基于CEEMDAN和频谱时间图卷积网络的电力负荷预测方法

1

作者 朱莉 夏禹 +1 位作者 朱春强 邓凡 《计算机工程》 北大核心 2025年第4期339-349,共11页

针对电力负荷数据存在非平稳性且传统预测模型不能精确获取时序负荷数据的空间相关性和时间依赖性,导致预测精度低的问题,设计并实现一种基于完全集成经验模式分解的自适应噪声完备性(CEEMDAN)和频谱图卷积网络的电力负荷预测方法。首... 针对电力负荷数据存在非平稳性且传统预测模型不能精确获取时序负荷数据的空间相关性和时间依赖性,导致预测精度低的问题,设计并实现一种基于完全集成经验模式分解的自适应噪声完备性(CEEMDAN)和频谱图卷积网络的电力负荷预测方法。首先使用CEEMDAN将目标负荷序列分解为多个本征模态分量(IMF),通过计算模糊熵对IMF进行重构;然后使用频谱时间图卷积网络对重构后分量的空间相关性和时间依赖性进行挖掘,得到各分量的预测结果;最后将各分量的预测结果线性相加得到最终预测结果。实验结果表明,所提方法的平均绝对误差、均方根误差、平均绝对百分比误差3个评价指标分别达到了0.72 KW、0.89 KW、0.92%,相较于对比模型StemGnn、TCN、LSTM、Informer、FEDformer,预测精度分别提高了37.9%、17.2%、20.8%、22.5%、12.1%。证明本文所提出的预测方法可以有效降低非平稳性对预测结果的影响,精确获取时序负荷数据的空间相关性和时间依赖性,提高预测精度。 展开更多

关键词 电力负荷预测 经验模态分解 本征模态分量 图卷积网络 模糊熵

在线阅读 下载PDF 职称材料

应用EMD和双谱分析的故障特征提取方法 被引量：16

2

作者 蒋永华 李荣强 +3 位作者 焦卫东 唐超 蔡建程 施继忠 《振动．测试与诊断》 EI CSCD 北大核心 2017年第2期338-342,共5页

针对传统双谱分析从理论上仅能抑制高斯噪声,但对非高斯噪声无能为力的不足,提出了一种利用经验模式分解(empirical mode decomposition,简称EMD)和双谱分析的故障特征提取方法,并应用于滚动轴承故障诊断中。首先,对信号进行EMD分解;其... 针对传统双谱分析从理论上仅能抑制高斯噪声,但对非高斯噪声无能为力的不足,提出了一种利用经验模式分解(empirical mode decomposition,简称EMD)和双谱分析的故障特征提取方法,并应用于滚动轴承故障诊断中。首先,对信号进行EMD分解;其次,利用能量相关法去除EMD分解过程中出现的伪本征模态分量(intrinsic mode function,简称IMF);最后,对得到的真实IMF进行双谱分析提取故障特征。仿真和实验结果表明,所提出的方法优于功率谱分析和传统双谱分析,能够更有效地提取强噪声背景下的机械故障特征信息,为滚动轴承的故障特征提取提供了一种新的方法。 展开更多

关键词 经验模式分解 双谱分析 能量相关 特征提取 本征模态分量

在线阅读 下载PDF 职称材料

基于改进变分模态分解和快速谱峭度图的滚动轴承检测方法 被引量：12

3

作者 何凯 廖玉松 +1 位作者 胡斌 谭邦俊 《噪声与振动控制》 CSCD 2020年第2期121-124,197,共5页

针对滚动轴承早期故障信号微弱、复杂且提取困难的问题,提出一种基于改进变分模态分解(Variational Mode Decomposition,简称VMD)和快速谱峭度图的滚动轴承检测方法。首先利用粒子群算法对VMD最佳影响参数组合进行搜索,采用多尺度模糊熵... 针对滚动轴承早期故障信号微弱、复杂且提取困难的问题,提出一种基于改进变分模态分解(Variational Mode Decomposition,简称VMD)和快速谱峭度图的滚动轴承检测方法。首先利用粒子群算法对VMD最佳影响参数组合进行搜索,采用多尺度模糊熵(Multiscal Enproty,简称MSE)作为适应度函数,并利用优化参数的VMD对原始信号进行分解,得到多个本征模态分量(Intrinsic Mode Function,简称IMF);其次计算原始信号和各模态分量的快速峭度图;再次找出原始信号和各个IMF谱峭度最大值所处的频带区间;然后通过比较原始信号和IMF谱峭度最大值所处频带区间的从属关系来选择最佳IMF;最后,重组最佳IMF并通过共振解调技术求其包络谱图。实验结果表明基于改进变分模态分解和快速谱峭度图的滚动轴承检测方法能更有效诊断出滚动轴承的早期故障。 展开更多

