期刊文献+
共找到11篇文章
< 1 >
每页显示 20 50 100
基于数据-物理模型融合驱动的原始-对偶自监督学习最优潮流求解方法
1
作者 翁宗龙 李滨 +2 位作者 肖佳文 张佳乐 白晓清 《电力自动化设备》 北大核心 2025年第4期202-208,共7页
随着新型电力系统的构建以及清洁低碳能源体系的转变,高维强非线性、高不确定性、强耦合等特点使得现有最优潮流计算的复杂度急剧增加。基于数据-物理模型融合驱动,提出一种内嵌交流潮流方程的原始-对偶自监督学习的最优潮流求解方法。... 随着新型电力系统的构建以及清洁低碳能源体系的转变,高维强非线性、高不确定性、强耦合等特点使得现有最优潮流计算的复杂度急剧增加。基于数据-物理模型融合驱动,提出一种内嵌交流潮流方程的原始-对偶自监督学习的最优潮流求解方法。建立原始神经网络和对偶神经网络,并采用类增广拉格朗日的方法进行联合训练。原始神经网络仅预测所有节点的电压,在该训练网络中内嵌交流潮流方程,以计算发电机的有功和无功出力;对偶神经网络预测拉格朗日乘子估计值。仿真结果表明,所提方法不仅关注大量数据的底层特征,还优化解的质量,有助于更好地探索数据的结构和特性。同时,该方法无须预处理标签样本数据集,其计算精度和可信度优于数据驱动方法,其计算速度比传统物理模型驱动方法快数十倍。 展开更多
关键词 数据-物理融合驱动 类增广拉格朗日 原始-对偶自监督学习 最优潮流 内嵌交流潮流方程
在线阅读 下载PDF
基于数据物理混合驱动的超短期风电功率预测模型 被引量:5
2
作者 杨茂 王达 +3 位作者 王小海 范馥麟 高博 王勃 《高电压技术》 EI CAS CSCD 北大核心 2024年第11期5132-5141,共10页
为提升超短期风电功率预测精度,提出一种数据-物理混合驱动的超短期风电功率预测方法。首先,构建一种融合双向门控循环单元的残差网络结构,将其在测试集的预测结果作为预测模板。然后,根据风速-风电转换特性,基于多项式-线性回归模型拟... 为提升超短期风电功率预测精度,提出一种数据-物理混合驱动的超短期风电功率预测方法。首先,构建一种融合双向门控循环单元的残差网络结构,将其在测试集的预测结果作为预测模板。然后,根据风速-风电转换特性,基于多项式-线性回归模型拟合风电场风速-功率曲线,在风速高波动时点,以物理机理透明的风速-功率曲线进行预测。最后,根据风速波动阈值建立不同模型之间的动态切换机制,按切换的时点修改模板预测值,对于修正风速小于切入风速的时点,将预测值置零。在吉林省某装机容量为400.5 MW的风电场提供的数据上进行仿真实验得到,测试集第16步预测的平均归一化均方根误差为0.1589,全部切换中有利切换占比达到90.86%,验证了提出的超短期风电功率预测模型的有效性和适用性。 展开更多
关键词 风电场 超短期预测 数据物理混合驱动 切换机制 波动阈值 深度残差网络
在线阅读 下载PDF
物理—数据协同驱动的页岩气井产量预测方法 被引量:3
3
作者 任文希 段又菁 +3 位作者 郭建春 田助红 曾凡辉 罗扬 《天然气工业》 EI CAS CSCD 北大核心 2024年第9期127-139,共13页
