基于深度时间卷积神经网络与迁移学习的流程制造工艺过程质量时序关联预测 被引量：2

1

作者 阴艳超 施成娟 +1 位作者 邹朝普 刘孝保 《中国机械工程》 EI CAS CSCD 北大核心 2023年第14期1659-1671,共13页

针对流程生产多工艺参数时序耦合导致的生产质量难以准确预测的问题,提出了基于深度时间卷积神经网络与迁移学习的生产质量快速高效预测方法。借助序列到序列的学习框架,采用深度时间卷积神经网络和时序注意力机制构成的编码器提取多源... 针对流程生产多工艺参数时序耦合导致的生产质量难以准确预测的问题,提出了基于深度时间卷积神经网络与迁移学习的生产质量快速高效预测方法。借助序列到序列的学习框架,采用深度时间卷积神经网络和时序注意力机制构成的编码器提取多源关键时序特征,采用残差长短期记忆神经网络构成的解码器挖掘质量时序信息,引入迁移学习解决预测模型对生产质量在线预测适应性的问题。实验表明所提方法的预测精度与稳定性优势显著,且在小样本数据预测时具有较高的预测精度和计算效率。 展开更多

关键词 工艺过程质量 时序关联预测 序列到序列 时间卷积神经网络 迁移学习

在线阅读 下载PDF 职称材料

长白山红松阔叶林的净碳交换变化及基于时间卷积神经网络的模拟 被引量：6

2

作者 齐建东 谭新新 《林业科学》 EI CAS CSCD 北大核心 2022年第2期1-12,共12页

【目的】分析长白山红松阔叶林净生态系统碳交换量(NEE)的季节性差异及其气象因子响应,在月尺度下揭示气象因子对NEE的动态影响,为调节研究地区的碳收支提供理论指导。同时研究时间卷积神经网络在森林生态系统净碳交换模拟中的应用,探索... 【目的】分析长白山红松阔叶林净生态系统碳交换量(NEE)的季节性差异及其气象因子响应,在月尺度下揭示气象因子对NEE的动态影响,为调节研究地区的碳收支提供理论指导。同时研究时间卷积神经网络在森林生态系统净碳交换模拟中的应用,探索NEE模拟的新方法。【方法】基于长白山温带红松阔叶林通量观测站2007—2010年间的30 min观测数据,分析NEE和输入模型的5种气象因子的季节性差异,并分析5种气象因子与NEE的相关性。使用随机森林模型,计算影响NEE的各因子重要性得分,选择得分较高的5种气象因子:潜热通量、显热通量、冠层上方空气湿度、冠层上方水汽压和净辐射作为NEE模拟的输入;分别构建基于时间卷积神经网络(TCN)、长短期记忆网络(LSTM)、人工神经网络(ANN)、支持向量回归(SVR)和极限学习机(ELM)的5种NEE模型,采用决定系数(R^(2))、平均绝对误差(MAE)和均方根误差(RMSE)评价模型的预测精度和稳定性。【结果】长白山温带红松阔叶林通量观测站NEE全年总量为-74.7773 gCO_(2)·m^(-2)a-1,总体表现为碳汇,但夏季表现为碳汇,冬季表现为碳源;NEE与潜热通量、冠层上方水汽压、净辐射和冠层上方空气湿度均极显著负相关(P<0.0001),和显热通量相关性不显著;TCN模型的RMSE为0.1105 mgCO_(2)·m^(-2)s^(-1),R^(2)为0.8214,RMSE分别比ELM、SVR、ANN和LSTM减少0.0248、0.0224、0.0222和0.0068 mgCO_(2)·m^(-2)s^(-1),R^(2)分别比ELM、SVR、ANN和LSTM增加0.0806、0.0777、0.0686、0.0223;根据5种模型的10次试验结果,计算得到TCN模型RMSE的标准差为0.0004 mgCO_(2)·m^(-2)s^(-1),相比ELM、ANN和LSTM分别减小0.0014、0.0013和0.0002 mgCO_(2)·m^(-2)s^(-1)。【结论】长白山温带红松阔叶林通量观测站的NEE总体表现为碳汇,但存在明显的季节差异;NEE与潜热通量、冠层上方水汽压、冠层上方空气湿度、净辐射极显著负相关(P<0.0001),与显热通量相关性不显著。对于长白山温带红松阔叶林通量观测站的长期NEE预测结果表明,基于TCN的模型不仅预测精度良好,并且具有较强的稳定性,能为时间卷积神经网络在生态模拟领域的应用提供可行性依据。本研究结果可为调节长白山红松阔叶林的碳收支提供理论指导。 展开更多