关键词 故障诊断 滚动轴承 快速谱峭度图 改进变分模态分解 本征模态分量

在线阅读 下载PDF 职称材料

基于经验模态分解的粒子图像测速流场重构研究 被引量：1

4

作者 王晓宇 贺静 +1 位作者 柯汉兵 林梅 《西安交通大学学报》 EI CAS CSCD 北大核心 2021年第1期162-169,共8页

为了消除PIV流场数据中的错误数据并降低误差,利用经验模态分解将PIV流场数据分解为多个本征模态分量,对波形异常的本征模态分量进行滤波处理,并将处理后的本征模态分量与其他波形平滑正常的本征模态分量进行反向叠加,有效实现了流场数... 为了消除PIV流场数据中的错误数据并降低误差,利用经验模态分解将PIV流场数据分解为多个本征模态分量,对波形异常的本征模态分量进行滤波处理,并将处理后的本征模态分量与其他波形平滑正常的本征模态分量进行反向叠加,有效实现了流场数据的重构和错误数据的消除。当分解得到的本征模态分量较多且错误数据集中在某一个本征模态分量时,可以通过求解各个本征模态分量与原始流场数据的相关系数,将与原始流场数据相关的本征模态分量进行反向叠加重构并摒弃与原始流场数据不相关的本征模态分量,实现错误数据的直接消除。利用本方法分别对2个人为添加误差为1.7%和3.3%的标准模拟流场进行了处理,处理后的流场数据误差分别为0.002%和0.18%。采用该方法对某实验的原始流场数据进行处理,结果表明错误数据得到了有效消除,流场特性更加清晰准确。本研究可为减小变化缓和的流场数据的误差提供一定的指导。 展开更多

关键词 粒子图像测速 经验模态分解 本征模态分量 相关系数

在线阅读 下载PDF 职称材料

使用快速傅里叶变换优化周期参数的EMD-FFT-SARIMA光伏发电预测模型 被引量：2

5

作者 熊川羽 廖晓红 +5 位作者 何诗英 陈然 王巍 臧楠 王瀛 肖梦涵 《强激光与粒子束》 CAS CSCD 北大核心 2024年第8期117-123,共7页

根据分布式能源工业园区的光伏电力单元特点,对园区光伏发电功率预测模型进行优化,为后续的调度策略提供数据支持。针对经验模式分解(EMD)与季节性差分自回归移动平均模型(SARIMA)相组合的EMD-SARIMA预测模型中,原始数据经过EMD分解得... 根据分布式能源工业园区的光伏电力单元特点,对园区光伏发电功率预测模型进行优化,为后续的调度策略提供数据支持。针对经验模式分解(EMD)与季节性差分自回归移动平均模型(SARIMA)相组合的EMD-SARIMA预测模型中,原始数据经过EMD分解得到的各固有本征模态函数(IMF)分量周期计算问题,提出加入快速傅里叶变换(FFT)的周期计算方法,建立EMD-FFT-SARIMA光伏发电功率预测模型。再将每个IMF对应的预测结果进行叠加重构得到最终的预测结果。通过预测结果的误差计算可以发现,加入FFT环节后均方根误差(RMSE)从120.6 MW下降到19.3 MW,平均绝对误差(MAE)从52.87 MW下降到12.3 MW。 展开更多