由于页岩气渗流机理复杂,赋存方式多样,压裂后对裂缝网络的精确识别和表征存在较大困难,现有方法难以准确预测页岩气井产量。为此,提出了机理—数据融合建模的思路,结合连续拟稳态假设、物质平衡方程、产量递减分析方法和递推原理,建立... 由于页岩气渗流机理复杂,赋存方式多样,压裂后对裂缝网络的精确识别和表征存在较大困难,现有方法难以准确预测页岩气井产量。为此,提出了机理—数据融合建模的思路,结合连续拟稳态假设、物质平衡方程、产量递减分析方法和递推原理,建立了物理—数据协同驱动的产量预测方法,进而以中国某区块页岩气井现场生产数据为例,对该方法的准确性、可靠性进行了测试,并与经验产量递减分析和时间序列分析方法进行了对比分析。研究结果表明:(1)建立的产能模型采用拟压力代替压力,采用物质平衡拟时间代替时间,弱化了产量、流压和甲烷物性变化带来的影响;(2)以累计产量误差最小为目标开展历史拟合,弱化了生产制度变化带来的影响,使得建立的产能模型能够自动适应流压—产量变化;(3)应用该方法的关键在于采气指数—物质平衡拟时间双对数图中的特征直线,若图中出现特征直线,则可以开展产量预测,反之,则不能预测。结论认为:(1)建立的产量预测方法将不稳定流动问题转化为拟稳态流动问题求解,简化了对储层非均质性的描述,避开了裂缝网络精确识别和定量表征的难题,计算效率高,可解释性强;(2)生产数据测试结果表明该产量预测方法精度高,长期预测结果稳定,并优于Logistic Growth Model、Duong和StretchedExponential Production Decline经验产量递减分析方法,也优于非线性自回归神经网络、长短记忆神经网络时间序列分析方法。 展开更多
关键词 页岩气井 产量预测 物理数据协同驱动 人工智能 动态泄流区 产量递减分析
在线阅读 下载PDF
基于数据-物理混合模型的菇房空调节能控制方法 被引量:1
4
作者 孔祥书 郑文刚 +3 位作者 张馨 王明飞 单飞飞 赵倩 《农业工程学报》 北大核心 2025年第4期309-317,共9页
针对模型预测控制在菇房节能控制中存在纯数据驱动温度预测模型可解释性差、优化求解速度慢等问题,该研究提出了一种基于数据-物理混合模型的菇房空调节能控制方法。首先,使用门控循环单元神经网络(gated recurrent unit neural network... 针对模型预测控制在菇房节能控制中存在纯数据驱动温度预测模型可解释性差、优化求解速度慢等问题,该研究提出了一种基于数据-物理混合模型的菇房空调节能控制方法。首先,使用门控循环单元神经网络(gated recurrent unit neural network, GRU)与注意力机制(attention)作为预测模型,将菇房内部热平衡方程纳入损失函数中,实现基于数据-物理混合模型的菇房温度预测方法。然后,基于模型输出与参考轨迹的偏离程度和设备控制量建立目标函数。最后,利用改进型Adam算法快速地求解出空调在控制时域内的最优控制序列,实现菇房空调能耗最优控制。试验结果表明:与纯数据驱动的GRU模型相比,本文所提出的菇房温度预测模型,预测精度提高18%,均方根误差可控制在0.10℃内。与自适应矩估计(adaptive moment estimation,Adam)优化算法相比,改进型Adam算法适应度值降低6%,与带精英策略的快速非支配排序遗传算法相比(non-dominated sorting genetic algorithmⅡ, NSGA-Ⅱ)运算时长减少81%。与传统的阈值控制方法相比,本文所提出的模型预测控制方法跟踪精度提高63%,控制精度的均方根误差平均降低了73%,空调能耗平均降低了12%。该研究为菇房空调的节能控制提供了有效的控制方法。 展开更多
关键词 节能 模型预测控制 深度学习 数据-物理混合驱动模型 菇房
在线阅读 下载PDF
数据驱动与物理机制耦合的菜子湖流域水位预报模型研究
5
作者 张运鑫 雷岳清 +4 位作者 廖卫红 张召 雷晓辉 年树强 张志山 《中国农村水利水电》 北大核心 2024年第9期145-151,159,共8页