关键词 时间卷积神经网络 NEE 长白山红松阔叶林

在线阅读 下载PDF 职称材料

基于实值时间卷积神经网络的功放预失真研究 被引量：4

3

作者 陈景豪 许高明 +1 位作者 刘太君 欧阳贵喜 《微波学报》 CSCD 北大核心 2023年第6期65-69,共5页

为了实现传输速率高达千兆比特每秒(Gbps)的目标,5G通信系统需要更宽的传输带宽和更高的调制度,这些对射频功放的线性度提出了更加苛刻的要求。必须对功放的非线性进行线性化。文中构建了一种基于实值时间卷积神经网络(Real-Valued Temp... 为了实现传输速率高达千兆比特每秒(Gbps)的目标,5G通信系统需要更宽的传输带宽和更高的调制度,这些对射频功放的线性度提出了更加苛刻的要求。必须对功放的非线性进行线性化。文中构建了一种基于实值时间卷积神经网络(Real-Valued Temporal Convolutional Networks,RVTCN)模型的数字预失真器。RVTCN模型利用扩大因果卷积(Dilated Causal Convolution, DCC)提取功放的当前时序信息,把记忆信息存储在残差块(Residual Block,RB)中,不断获取时序特征并保存于网络中。为了验证RVTCN线性化的性能,文中采用了100 MHz带宽的5G NR信号,对中心频率3.5 GHz的Doherty功放进行了预失真线性化实验验证。实验结果表明:该RVTCN模型具有射频功放的动态非线性行为建模能力,其归一化均方误差可达-40 d B;RVTCN预失真器对测试功放的相邻信道功率比(ACPR)改善可达19.5 d B左右。 展开更多

关键词 功率放大器 时间卷积神经网络 数字预失真 非线性 5G

在线阅读 下载PDF 职称材料

基于金豺优化变分模态分解与时间卷积网络的过热汽温特性建模

4

作者 金秀章 赵术善 +2 位作者 畅晗 赵大勇 仲轩正 《中国电机工程学报》 北大核心 2025年第12期4759-4767,I0019,共10页

针对火电机组装机容量增大且调峰频繁导致过热汽温的大惯性、大时延和高度非线性等特征愈加明显,火电机组传统比例-积分-微分控制器(proportional-integral-derivative,PID)控制效果下降的问题,提出一种基于金豺算法(golden jackal opti... 针对火电机组装机容量增大且调峰频繁导致过热汽温的大惯性、大时延和高度非线性等特征愈加明显,火电机组传统比例-积分-微分控制器(proportional-integral-derivative,PID)控制效果下降的问题,提出一种基于金豺算法(golden jackal optimization,GJO)优化变分模态分解(variational mode decomposition,VMD)算法与GJO优化时间卷积神经网络(temporal convolutional network,TCN)的过热汽温系统特性模型。使用互信息(mutual information,MI)将机理分析得到的13个过热汽温特征变量进行排序并去除冗余变量;对筛选后的7个特征变量使用GJO-VMD算法进行分解,选择相关性较大的本征模态函数(intrinsic mode function,IMF)分量进行重构作为最终模型输入;最后,使用GJO-TCN建立过热汽温特性模型,并使用某660 MW燃煤电厂历史运行数据进行仿真实验。实验结果表明,基于GJO-VMD与GJO-TCN的过热汽温特性模型相较于TCN、长短期记忆网络(long short-term memory,LSTM)、GJO-LSTM,具有更高的预测精度。 展开更多