关键词 经验模式分解 季节性差分自回归移动平均模型 周期计算 固有本征模态函数信号分量 快速傅里叶变换 光伏发电预测

在线阅读 下载PDF 职称材料

EMD用于GPS时间序列降噪分析 被引量：51

6

作者 张双成 何月帆 +3 位作者 李振宇 侯晓伟 瞿伟 南阳 《大地测量与地球动力学》 CSCD 北大核心 2017年第12期1248-1252,共5页

针对GPS位置时间序列噪声成分复杂、建模困难、噪声与信号难以有效分离等特点,用自适应信号分析方法经验模态分解(EMD)对中国区域9个IGS站时间序列的N、E、U方向作降噪处理。首先对各方向分量作EMD分解,获取各方向噪声强度依次降低的一... 针对GPS位置时间序列噪声成分复杂、建模困难、噪声与信号难以有效分离等特点,用自适应信号分析方法经验模态分解(EMD)对中国区域9个IGS站时间序列的N、E、U方向作降噪处理。首先对各方向分量作EMD分解,获取各方向噪声强度依次降低的一系列本征模态分量及其趋势项;其次利用相关系数辨别出噪声与信号的分界本征模态分量,并按重构方法重构各本征模态分量;最后用相关系数、信噪比、能量百分比等参数评价EMD方法降噪的有效性。结果表明,EMD方法能合理地分离序列中的信号与噪声,有效削弱噪声对GPS位置时间序列的影响,进一步提高GPS位置时间序列的精度。 展开更多

关键词 GPS时间序列 经验模态分解 降噪 本征模态分量

在线阅读 下载PDF 职称材料

EMD中有效IMF选取方法的研究 被引量：16

7

作者 丁常富 蔡志成 《热力发电》 CAS 北大核心 2014年第1期36-40,45,共6页

阐述了经验模态分解(EMD)中有效本征模态分量(IMF)的3种选取方法(相关系数法、KL散度法以及能量守恒与频率散度结合法),并将该3种方法应用于某台汽轮机典型动静碰磨和油膜振荡信号的分解试验中。分析试验结果表明,将针对低频的能量守恒... 阐述了经验模态分解(EMD)中有效本征模态分量(IMF)的3种选取方法(相关系数法、KL散度法以及能量守恒与频率散度结合法),并将该3种方法应用于某台汽轮机典型动静碰磨和油膜振荡信号的分解试验中。分析试验结果表明,将针对低频的能量守恒法与针对高频成分的频率散度法相结合的选取方法在区分度方面优于相关系数法,在适应性方面优于KL散度法,总体的判断稳定性均优于相关系数法和KL散度法。 展开更多

关键词 经验模态分解 本征模态分量 能量守恒 频率散度 相关系数法 KL散度法 信号处理

在线阅读 下载PDF 职称材料

基于改进的MEEMD的隧道掘进爆破振动信号去噪优化分析 被引量：10

8

作者 周红敏 赵事成 +3 位作者 赵文清 王双 郝广伟 张宪堂 《振动与冲击》 EI CSCD 北大核心 2023年第10期74-81,共8页

爆破振动信号受现场条件限制,多为复杂含噪信号,对降噪方法的性能提出更高要求。为了获得真实振动特征,建立了一种基于改进的总体平均经验模态分解(modified ensemble empirical mode decomposition,MEEMD)的联合去噪方法。首先,将原始... 爆破振动信号受现场条件限制,多为复杂含噪信号,对降噪方法的性能提出更高要求。为了获得真实振动特征,建立了一种基于改进的总体平均经验模态分解(modified ensemble empirical mode decomposition,MEEMD)的联合去噪方法。首先,将原始信号进行MEEMD分解得到本征模态分量(intrinsic mode function,IMF),结合相关系数和样本熵(sample entropy,SE)-Hurst指数进行IMF分类;然后,针对含噪IMF分量中的残留噪声,使用最小均方(least mean square,LMS)自适应滤波进行降噪,达到信号去噪的目的。算法对比结果表明:在仿真试验中,MEEMD-LMS相较互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)、快速集合经验模态分解(fast ensemble empirical mode decomposition,FEEMD)等方法表现出更优的降噪性能;在隧道掘进爆破的实例分析中,MEEMD-LMS相较MEEMD对高频噪声的降噪效果更好,低频段频谱更清晰,具备良好的适用性。 展开更多