菜子湖作为引江济淮工程的关键调蓄湖泊之一,湖泊水位的变化同时受到自然降水和工程调蓄的影响。为了准确模拟及预报菜子湖水位,构建了菜子湖流域四水源新安江模型和菜子湖水位预报的神经网络(LSTM)模型。在此基础上,采用外部耦合的方法... 菜子湖作为引江济淮工程的关键调蓄湖泊之一,湖泊水位的变化同时受到自然降水和工程调蓄的影响。为了准确模拟及预报菜子湖水位,构建了菜子湖流域四水源新安江模型和菜子湖水位预报的神经网络(LSTM)模型。在此基础上,采用外部耦合的方法,构建了四水源新安江-LSTM耦合模型,进一步将物理机制模型模拟的入湖流量作为补充因子,驱动神经网络(LSTM)模型模拟菜子湖水位,从而实现两种不同模型在湖泊水位预报中的耦合应用。结果得出:直接模拟水位的洪水误差小于0.1 m,耦合模拟水位的洪水误差小于0.02 m,后者相较前者,水位误差精度提升了0.08 m。直接模拟水位验证期的洪水误差在0.02 m之内,纳什系数R^(2)分别为0.89、0.75及0.88,均方根误差RMSE分别为0.034、0.027及0.015;耦合模拟水位验证期的洪水误差在0.015 m之内,纳什系数R^(2)分别为0.91、0.82及0.88,均方根误差RMSE分别为0.019、0.021及0.008。研究结果表明,与单驱动因子得出的结果相比,双驱动因子得出的结果更有效地提高了水位的模拟精度。同时在考虑对应降雨的洪水过程中,数据驱动和物理机制相结合的方法与直接预测水位误差相对比,有效地提高了场次洪水水位预报的精度,得到更精确的模拟结果。为引江济淮工程的调水提供了重要的参考依据,也为相似调水工程的洪水水位预报提供一定的参考。 展开更多
关键词 四水源新安江模型 神经网络(LSTM)模型 数据驱动物理机制相结合 水位误差
在线阅读 下载PDF
基于数据物理融合驱动配电网三相线性化潮流及线损分析应用 被引量:2
6
作者 穆怀天 廉洪亮 +1 位作者 刘娟 李艳琼 《中国电力》 CSCD 北大核心 2024年第10期46-56,共11页
分布式电源规模化并网引入了下垂控制等非光滑本地控制约束,易导致传统基于前推回代法的潮流计算方法收敛失败,且由于分布式电源并网改变系统潮流方向,导致传统等值电阻法、压降法等理论线损计算方法不再适用。为解决上述问题,提出计及... 分布式电源规模化并网引入了下垂控制等非光滑本地控制约束,易导致传统基于前推回代法的潮流计算方法收敛失败,且由于分布式电源并网改变系统潮流方向,导致传统等值电阻法、压降法等理论线损计算方法不再适用。为解决上述问题,提出计及有载调压变压器调压、分布式光伏下垂控制的光滑化模型,构建了基于数据物理融合驱动的三相配电网线性化理论线损快速计算模型。在传统基于稳态运行特性线性化、一阶泰勒展开线性化的基础上,利用偏最小二乘法补偿线性化误差。相比纯物理驱动线性化,在负荷重载条件下仍具有较高精度;相比于纯数据驱动线性化,能够保留支路拓扑信息,适用于开关状态变化场景。所提模型仅对线性化误差进行拟合补偿,在保证线性化精度的前提下,极大地提高了潮流模型的收敛性与计算效率,且能够适应不同负荷水平实现精确误差补偿。基于实际42节点三相配电网系统仿真,验证了所提模型具有较高精度,且能够实现配电网理论线损鲁棒、快速计算。 展开更多
关键词 数据物理融合驱动 线性化潮流 理论线损计算 下垂控制
在线阅读 下载PDF
适用于配电网三相优化潮流的数据物理融合驱动线性化方法 被引量:11
7
作者 巨云涛 杨明友 吴文传 《电力系统自动化》 EI CSCD 北大核心 2022年第13期43-52,共10页