关键词 过热汽温 金豺算法 变分模态分解 时间卷积神经网络

在线阅读 下载PDF 职称材料

基于时间卷积注意力网络的剩余寿命预测方法 被引量：17

5

作者 刘丽 裴行智 雷雪梅 《计算机集成制造系统》 EI CSCD 北大核心 2022年第8期2375-2386,共12页

剩余使用寿命(RUL)预测对于保障现代工业设备的安全运行、降低维护成本具有重要意义。目前已有基于循环神经网络(RNN)的RUL预测模型结构比较复杂,且缺乏一种从多传感器数据中提取重要退化信息的有效机制。因此,设计了一种新的用于RUL预... 剩余使用寿命(RUL)预测对于保障现代工业设备的安全运行、降低维护成本具有重要意义。目前已有基于循环神经网络(RNN)的RUL预测模型结构比较复杂,且缺乏一种从多传感器数据中提取重要退化信息的有效机制。因此,设计了一种新的用于RUL预测的时间卷积注意力网络(TCAN)模型。在TCAN中使用结构相对比较简单的时间卷积神经网络(TCN)来提取传感器数据中的退化特征,然后利用注意力机制从TCN中提取重要的退化特征信息。最后,将学习得到的高层特征表示展开并输入全连接层,输出预测的RUL值。在C-MAPSS数据集上与其他方法相比较,分析了TCAN模型的性能,实验结果表明TCAN可以更有效地提高RUL预测的精度。 展开更多

关键词 深度学习 剩余使用寿命 时间卷积神经网络 注意力机制

在线阅读 下载PDF 职称材料

改进时间卷积网络和长短时记忆网络的泸水河流域月径流量预测模型 被引量：10

6

作者 王万良 胡明志 +2 位作者 张仁贡 董建杭 金雅文 《计算机集成制造系统》 EI CSCD 北大核心 2022年第11期3558-3575,共18页

为提升水文模型预测精度和计算效率,解决传统方法难以浓缩多源水文特征,以及长时间跨度下数据量纲、值域不同造成的特征冗杂问题,提出基于改进时间卷积网络(TCN)和长短时记忆网络(LSTM)的月径流量预测模型。通过构造多卷积核并行网,以... 为提升水文模型预测精度和计算效率,解决传统方法难以浓缩多源水文特征,以及长时间跨度下数据量纲、值域不同造成的特征冗杂问题,提出基于改进时间卷积网络(TCN)和长短时记忆网络(LSTM)的月径流量预测模型。通过构造多卷积核并行网,以提取多源时序特征,并保持原因果卷积特性。引入扩张卷积抽取高阶水文特征,提升长时间跨度记忆单元处理效率。利用残差链接方式跨层传输底层完整特征,丰富特征结果,同时优化整体网络学习过程,并以泸水河流域为例进行验证。实验结果表明,该模型在计算效率、精度、网络结构上均优于其他对比模型,从而验证了其在该流域水文预测的有效性。 展开更多

关键词 径流预测模型 时间卷积神经网络 长短时记忆神经网络 多源水文数据

在线阅读 下载PDF 职称材料

基于时间卷积长短时记忆网络的多域特征融合刀具磨损预测 被引量：3

7

作者 李先旺 秦学敬 +2 位作者 贺德强 吴金鑫 杨锦飞 《机床与液压》 北大核心 2023年第20期210-218,共9页

准确预测刀具磨损是一个具有挑战性的问题。如何结合各种信号的优势,融合传感器信号特征来提高预测精度,是一个关键问题。为解决上述问题,提出基于时间卷积长短时记忆网络(TCN-LSTM)的多域特征融合刀具磨损预测方法。收集来自不同传感... 准确预测刀具磨损是一个具有挑战性的问题。如何结合各种信号的优势,融合传感器信号特征来提高预测精度,是一个关键问题。为解决上述问题,提出基于时间卷积长短时记忆网络(TCN-LSTM)的多域特征融合刀具磨损预测方法。收集来自不同传感器的信号,在时域、频域上对不同传感器信号分别进行特征提取,时频域上利用变分模态分解算法将原始信号分解并计算每个分量的能量来构成多域特征向量。使用皮尔逊相关系数法对多域特征进行优化,经优化后构成的多域特征矩阵作为模型的输入,通过TCN-LSTM模型有效地学习了所获得的多域特征矩阵与实时刀具磨损之间的复杂关系。最后,在干式铣削条件下进行3组刀具磨损实验对所提出的方法进行了验证。实验结果表明:所提出的方法比对比模型的预测准确率更高,泛化能力更好。 展开更多