关键词 隧道掘进 爆破振动 改进的总体平均经验模态分解(MEEMD) 最小均方(LMS)滤波 本征模态分量(IMF)评价

在线阅读 下载PDF 职称材料

HHT应用于GNSS时序分析中的IMF质量问题研究 被引量：3

9

作者 张旭东 符华年 胡在凰 《测绘通报》 CSCD 北大核心 2018年第A01期5-8,共4页

HHT(希尔伯特-黄变换)作为一种广泛应用的非线性非平稳信号分析方法,在应用于GNSS时间序列分析时需要解决两大影响IMF(本征模态分量)质量的问题:边界效应和迭代终止判据。本文采用了STJO测站20年的数据,以瞬时频率和正交性作为指标,对... HHT(希尔伯特-黄变换)作为一种广泛应用的非线性非平稳信号分析方法,在应用于GNSS时间序列分析时需要解决两大影响IMF(本征模态分量)质量的问题:边界效应和迭代终止判据。本文采用了STJO测站20年的数据,以瞬时频率和正交性作为指标,对上述两大问题进行分析得出:SD准则下IMF的质量不如Rilling准则下的质量,Rilling准则下的镜像端点延拓算法要比线性外延算法在抑制边界效应上要更有效,且分解得到的IMF分量瞬时频率更平稳,说明其IMF分量更加具有单分量的性质。由此可知,在GNSS时间序列的时频分析中应该采用Rilling准则作为迭代终止判据,应该采用镜像端点延拓来作为抑制边界效应的算法。 展开更多

关键词 HHT 本征模态分量 时间序列 边界效应 迭代判据

在线阅读 下载PDF 职称材料

基于EVMD和SODN的滚动轴承故障识别研究 被引量：3

10

作者 杨润贤 郭林炀 +3 位作者 周正平 常兆庆 李国伟 徐庆乐 《机电工程》 CAS 北大核心 2021年第10期1221-1229,共9页

在传统的滚动轴承故障识别方法中,存在对轴承振动信号的人工特征提取、选择困难的问题,提出了一种基于增强变分模态分解(EVMD)和自组织深层网络(SODN)的滚动轴承故障识别方法。首先,为了自动确定变分模态分解的模态数目,提出了一种功率... 在传统的滚动轴承故障识别方法中,存在对轴承振动信号的人工特征提取、选择困难的问题,提出了一种基于增强变分模态分解(EVMD)和自组织深层网络(SODN)的滚动轴承故障识别方法。首先,为了自动确定变分模态分解的模态数目,提出了一种功率谱的分割方法,从而提高了轴承振动信号的信噪比,并将滚动轴承的振动信号自适应分解为若干本征模态分量(IMFs);然后,根据综合评价指标,选择了较能反映轴承故障特征的IMFs分量,同时为了达到信号降噪的目的,对其进行了重构;最后,将自组织策略引入到深层自编码器中,进而构造了SODN,并将降噪后的轴承振动信号输入SODN,进行了自动特征学习与故障识别的对比实验,以验证该方法的可行性和有效性。研究结果表明:所提出的EVMD-SODN方法的轴承故障识别率达99.15%,标准差仅0.10,在故障识别率方面相比于其他组合模型具有较大优势。 展开更多

关键词 滚动轴承 故障识别 变分模态分解 自组织深层网络 深层自编码器 本征模态分量

在线阅读 下载PDF 职称材料

基于EEMD的高分辨率层序地层划分方法 被引量：7

11

作者 杨应 杨巍 朱仕军 《岩性油气藏》 CSCD 北大核心 2018年第5期59-67,共9页

划分不同级次的层序界面以及识别其内部的沉积旋回类型是层序地层分析的重要基础。测井信号是不同周期的地层旋回信息的叠合,通过时频分析方法可将测井数据内隐藏的地层旋回性信息拓展到不同的频带内,进而进行不同级次层序界面的划分以... 划分不同级次的层序界面以及识别其内部的沉积旋回类型是层序地层分析的重要基础。测井信号是不同周期的地层旋回信息的叠合,通过时频分析方法可将测井数据内隐藏的地层旋回性信息拓展到不同的频带内,进而进行不同级次层序界面的划分以及旋回类型的判别。利用总体经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)方法对测井数据进行分解,得到不同频带的本征模态分量,结合Hilbert变换获取各分量的频率特征。最后根据各分量的周期性波动和频率变化特征与不同沉积旋回类型以及各级层序界面之间的对应关系划分地层层序。在东营凹陷沙三段的应用中表明,该方法适用于短期、中期、长期基准面旋回的划分,为高分辨率层序地层划分提供了新思路。 展开更多