现有配电网三相潮流线性化模型在重载时精度下降较明显,限制了其应用。为此,提出了一种适用于三相优化潮流的改进型数据物理融合驱动线性化方法。首先,基于配电网物理特性得到三相线性潮流模型。然后,采用偏最小二乘回归的数据驱动方法... 现有配电网三相潮流线性化模型在重载时精度下降较明显,限制了其应用。为此,提出了一种适用于三相优化潮流的改进型数据物理融合驱动线性化方法。首先,基于配电网物理特性得到三相线性潮流模型。然后,采用偏最小二乘回归的数据驱动方法获得线性化误差模型,对物理驱动模型进行修正。与完全数据驱动型方法相比,三相线性潮流模型保留了线路信息,可在优化潮流中用于描述支路约束。与完全物理驱动模型相比,三相线性潮流模型充分利用数据驱动的优化拟合能力来获得线性化误差与节点负荷之间的线性关系。因为在误差修正项中包含更多维的全局信息,所以线性化模型的精度得到提高,保证了重载时所提方法的精度仍足够高。所提方法具有更好的适用性,能够处理各种连接方式的三相变压器和负荷模型以及考虑相间耦合的分布式电源模型。基于IEEE标准算例,将所提方法与其他可用于优化潮流的线性化方法进行对比分析,结果表明所提方法在系统重载时精度依然很高。 展开更多
关键词 配电网 数据物理融合驱动 三相潮流 线性化
在线阅读 下载PDF
数据-物理融合驱动的有源配电网自适应电压控制 被引量:3
8
作者 冯歆尧 彭泽武 +3 位作者 陈强 陈禹旭 谢瀚阳 梁盈威 《电力系统及其自动化学报》 CSCD 北大核心 2023年第12期80-88,共9页
分布式电源高比例接入条件下,配电网运行状态更加复杂,同时也难以获取准确的物理参数。本文提出一种数据-物理融合驱动的有源配电网自适应电压控制方法。首先,构建数据-物理融合驱动的有源配电网自适应电压控制框架;然后,针对有源配电... 分布式电源高比例接入条件下,配电网运行状态更加复杂,同时也难以获取准确的物理参数。本文提出一种数据-物理融合驱动的有源配电网自适应电压控制方法。首先,构建数据-物理融合驱动的有源配电网自适应电压控制框架;然后,针对有源配电网的电压控制问题进行数据驱动建模;进一步考虑数据驱动控制的局限性,通过不完备物理模型修正数据驱动模型;最后,基于改进的IEEE33节点算例进行分析验证,结果表明数据-物理融合驱动控制策略可以有效抑制有源配电网的电压频繁越限,提高配电网自适应优化控制水平。 展开更多
关键词 有源配电网 分布式电源 数据驱动 自适应电压控制 数据-物理融合驱动
在线阅读 下载PDF
基于多域物理信息神经网络的复合地层隧道掘进地表沉降预测 被引量:12
9
作者 潘秋景 吴洪涛 +1 位作者 张子龙 宋克志 《岩土力学》 EI CAS CSCD 北大核心 2024年第2期539-551,共13页
复合地层中盾构掘进诱发地表沉降的准确预测是隧道工程安全建设与施工决策的关键问题。基于隧道施工诱发地层变形机制构建隧道收敛变形与掘进位置的联系,并将其耦合至深度神经网络(deep neural network,简称DNN)框架,建立了预测盾构掘... 复合地层中盾构掘进诱发地表沉降的准确预测是隧道工程安全建设与施工决策的关键问题。基于隧道施工诱发地层变形机制构建隧道收敛变形与掘进位置的联系,并将其耦合至深度神经网络(deep neural network,简称DNN)框架,建立了预测盾构掘进诱发地层变形的物理信息神经网络(physics-informed neural network,简称PINN)模型。