关键词 刀具磨损预测 时间卷积神经网络 特征融合 变分模态分解

在线阅读 下载PDF 职称材料

胎儿心电信号的无创提取:基于时间卷积编解码网络 被引量：1

8

作者 曹石 巩高 +3 位作者 肖慧 方威扬 阙与清 陈超敏 《南方医科大学学报》 CAS CSCD 北大核心 2022年第11期1672-1680,共9页

目的实现从孕妇腹壁混合心电信号中提取微弱的胎儿心电信号,为准确估计胎儿心率、分析胎儿心电波形等提供基础。方法利用深度卷积网络(deep CNN)优越的非线性映射能力,本文提出了一种基于时间卷积编解码网络的非线性自适应噪声消除(nonl... 目的实现从孕妇腹壁混合心电信号中提取微弱的胎儿心电信号,为准确估计胎儿心率、分析胎儿心电波形等提供基础。方法利用深度卷积网络(deep CNN)优越的非线性映射能力,本文提出了一种基于时间卷积编解码网络的非线性自适应噪声消除(nonlinear ANC)提取框架,以实现胎儿心电信号的有效提取。首先构建适用于处理胎儿心电信号的深度时间卷积网络(TCED-Net)模型作为非线性映射工具;然后以孕妇胸部心电信号为参考,利用该模型估计孕妇腹壁混合心电信号中的母体心电成分;最后从腹壁混合信号中减去所估计的母体心电成分,以得到完整的胎儿心电信号。实验利用合成心电数据(FECGSYNDB)和临床心电数据(NIFECGDB、PCDB)对方法性能进行测试与对比。结果本文方法在FECGSYNDB上的胎儿R峰检测精度([F1]值)、均方误差(MSE)和质量信噪比(qSNR)分别达到98.89%,0.20和7.84;在NIFECGDB上的[F1]值达到99.1%;在PCDB上的[F1]值达到98.61%。在不同数据集中较之EKF([F1=]93.84%)、ES-RNN([F1]=97.20%)和AECGDecompNet([F1]=95.43%)等现有性能最佳的算法,本文方法的R峰检测精度指标分别高出5.05%、1.9%和3.18%,均优于现有最佳方法。结论与现有算法相比,本文方法可以提取出更为清晰的胎儿心电信号,对孕期进行有效的胎儿健康监护具有一定的应用价值。 展开更多

关键词 胎儿监护 自适应滤波 时间卷积神经网络 无创胎儿心电图 胎心率信号

在线阅读 下载PDF 职称材料

基于声谱图时间分辨率优化与残差空间金字塔网络的车辆识别

9

作者 刘伟娜 赵红东 +2 位作者 史剑锋 张学志 赵一鸣 《计算机工程》 CAS CSCD 北大核心 2024年第12期376-385,共10页

车辆分类是智能交通系统的关键技术之一,是道路交通监控系统的一个重要研究领域。由于声学传感器具有效率高、成本低、可昼夜工作、隐蔽性强等优势,因此基于车辆声音特征的车辆分类引起了研究人员的广泛关注。然而,现有研究中的车辆声... 车辆分类是智能交通系统的关键技术之一,是道路交通监控系统的一个重要研究领域。由于声学传感器具有效率高、成本低、可昼夜工作、隐蔽性强等优势,因此基于车辆声音特征的车辆分类引起了研究人员的广泛关注。然而,现有研究中的车辆声音信号仅包含单一车辆,对于混合的双车辆声音信号的分类缺乏讨论。为此,设计一种网络模型对单车辆和双车辆共12种类别的噪声信号进行分类。针对声音频谱特征的固定分辨率并非最优的问题,基于网络训练得出的注意力得分和时间转换矩阵,控制噪声频谱时间大小,设计频谱时间分辨率优化模型。分类网络依据卷积递归神经网络(CRNN)架构,卷积网络部分(多尺度信号分析模块)参考高效空间金字塔模块对特征进行双分支融合处理,由于循环神经网络(RNN)等不利于并行化,运算速度慢,因此将因果时间卷积网络(TCN)转换为非因果循环TCN。在自制数据集中进行实验,结果表明,该模型的平均精度均值(mAP)达到0.98,远高于相当参数量下的CRNN网络,与MobileNetV3性能相当,但是相比MobileNetV3参数量减少了1.7×10^(6)。分析结果表明,所提模型适用于长时间声音信号处理任务,能提取深层次的特征。 展开更多