关键词 高分辨率 总体经验模态分解 本征模态分量 HILBERT变换 层序地层 时频分析

在线阅读 下载PDF 职称材料

基于VMD的谐波检测方法 被引量：14

12

作者 陈强伟 蔡文皓 +1 位作者 孙磊 牛春光 《电测与仪表》 北大核心 2018年第2期59-65,共7页

针对电网谐波检测问题,分析已提出的几种传统的谐波检测方法,首次提出一种基于变分模态分解(Variational Mode Decomposition,VMD)的电网谐波检测方法。运用VMD方法将所含谐波的电网信号分解为一系列的本征模态分量(Intrinsic Mode Func... 针对电网谐波检测问题,分析已提出的几种传统的谐波检测方法,首次提出一种基于变分模态分解(Variational Mode Decomposition,VMD)的电网谐波检测方法。运用VMD方法将所含谐波的电网信号分解为一系列的本征模态分量(Intrinsic Mode Function,IMF),然后对分解出的IMF分量采用希尔伯特黄变换(HilbertHuang transform,HHT),获得每一个IMF分量的瞬时频率和瞬时幅值。由于VMD方法能准确的分解出每一个IMF分量,因此所得到的瞬时频率和瞬时幅值达到了很高精度的获取,并且与在经验模态分解(Empirical Mode Decomposition,EMD)所得到IMF分量Hilbert变换进行对比,说明了该方法比传统的Hilbert变换分解能力更强。为验证该方法对电网谐波的检测能力,将VMD算法与传统的瞬时无功功率谐波检测算法运用到实测数据中。仿真和实测数据表明,该方法是检测谐波的有效新方法。 展开更多

关键词 变分模态分解 本征模态分量 谐波检测 经验模态分解 希尔伯特黄变换

在线阅读 下载PDF 职称材料

基于参数自适应的VMD滚动轴承故障诊断 被引量：12

13

作者 李永琪 彭珍瑞 《噪声与振动控制》 CSCD 北大核心 2021年第5期139-146,共8页

为了更好地选取变分模态分解(variational mode decomposition,VMD)的参数并综合考虑轴承故障信号周期冲击性及循环平稳性,构建一种平均包络谱峭度结合平均样本熵优化的变分模态分解及加权合成峭度提取最优本征模态分量(intrinsic mode ... 为了更好地选取变分模态分解(variational mode decomposition,VMD)的参数并综合考虑轴承故障信号周期冲击性及循环平稳性,构建一种平均包络谱峭度结合平均样本熵优化的变分模态分解及加权合成峭度提取最优本征模态分量(intrinsic mode function,IMF)的轴承故障诊断方法。首先,分别将平均包络谱峭度的倒数及平均样本熵归一化并求和。然后,以其最小值原则分别优化VMD参数,对信号进行VMD分解得到若干IMFs,计算各IMF加权合成峭度,其值最大即为最优IMF。最后,进行包络谱分析判别故障类型,并运用内圈故障仿真信号和实际轴承数据验证方法的有效性。 展开更多

关键词 故障诊断 变分模态分解 本征模态分量 平均包络谱峭度 平均样本熵 加权合成峭度

在线阅读 下载PDF 职称材料

采用HHT振动分析的低压断路器合闸同期辨识 被引量：37

14

作者 缪希仁 吴晓梅 +2 位作者 石敦义 郭谋发 王吴雨 《电工技术学报》 EI CSCD 北大核心 2014年第11期154-161,共8页

利用振动信号辨识三相合闸不同期故障,应解决有效的振动信号消噪及其故障特征提取方法。提出一种希尔伯特-黄变换(HHT)的低压断路器振动信号分析方法,采用经验模态分解(EMD)有效地提取反映振动信号局部特性的本征模态函数(IMF)分量,以前... 利用振动信号辨识三相合闸不同期故障,应解决有效的振动信号消噪及其故障特征提取方法。提出一种希尔伯特-黄变换(HHT)的低压断路器振动信号分析方法,采用经验模态分解(EMD)有效地提取反映振动信号局部特性的本征模态函数(IMF)分量,以前5阶IMF分量表征振动信号特性且起到信号消噪作用。通过时域特征分析,得出振动信号的峭度和均方值可作为判别机械特性的辅助特征指标。提出前5阶IMF分量能量比及峭度、均方值为特征向量,建立粒子群优化径向基(PSO-RBF)神经网络的低压断路器合闸不同期故障识别模型。实验与仿真结果表明,基于单个传感器振动特性,综合采用时域分析、EMD分解、粒子群优化神经网络等人工智能的合闸同期性故障识别效果良好,为断路器故障尤其是三相合闸同期性振动分析提供了一种新的诊断方法。 展开更多

