储能系统(hybrid energy storage system,HESS)可有效平抑风电功率波动。为了提高储能系统的灵活性和安全性,提出一种基于参数优化变分模态分解(variational mode decomposition,VMD)的混合储能功... 以全钒液流电池和超级电容器组成的混合储能系统(hybrid energy storage system,HESS)可有效平抑风电功率波动。为了提高储能系统的灵活性和安全性,提出一种基于参数优化变分模态分解(variational mode decomposition,VMD)的混合储能功率分配方法。首先利用指数平滑法依据我国并网标准对风电功率进行滤波,得到符合要求的风电并网功率,并计算出储能系统所需要的平滑风电波动功率;然后基于三种信号分解评价指标构造适应度函数,采用麻雀搜索算法(sparrow search algorithm,SSA)对VMD算法中模态个数K与二次惩罚因子α进行优化,得到优化后的K值与α值后采用VMD算法分解风电波动功率并完成在全钒液流电池和超级电容器间的基本分配;最后采用模糊控制器优化储能设备的荷电状态,实现HESS功率的二次分配。算例结果表明,所提方法不仅能够对风电波动功率信号自适应分解,有效抑制风电功率波动,减少模态混叠,完成HESS功率的合理分配,还可以优化储能设备的充放电范围,避免储能设备的过度充电和过度放电状况的发生,保证储能设备的荷电状态维持在固定区间,实现HESS安全稳定运行。 展开更多
关键词 混合储能系统 变分模态分解 麻雀搜索算法 模糊控制 荷电状态
在线阅读 下载PDF
基于改进VMD的逆变电路开路故障信号特征提取 被引量：2
19
作者 吴玉虹 贾凯 高英 《兰州大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第3期372-378,386,共8页
基于输出电流分析的方法对逆变电路进行故障诊断时易受噪声干扰,影响故障诊断准确率,提出一种用优化算法对变分模态分解(VMD)进行改进的信号处理方法.通过麻雀搜索算法对传统VMD中的参数进行寻优,依据最优参数对电流信号进行分解,获取... 基于输出电流分析的方法对逆变电路进行故障诊断时易受噪声干扰,影响故障诊断准确率,提出一种用优化算法对变分模态分解(VMD)进行改进的信号处理方法.通过麻雀搜索算法对传统VMD中的参数进行寻优,依据最优参数对电流信号进行分解,获取最佳的分解去噪效果.与小波变换、经验模态分解等信号处理方法对比,用误差评价指标对去噪效果评估,去噪信号功率谱图像可直观体现频域特征.结果表明,所提方法能有效降低噪声数量且频域细节特征误差不超过4%,验证了其有效性和可行性. 展开更多
关键词 故障诊断 特征提取 麻雀搜索算法 变分模态分解
在线阅读 下载PDF
基于VMD-Itransformer-MOSSA模型的短期风电功率预测方法
20
作者 张伟 高鹭 +1 位作者 秦岭 李伟 《计算机工程与设计》 北大核心 2025年第9期2690-2698,共9页
为解决天气预报存在较小的误差,使风电功率预测产生巨大误差的问题,提出一种结合VMD算法和MOSSA优化的Transformer模型用于短期风力预测。应用变分模态分解处理天气预报风速和实测风速间的误差,将分解结果结合天气预报信息中的其它部分... 为解决天气预报存在较小的误差,使风电功率预测产生巨大误差的问题,提出一种结合VMD算法和MOSSA优化的Transformer模型用于短期风力预测。应用变分模态分解处理天气预报风速和实测风速间的误差,将分解结果结合天气预报信息中的其它部分特征作为改进的Transformer模型输入。通过改进麻雀搜索算法(SSA)优化修正模型的关键参数,提高预测准确性。将预测的风速误差与天气预报风速相加即得到修正后的天气预报风速并计算风功率。仿真结果表明,该模型方法在准确性上优于基准模型,验证了所提出的改进组合模型有效性。 展开更多
关键词 风速修正 变分模态分解 改进的变压器 麻雀搜索算法 短期风电功率 数据预处理 天气预报信息
在线阅读 下载PDF
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 2 … 4 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部