关键词 车辆识别 声音信号重建 卷积循环神经网络 高效空间金字塔模块 时间卷积神经网络 时间分辨率优化

在线阅读 下载PDF 职称材料

基于新型循环生成对抗网络的电力系统短期负荷预测

10

作者 夏明章 姜通海 张智晟 《电气工程学报》 北大核心 2025年第2期237-244,共8页

针对提高电力系统短期负荷预测精度和预测稳定的问题,提出一种新型循环生成对抗网络(Cycle-consistent generative adversarial network,CycleGAN)。生成器和判别器分别为门控循环单元(Gated recurrent unit,GRU)和时间卷积网络(Tempora... 针对提高电力系统短期负荷预测精度和预测稳定的问题,提出一种新型循环生成对抗网络(Cycle-consistent generative adversarial network,CycleGAN)。生成器和判别器分别为门控循环单元(Gated recurrent unit,GRU)和时间卷积网络(Temporal convolutional network,TCN)。生成器使用门控循环单元神经网络,能较好地适应时序预测任务和解决模型梯度问题。判别器模型使用时间卷积神经网络,在捕捉时序任务数据中的长期依赖关系上有着较好效果,并且更有效地识别生成器生成的伪造样本与真实样本之间的差异。同时,循环生成对抗网络引入了循环一致性损失函数,可以让模型在训练过程中更为充分地学习预测规律。通过算例试验,证明所提出的新模型具有更好的预测精度和稳定性。 展开更多

关键词 短期负荷预测 门控循环单元 时间卷积神经网络 循环生成对抗网络 循环一致性损失函数

在线阅读 下载PDF 职称材料

基于AF-BiTCN的弹道中段目标HRRP识别

11

作者 王晓丹 王鹏 +2 位作者 宋亚飞 向前 李京泰 《北京航空航天大学学报》 北大核心 2025年第2期349-359,共11页

针对弹道中段目标高分辨距离像(HRRP)的时序特征提取和识别问题,为充分利用弹道中段目标HRRP的双向时序信息,进一步提高识别性能,提出一种基于加性融合双向时间卷积神经网络(AF-BiTCN)的识别方法。对HRRP数据采用双向时序滑窗法处理为... 针对弹道中段目标高分辨距离像(HRRP)的时序特征提取和识别问题,为充分利用弹道中段目标HRRP的双向时序信息,进一步提高识别性能,提出一种基于加性融合双向时间卷积神经网络(AF-BiTCN)的识别方法。对HRRP数据采用双向时序滑窗法处理为双向序列;构建BiTCN逐层提取HRRP的双向深层时序特征,并将双向时序特征采用加性策略融合;利用更加稳健的融合特征实现对弹道中段目标的识别,并使用Adam算法优化AF-BiTCN的收敛速度和稳定性。实验结果表明:所提的基于AF-BiTCN的弹道中段目标HRRP识别方法较堆叠选择长短期记忆网络(SLSTM)、堆叠门控循环单元(SGRU)等6种时序方法具有更高的准确率和更快的识别速度,在测试集上达到了96.60%的准确率,并且在噪声数据集上表现出更好的鲁棒性。 展开更多

关键词 双向时间卷积神经网络 弹道目标识别 特征融合 高分辨距离像 滑窗算法

在线阅读 下载PDF 职称材料

基于CBAM-STCN的齿轮箱故障智能诊断方法

12

作者 万志国 王治国 +1 位作者 赵伟 窦益华 《科学技术与工程》 北大核心 2025年第9期3760-3768,共9页

针对齿轮箱在多种工况下故障特征存在差异,故障诊断易受噪声干扰,导致故障诊断模型泛化性差和识别准确率低的问题,提出一种端到端的具有混合注意力机制和软阈值化特点的时间卷积神经网络(convolutional block attention module-sparse t... 针对齿轮箱在多种工况下故障特征存在差异,故障诊断易受噪声干扰,导致故障诊断模型泛化性差和识别准确率低的问题,提出一种端到端的具有混合注意力机制和软阈值化特点的时间卷积神经网络(convolutional block attention module-sparse temporal convolutional network with soft thresholding,CBAM-STCN)齿轮箱故障诊断模型识别分类方法。首先,利用希尔伯特变换将齿轮故障振动信号转换为包络谱信号;然后,将其输入CBAM-STCN故障诊断模型中;该模型嵌入的混合注意力机制模块(convolutional block attention module,CBAM),能够自适应学习通道和空间注意力的权重,提取与故障特征相关的敏感信息;嵌入的软阈值函数能够最小化模型输出和原输入之间的差异;最后,利用所提出的方法对两种工况、不同类型的齿轮故障进行识别分类。结果表明:CBAM-STCN故障诊断模型对齿轮故障智能诊断的平均准确率为98.95%。该方法对于齿轮箱故障的智能诊断具有一定的参考价值。 展开更多