关键词 低压断路器 振动分析 合闸同期性 经验模态分解 本征模态函数分量 能量比神经网络 故障识别

在线阅读 下载PDF 职称材料

基于CEEMDAN优化的轴承故障变分推断诊断算法 被引量：4

15

作者 孟事业 罗倩 《电子测量技术》 北大核心 2023年第22期94-101,共8页

针对现有滚动轴承故障诊断研究中诊断准确率存在的不足,提出了一种基于本征模态函数优化自适应噪声集合经验模态分解和变分推断的滚动轴承故障诊断算法,该算法首先利用自适应噪声集合经验模态分解获得原始信号的本征模态函数分量,进而... 针对现有滚动轴承故障诊断研究中诊断准确率存在的不足,提出了一种基于本征模态函数优化自适应噪声集合经验模态分解和变分推断的滚动轴承故障诊断算法,该算法首先利用自适应噪声集合经验模态分解获得原始信号的本征模态函数分量,进而构建敏感本征模态函数分量筛选算法对自适应噪声集合经验模态分解方法进行优化,构成特征向量,对于训练集数据建立高斯混合模型,通过变分推断使高斯混合模型逼近特征向量概率分布的方法来实现滚动轴承故障诊断。通过实例验证了算法的有效性,与自适应噪声集合经验模态分解结合变分推断、局部特征尺度分解结合变分推断、优化的自适应噪声集合经验模态分解结合粒子群优化支持向量机相比,诊断正确率分别提升了4.3%、4.3%和21.7%。 展开更多

关键词 故障诊断 本征模态分量优化 变分推断 混合高斯分布 自适应噪声集合经验模态分解

在线阅读 下载PDF 职称材料

基于模块化交通流组合预测模型 被引量：1

16

作者 顾潮 肖婷婷 +2 位作者 丁飞 周启航 赵芝因 《无线电通信技术》 2023年第4期761-772,共12页

短时交通流预测是智能交通系统的核心能力组件之一,为城市交通管理、交通控制和交通引导提供智能决策支撑。针对交通路网交通流呈现的非线性、动态性和时序相关性,提出一种基于模块化的交通流组合预测模型ICEEMDAN-ISSA-BiGRU。采用改... 短时交通流预测是智能交通系统的核心能力组件之一,为城市交通管理、交通控制和交通引导提供智能决策支撑。针对交通路网交通流呈现的非线性、动态性和时序相关性,提出一种基于模块化的交通流组合预测模型ICEEMDAN-ISSA-BiGRU。采用改进的基于完全自适应噪声集合经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)方法对交通流非线性时间序列进行分解,获取本征模态分量(Intrinsic Mode Functions,IMF);利用双向门控循环单元(Bi-directional Gate Recurrent Unit,BiGRU)挖掘交通流量序列中的时序相关性特征;基于动态自适应t分布变异方法改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA),实现对BiGRU网络权值参数的迭代寻优,避免了短时预测结果陷入局部最优;基于公开PeMS数据集对短时交通流预测性能进行性能评估与验证。实验结果表明,所提组合模型的短时交通流预测性能优于10个传统模型,改进后的交通流量预测平均绝对误差(Mean Absolute Error,MAE)指标接近10.98,平均绝对值百分误差(Mean Absolute Percentage Error,MAPE)指标接近10.12%,均方根误差(Root Mean Square Error,RMSE)指标接近12.42,且在不同数据集下所提模型具有较好的泛化性能。 展开更多

关键词 短时交通流预测 完全自适应噪声集合经验模态分解 本征模态分量 麻雀搜索算法 双向门控循环单元

在线阅读 下载PDF 职称材料