期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于CSSA-LSTM的IGBT模块退化趋势预测
被引量：
1
1
作者
柳行青
赵国帅
韩素敏
《电子科技》
2024年第8期60-67,共8页
针对逆变器中绝缘栅双极型晶体管(Insulated Gate Bipolar Transistor,IGBT)模块失效率高且易损伤老化以及器件退化过程难以预测的问题,文中提出一种结合长短期神经网络(Long Short-Term Memory,LSTM)和混沌麻雀的神经网络预测模型。通...
针对逆变器中绝缘栅双极型晶体管(Insulated Gate Bipolar Transistor,IGBT)模块失效率高且易损伤老化以及器件退化过程难以预测的问题,文中提出一种结合长短期神经网络(Long Short-Term Memory,LSTM)和混沌麻雀的神经网络预测模型。通过引入二维皮尔逊相关系数法获取组合退化特征,构建基于LSTM的电压退化预测模型。利用模型自适应提取退化特征内部相关性,实现对关键信息筛选,挖掘深层次退化特征。在麻雀搜索算法的可行域中引入高斯变异的正态分布随机数和Tent映射对应的混沌序列,提升预测的精度和稳定性。对模型的学习率、神经元个数、batch-size进行寻优,寻找最优值匹配网络拓扑。采用最优结构参数的LSTM对各原始数据分别预测,得到最终的退化预测值。以NANS实验中心的加速退化数据集进行算例分析,并与常规预测算法对比,验证所提算法的有效性和准确性。
展开更多
关键词
混沌麻雀搜索算法
LSTM
参数优化
退化趋势预测
IGBT
高斯变异
预测模型
TENT映射
在线阅读
下载PDF
职称材料
基于ICEEMDAN-ICSSA-CKELM-TCCA的短期风电功率预测研究
2
作者
韦权
汤占军
贺建峰
《现代电子技术》
2023年第24期39-46,共8页
为了提高风电功率预测的准确性,基于信号分解、优化算法和误差修正,提出一种ICEEMDAN-ICSSA-CKELMTCCA的风电功率预测组合模型。首先采用改进的带自适应噪声的完全集成经验模式分解(ICEEMDAN)和样本熵原理,对原始功率序列进行分解和重构...
为了提高风电功率预测的准确性,基于信号分解、优化算法和误差修正,提出一种ICEEMDAN-ICSSA-CKELMTCCA的风电功率预测组合模型。首先采用改进的带自适应噪声的完全集成经验模式分解(ICEEMDAN)和样本熵原理,对原始功率序列进行分解和重构,得到更适合提取特征的新序列。然后,建立包含Poly核函数、RBF核函数的组合核极限学习机(CKELM)对新的序列进行初步预测,并利用融合了Tent混沌映射、动态惯性权重和自适应t变异策略的改进混沌麻雀搜索算法(ICSSA)对其参数进行优化,提升CKELM预测性能。最后将时间卷积网络(TCN)与高效通道注意力机制(ECA)组合搭建为TCCA模型,对初步预测结果进行修正。以中国云南省某风电场的数据为例进行多组实验,结果表明该模型针对风电功率具有较高的预测精度。
展开更多
关键词
短期风电功率预测
自适应噪声的完全集成经验模式分解
混沌麻雀搜索算法
组合核极限学习机
样本熵
时间卷积网络
在线阅读
下载PDF
职称材料
题名
基于CSSA-LSTM的IGBT模块退化趋势预测
被引量：
1
1
作者
柳行青
赵国帅
韩素敏
机构
河南理工大学电气工程与自动化学院
出处
《电子科技》
2024年第8期60-67,共8页
基金
河南省科技攻关项目(202102210094)
国家重点研发计划(2016YFC0600906)。
文摘
针对逆变器中绝缘栅双极型晶体管(Insulated Gate Bipolar Transistor,IGBT)模块失效率高且易损伤老化以及器件退化过程难以预测的问题,文中提出一种结合长短期神经网络(Long Short-Term Memory,LSTM)和混沌麻雀的神经网络预测模型。通过引入二维皮尔逊相关系数法获取组合退化特征,构建基于LSTM的电压退化预测模型。利用模型自适应提取退化特征内部相关性,实现对关键信息筛选,挖掘深层次退化特征。在麻雀搜索算法的可行域中引入高斯变异的正态分布随机数和Tent映射对应的混沌序列,提升预测的精度和稳定性。对模型的学习率、神经元个数、batch-size进行寻优,寻找最优值匹配网络拓扑。采用最优结构参数的LSTM对各原始数据分别预测,得到最终的退化预测值。以NANS实验中心的加速退化数据集进行算例分析,并与常规预测算法对比,验证所提算法的有效性和准确性。
关键词
混沌麻雀搜索算法
LSTM
参数优化
退化趋势预测
IGBT
高斯变异
预测模型
TENT映射
Keywords
chaos sparrow search algorithm
LSTM
parameter optimization
prediction of degradation trends
IGBT
Gaussian variation
predictive models
Tent mapping
分类号
TN312 [电子电信—物理电子学]
在线阅读
下载PDF
职称材料
题名
基于ICEEMDAN-ICSSA-CKELM-TCCA的短期风电功率预测研究
2
作者
韦权
汤占军
贺建峰
机构
昆明理工大学信息工程与自动化学院
出处
《现代电子技术》
2023年第24期39-46,共8页
基金
国家自然科学基金资助项目:基于多模等变自适应卷积网络的PET/CT成像呼吸运动伪影校正研究(82160347)。
文摘
为了提高风电功率预测的准确性,基于信号分解、优化算法和误差修正,提出一种ICEEMDAN-ICSSA-CKELMTCCA的风电功率预测组合模型。首先采用改进的带自适应噪声的完全集成经验模式分解(ICEEMDAN)和样本熵原理,对原始功率序列进行分解和重构,得到更适合提取特征的新序列。然后,建立包含Poly核函数、RBF核函数的组合核极限学习机(CKELM)对新的序列进行初步预测,并利用融合了Tent混沌映射、动态惯性权重和自适应t变异策略的改进混沌麻雀搜索算法(ICSSA)对其参数进行优化,提升CKELM预测性能。最后将时间卷积网络(TCN)与高效通道注意力机制(ECA)组合搭建为TCCA模型,对初步预测结果进行修正。以中国云南省某风电场的数据为例进行多组实验,结果表明该模型针对风电功率具有较高的预测精度。
关键词
短期风电功率预测
自适应噪声的完全集成经验模式分解
混沌麻雀搜索算法
组合核极限学习机
样本熵
时间卷积网络
Keywords
short-term wind power forecasting
complete ensemble empirical mode decomposition with adaptive noise
chaotic sparrow search algorithm
combined kernel limit learning machine
sample entropy
time convolutional network
分类号
TN911.23-34 [电子电信—通信与信息系统]
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
作者
出处
发文年
被引量
操作
1
基于CSSA-LSTM的IGBT模块退化趋势预测
柳行青
赵国帅
韩素敏
《电子科技》
2024
1
在线阅读
下载PDF
职称材料
2
基于ICEEMDAN-ICSSA-CKELM-TCCA的短期风电功率预测研究
韦权
汤占军
贺建峰
《现代电子技术》
2023
0
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