关键词 齿轮箱 故障智能诊断 混合注意力机制 软阈值化 时间卷积神经网络

在线阅读 下载PDF 职称材料

基于深度学习的香菇菌棒生产成本预测模型研究

13

作者 卢翠红 张峰 吴秋兰 《山东农业科学》 北大核心 2025年第1期174-180,共7页

针对香菇菌棒生产成本管控难、成本预测精度低等问题,本研究在深入剖析香菇菌棒生产成本关键影响因素的基础上,提出了基于时间卷积神经网络(TCN)、双向长短期记忆网络(BiLSTM)和注意力(Attention)机制的香菇菌棒生产成本预测模型。首先... 针对香菇菌棒生产成本管控难、成本预测精度低等问题,本研究在深入剖析香菇菌棒生产成本关键影响因素的基础上,提出了基于时间卷积神经网络(TCN)、双向长短期记忆网络(BiLSTM)和注意力(Attention)机制的香菇菌棒生产成本预测模型。首先利用轻量级梯度提升机(LightGBM)筛选出与香菇菌棒生产成本相关的重要特征,降低预测模型的输入维度;然后构建TCN网络与BiLSTM网络对输入数据进行特征提取,并将提取的特征进行融合;最后在上述基础上添加Attention机制,使用全连接层得到最终的香菇菌棒生产成本预测结果。实验结果表明,该模型的预测均方根误差、平均绝对百分比误差、平均绝对误差分别为0.0841、2.2526、0.0738,香菇菌棒生产成本的预测曲线接近真实的曲线,具有良好的预测效果,可以有效满足香菇菌棒生产企业对成本预测的要求。 展开更多

关键词 香菇菌棒 双向长短期记忆网络 时间卷积神经网络 注意力机制 成本预测 深度学习

在线阅读 下载PDF 职称材料

基于RF-TCN-SA及误差修正的风电功率超短期预测 被引量：1

14

作者 张中丹 李加笑 +3 位作者 冯智慧 赵娟 冯斌 李清霖 《电网与清洁能源》 北大核心 2025年第2期113-119,共7页

为提高风电功率预测精度,提出一种结合随机森林(random forest,RF)、时间卷积神经网络(temporal convolutional network,TCN)以及自注意力机制(self-attention,SA)的预测模型。通过RF算法选择出与风电功率强相关的特征信息作为TCN的输入... 为提高风电功率预测精度,提出一种结合随机森林(random forest,RF)、时间卷积神经网络(temporal convolutional network,TCN)以及自注意力机制(self-attention,SA)的预测模型。通过RF算法选择出与风电功率强相关的特征信息作为TCN的输入,采用Lookahead优化器及PRelu激活函数来提高TCN的学习、收敛性能;通过SA算法为模型不同时刻输入信息分配不同权重,以突出重要时刻信息作用,提高模型预测效果;建立误差修正模型对初步预测值进行修正,进一步提高风电功率预测精度。算例实验结果表明,所提模型相比常见循环神经网络预测模型具有更高的预测精度。 展开更多

关键词 风电功率预测 随机森林 时间卷积神经网络 自注意力机制 误差修正

在线阅读 下载PDF 职称材料

融合机理模型与深度学习的加热炉钢坯温度预测

15

作者 冯旭刚 杨克 +5 位作者 安硕 王正兵 唐得志 王伟 柳传武 潘磊 《中南大学学报(自然科学版)》 北大核心 2025年第7期2719-2730,共12页

数据驱动模型在加热炉钢坯温度预测中存在机理模糊性与参数敏感性的局限,导致预测精度降低。为此,本文提出一种结合机理模型与深度学习的钢坯温度模型预测算法。首先,基于对流与辐射传热的一维非稳态传热模型(convection-radiation heat... 数据驱动模型在加热炉钢坯温度预测中存在机理模糊性与参数敏感性的局限,导致预测精度降低。为此,本文提出一种结合机理模型与深度学习的钢坯温度模型预测算法。首先,基于对流与辐射传热的一维非稳态传热模型(convection-radiation heat transfer model,CRHT),初步计算钢坯出段温度,并将其与加热炉工况参数进行融合,实现机理知识的整合;其次,采用tent混沌映射和动态自适应权重改进差异创意搜索(differentiated creative search,DCS)算法,实现双向时间卷积网络(bidirectional temporal convolutional networks,BITCN)与双向长短期记忆网络(bidirectional long short-term memory,BILSTM)融合模型的超参数协同优化;最后,通过加热炉实际生产数据,系统地验证了该模型的准确性。研究结果表明:在加热炉均热段的钢坯温度预测中,与常规BITCN-BILSTM模型的预测结果相比,所提出的预测算法所得结果的平均绝对误差、均方根误差的相对误差分别降低了52.8%和28.9%,模型预测精度得到明显提升。 展开更多