针对隧道上覆多个地层的地质特征,提出了多域物理信息神经网络(multi-physics-informed neural network,简称MPINN)模型,实现了在统一的框架内对不同地层的物理信息分区域表达。结果表明:MPINN模型高度还原了有限差分法的计算结果,可以准确预测复合地层中隧道开挖诱发的地表沉降;由于融入了物理机制,MPINN模型对隧道施工诱发地表沉降的问题具有普适性,可应用于不同地质和几何条件下隧道诱发地表沉降的预测;基于工程实测数据,提出的MPINN模型准确预测了监测断面的地表沉降曲线,可为复合地层下盾构掘进过程中地表沉降的预测预警提供参考。 展开更多
关键词 物理信息神经网络(PINN) 盾构隧道 地表沉降 机器学习 数据物理驱动
在线阅读 下载PDF
融合物理与数据知识的电力系统扰动后频率在线快速计算方法 被引量:20
10
作者 张涵 王程 毕天姝 《电网技术》 EI CSCD 北大核心 2022年第11期4325-4335,共11页
针对电力系统扰动后频率响应计算问题,该文基于门控循环单元神经网络提出一种融合物理与数据知识的频率在线计算方法,以实现频率快速精准计算。该方法以同步电源惯性时间常数等影响频率响应的主导因素作为经典“黑箱”机器学习方法的基... 针对电力系统扰动后频率响应计算问题,该文基于门控循环单元神经网络提出一种融合物理与数据知识的频率在线计算方法,以实现频率快速精准计算。该方法以同步电源惯性时间常数等影响频率响应的主导因素作为经典“黑箱”机器学习方法的基本输入特征量,并进一步在“黑箱”方法中嵌入频率响应相关物理知识,通过基本输入特征量和所嵌入物理知识形成新的输入特征量并用于模型训练。该方法能够提高小样本场景下的模型泛化能力和抗噪能力,并且增强其可解释性。采用新英格兰10机39节点系统作为仿真算例,通过与电力系统仿真器(power system simulator for engineering,PSS/E)中的仿真结果相对比,证明所提方法能够快速、准确地计算电力系统扰动后频率响应曲线。 展开更多
关键词 频率稳定 频率在线计算 物理数据联合驱动 门控循环单元神经网络
在线阅读 下载PDF
卡尔曼滤波器与神经网络串行的轮胎载荷识别模型 被引量:6
11
作者 曾俊玮 季元进 +3 位作者 任利惠 周荣笙 李超 杨兴荣 《振动与冲击》 EI CSCD 北大核心 2023年第11期262-270,294,共10页
轮胎载荷是车辆设计和安全性评估的基础数据,对轮胎进行高精度的载荷识别具有重要意义。针对轮胎载荷直接测量昂贵、复杂的现状以及基于纯物理驱动与纯数据驱动的载荷识别方法的局限性,提出一种物理-数据联合驱动的载荷识别模型。该模... 轮胎载荷是车辆设计和安全性评估的基础数据,对轮胎进行高精度的载荷识别具有重要意义。针对轮胎载荷直接测量昂贵、复杂的现状以及基于纯物理驱动与纯数据驱动的载荷识别方法的局限性,提出一种物理-数据联合驱动的载荷识别模型。该模型由卡尔曼滤波器与神经网络修正模型串行组成,卡尔曼滤波器对载荷进行初步识别,修正模型通过卷积神经网络和长短期记忆网络提取信号的空间和时间特征,预测卡尔曼滤波器的偏差并对识别结果予以修正。以APM300胶轮车辆为例进行载荷识别,结果表明,该串行模式载荷识别模型通过将物理驱动与数据驱动方法有机结合,综合整个系统的规则与经验,有效地克制了参数扰动的影响,提升了载荷识别精度,具有较强的泛化性能,具备一定的工程应用价值。 展开更多
关键词 卡尔曼滤波器 卷积神经网络 长短期记忆网络 物理-数据联合驱动 轮胎载荷识别
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部