关键词 钢坯温度预测 机理模型 双向时间卷积神经网络 双向长短期记忆 差异创意搜索

在线阅读 下载PDF 职称材料

基于GWO-TCN网络的HVDC输电线路故障诊断 被引量：11

16

作者 刘辉 李永康 +1 位作者 张淼 刘维 《电子测量技术》 北大核心 2021年第22期168-174,共7页

现有高压直流(HVDC)故障检测方法灵敏度低,难以识别高阻接地故障,提出了一种基于改进灰狼算法(GWO)优化时间卷积神经网络(TCN)的HVDC传输系统故障检测方法,整流侧检测装置采集的故障电流信号直接用作TCN的输入数据,克服了故障信号处理... 现有高压直流(HVDC)故障检测方法灵敏度低,难以识别高阻接地故障,提出了一种基于改进灰狼算法(GWO)优化时间卷积神经网络(TCN)的HVDC传输系统故障检测方法,整流侧检测装置采集的故障电流信号直接用作TCN的输入数据,克服了故障信号处理的繁琐过程。利用Simulink仿真软件建立±500 kV高压直流输电线路模型,对不同故障区域和故障类型进行仿真实验,使用基于LSTM模型,BiLSTM模型和CNN模型3种模型的故障检测方法进行比较。测试结果表明,GWO-TCN网络能够可靠、准确地在过渡电阻高达800Ω时进行HVDC输电线路故障选极和选区。 展开更多

关键词 时间卷积神经网络 灰狼优化算法 故障识别 高压直流输电

在线阅读 下载PDF 职称材料

基于DDTW聚类和SK TCN-GC BiGRU的分布式光伏短期功率预测

17

作者 段宏 郭成 +1 位作者 孙海东 王嵩岭 《智慧电力》 北大核心 2025年第4期71-80,共10页

针对分布式光伏短期功率的准确预测问题,提出了一种基于导数动态时间规整算法(DDTW)聚类和复合注意力预测网络(SK TCN-GC BiGRU)的短期光伏功率预测方法。首先,应用DDTW对历史数据进行相似日分析以构建针对性的训练集。其次,结合选择性... 针对分布式光伏短期功率的准确预测问题,提出了一种基于导数动态时间规整算法(DDTW)聚类和复合注意力预测网络(SK TCN-GC BiGRU)的短期光伏功率预测方法。首先,应用DDTW对历史数据进行相似日分析以构建针对性的训练集。其次,结合选择性内核网络(SKNet)和全局上下文模块(GC Block)优化TCN与BiGRU模型,分别增强提取多尺度特征和全局信息的能力。仿真结果验证了所提模型的优越性,尤其在气象条件数据波动较大的情况下,表现出较强的鲁棒性。 展开更多

关键词 短期光伏功率预测 时间卷积神经网络 双向门控循环单元 导数动态时间弯曲聚类

在线阅读 下载PDF 职称材料

基于TCN的跟网/构网混合型新能源场站并网系统小干扰稳定性快速评估 被引量：5

18

作者 林涛 林政阳 +1 位作者 李晨 李君 《电力科学与技术学报》 CAS CSCD 北大核心 2024年第4期169-177,共9页

为支撑跟网/构网混合型新能源场站中机组控制方式快速切换,实现可适应电网强度变化的新能源场站安全稳定运行,提出基于时间卷积神经网络(temporal convolutional network,TCN)的跟网/构网混合型新能源场站并网系统小干扰稳定性快速评估... 为支撑跟网/构网混合型新能源场站中机组控制方式快速切换,实现可适应电网强度变化的新能源场站安全稳定运行,提出基于时间卷积神经网络(temporal convolutional network,TCN)的跟网/构网混合型新能源场站并网系统小干扰稳定性快速评估方法。首先,构建跟网/构网混合型新能源场站聚合阻抗模型,通过特征值计算得到并网系统小干扰稳定裕度。然后,以并网系统短路比和新能源场站跟网/构网控制方式信息作为输入特征,以并网系统小干扰稳定裕度和阻尼比作为输出特征,训练TCN得到混合型新能源场站并网系统小干扰稳定性快速评估模型。经过训练的模型可根据短路比和跟网/构网混合型新能源场站中各机组的控制方式快速输出对应的小干扰稳定裕度和阻尼比。最后,以一个含10台风电机组的新能源场站为对象进行算例分析。结果表明:所提TCN方法相比于长短期记忆神经网络方法,在小干扰稳定裕度和阻尼比预测上的平均绝对百分比误差分别降低16.76%、14.75%;所提方法的计算耗时相对于特征值计算方法降低98.54%,从而验证所提小干扰稳定性快速评估方法的准确性与时效性。 展开更多

关键词 新能源场站 跟网型控制 构网型控制 小干扰稳定 时间卷积神经网络

在线阅读 下载PDF 职称材料

基于自适应时序解耦和气象因素动态影响评估的超短期太阳辐照度预测 被引量：1

19

作者 臧海祥 黄海洋 +3 位作者 程礼临 张越 孙国强 卫志农 《太阳能学报》 EI CAS CSCD 北大核心 2024年第11期411-417,共7页

针对太阳辐射序列具有波动性以及受气象因素影响而导致太阳辐照度预测精度降低的问题,提出一种基于滑动窗口变分模态分解(SWVMD)、自适应图卷积网络(AGCN)和四核时间卷积神经网络(QTCN)的超短期太阳辐照度预测模型。首先利用SWVMD对历... 针对太阳辐射序列具有波动性以及受气象因素影响而导致太阳辐照度预测精度降低的问题,提出一种基于滑动窗口变分模态分解(SWVMD)、自适应图卷积网络(AGCN)和四核时间卷积神经网络(QTCN)的超短期太阳辐照度预测模型。首先利用SWVMD对历史辐射序列进行解耦,实时挖掘不同特征尺度的模态分量,然后将数据集重构为图数据,进而利用AGCN动态评估气象因素的影响程度,最后采用QTCN提取融合后特征序列的多尺度时序特征,实现对未来30 min太阳辐照度的预测。实验结果表明,与LSTM、TCN模型和CNN-Bi-LSTM模型相比,所提出的预测模型能有效提升预测精度。 展开更多

关键词 太阳辐照度 深度学习 变分模态分解 图卷积神经网络 时间卷积神经网络

在线阅读 下载PDF 职称材料

基于辐射改进Penman-Monteith模型估算粮食主产区参考作物蒸散量 被引量：5

20

作者 马钊 李鹏程 +1 位作者 刘洪伟 孟静 《节水灌溉》 北大核心 2024年第3期24-33,共10页

为进一步提高Penman-Monteith模型估算参考作物蒸散量(Reference crop evapotranspiration,ET0)的精度,以中国粮食主产区为研究对象,将其划分为温带湿润半湿润地区(THSZ)、温带干旱半干旱地区(TASZ)、暖温带半湿润地区(WTSZ)和亚热带湿... 为进一步提高Penman-Monteith模型估算参考作物蒸散量(Reference crop evapotranspiration,ET0)的精度,以中国粮食主产区为研究对象,将其划分为温带湿润半湿润地区(THSZ)、温带干旱半干旱地区(TASZ)、暖温带半湿润地区(WTSZ)和亚热带湿润地区(SHZ),基于32个气象站点1994-2020年长序列实测逐日气象数据,将猎豹算法(CO)、沙猫算法(SCSO)、野狗算法(DOA)优化的时间卷积神经网络模型(TCN)和3种基于日照时数、3种基于温度的经验模型估算的辐射(R_(s))值与PM模型进行融合,得到改进PM模型。以均方根误差(RMSE)、决定系数(R^(2))、平均绝对误差(MAE)和效率系数(E_(NS))为精度评价体系,找出了粮食主产区不同分区的ET0最优估算模型,结果表明:基于日照时数模型的计算精度要优于温度模型,其中CO-TCN模型在全区内均表现出了较高的精度,在不同分区的RMSE、MAE、R^(2)和E_(NS)中位数取值分别为0.099~0.171 mm/d、0.057~0.111mm/d、0.984~0.998、0.983~0.997,由此可将CO-TCN模型估算的辐射值与PM模型融合,作为标准值用于估算粮食主产区ET0。 展开更多

关键词 粮食主产区 参考作物蒸散量 辐射 Penman-Monteith模型 时间卷积神经网络

在线阅读 下载PDF 职称材料