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150篇文章
< 1 2 … 8 >
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：
一种添加部分自适应噪声的集成经验模态分解方法 被引量：1
1
作者 李昊 陈强 徐一雄 《南京理工大学学报》 CAS CSCD 北大核心 2024年第2期227-234,共8页
为了解决集成经验模态分解(EEMD)及其改进形式中普遍存在的噪声量和计算量需求大的问题,统计分析了白噪声内涵模态函数(IMF)的极值点和能量变化规律,总结出白噪声IMF极值点数随长度和阶数变化的经验公式。发现白噪声的高阶IMF不能有效... 为了解决集成经验模态分解(EEMD)及其改进形式中普遍存在的噪声量和计算量需求大的问题,统计分析了白噪声内涵模态函数(IMF)的极值点和能量变化规律,总结出白噪声IMF极值点数随长度和阶数变化的经验公式。发现白噪声的高阶IMF不能有效调整信号的极值点分布,提出添加部分自适应噪声的集成经验模态分解(EEMDPAN)。相比于自适应噪声完全集成经验模态分解(CEEMDAN),EEMDPAN有2点改进:不使用全部独立的自适应噪声,而使用成对相加为0的互补自适应噪声;不添加全部阶的自适应噪声,而是在中间的某一阶停止,而后使用经典EMD方法。对2个人工信号进行分解,实验证明,EEMDPAN很好地继承了EEMD抑制模态混叠的能力,相比于CEEMDAN,计算量降低至1/3,并且分解结果的低阶成分信号附加噪声更小,高阶成分信号可信度更高。 展开更多
关键词 自适应噪声 集成经验模态分解 白噪声 内涵模态函数 互补噪声 附加噪声 信号可信度
在线阅读 下载PDF
自适应噪声均值优选集成经验模态分解及其在滚动轴承故障诊断中的应用 被引量：7
2
作者 童靳于 苏缪涎 +3 位作者 郑近德 潘海洋 潘紫微 包家汉 《电子测量与仪器学报》 CSCD 北大核心 2021年第2期41-49,共9页
为了提高自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)的分解能力和分解精度,解决CEEMDAN方法中噪声残留等问题,提出了一种改进的CEEMDAN方法——自适应噪声均值优选集... 为了提高自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)的分解能力和分解精度,解决CEEMDAN方法中噪声残留等问题,提出了一种改进的CEEMDAN方法——自适应噪声均值优选集成经验模态分解(mean-optimized ensemble empirical mode decomposition with adaptive noise, MEEMDAN)。MEEMDAN在迭代筛分过程中引入不同的权重,以正交性指标最小为依据,从不同权重下的分解结果中选取最优模态函数(IMF),确保了每一阶的IMF分量都是整体最优。通过仿真分析验证了MEEMDAN方法在分解能力和分解精度方面优于CEEMDAN方法。同时,将MEEMDAN和最大相关峭度反褶积相结合,并应用于滚动轴承仿真数据和实测数据分析,结果表明,与现有方法相比,所提方法能够更为准确地提取出故障特征频率,且在分解能力和抑制干扰频率方面更具有优越性。 展开更多
关键词 自适应噪声完整集成经验模态分解 经验模态分解 最大相关峭度反褶积 滚动轴承 故障诊断
在线阅读 下载PDF
基于自适应噪声完备经验模态分解−样本熵−长短期记忆神经网络和核密度估计的短期电力负荷区间预测 被引量：23
3
作者 赵会茹 张士营 +2 位作者 赵一航 刘红雨 邱宝红 《现代电力》 北大核心 2021年第2期138-146,共9页
短期电力负荷具有较强的随机性和波动性,其预测的准确性对于提升供电可靠性、电力系统运行经济性至关重要。针对传统确定性预测不能反映未来负荷波动的弊端,基于“点预测+区间估计”的思路提出了一种短期负荷区间预测方法。首先基于自... 短期电力负荷具有较强的随机性和波动性,其预测的准确性对于提升供电可靠性、电力系统运行经济性至关重要。针对传统确定性预测不能反映未来负荷波动的弊端,基于“点预测+区间估计”的思路提出了一种短期负荷区间预测方法。首先基于自适应噪声完备经验模态分解方法将负荷序列分解为多个模态分量,并根据不同序列样本熵的计算结果将序列进行重构以降低运算量。在此基础上,针对每一个分量分别构建长短期记忆神经网络预测模型,得到未来负荷点预测值。基于此利用核密度估计方法对预测误差的分布进行估计,进而结合点预测结果实现未来短期负荷的区间预测。通过将此模型与其他模型进行对比,结果表明此模型能够实现更低的点预测误差,同时在区间预测中也表现出更好的综合性能。 展开更多
关键词 短期负荷预测 自适应噪声完备经验模态分解 长短期记忆神经网络 核密度估计
在线阅读 下载PDF
采用样本熵自适应噪声完备经验模态分解的脑电信号眼电伪迹去除算法 被引量：17
4
作者 杨磊 杨帆 何艳 《西安交通大学学报》 EI CAS CSCD 北大核心 2020年第8期177-184,共8页
针对脑电(EEG)信号容易被眼电(EOG)伪迹污染,而常规伪迹去除算法会导致EEG有用信息大量丢失的问题,提出一种采用样本熵完备经验模态分解的EOG伪迹去除算法。首先,利用独立成分分析(ICA)算法将EEG分解为独立分量;然后,对各独立分量进行... 针对脑电(EEG)信号容易被眼电(EOG)伪迹污染,而常规伪迹去除算法会导致EEG有用信息大量丢失的问题,提出一种采用样本熵完备经验模态分解的EOG伪迹去除算法。首先,利用独立成分分析(ICA)算法将EEG分解为独立分量;然后,对各独立分量进行样本熵分析,接着引入阈值对伪迹分量进行自动识别,识别后的伪迹分量经过自适应噪声完备经验模态分解(CEEMDAN)算法分解后采用小波阈值降噪;最后采用逆CEEMDAN和逆ICA算法重构信号,达到伪迹去除的目的。采用公开的BCI2000运动想象数据集中60组数据进行实验,结果表明,所提算法的EOG伪迹自动识别正确率达80%,比基于峰度的伪迹识别算法提高约26.7%;采用公开的Klados EEG数据集中15组数据进行实验,结果表明,重构后的EEG信号与纯净的EEG信号的相关系数为0.841,均方根误差较受污染信号降低约56.82%。实验结果证明了所提算法在提高伪迹去除能力的同时能够有效保留有用脑电信息。 展开更多
关键词 脑电图 眼电伪迹 独立成分分析 自适应噪声完备经验模态分解 小波
在线阅读 下载PDF
集成经验模态分解与深度学习的用户侧净负荷预测算法 被引量：50
5
作者 刘友波 吴浩 +3 位作者 刘挺坚 杨智宇 刘俊勇 李秋航 《电力系统自动化》 EI CSCD 北大核心 2021年第24期57-64,共8页
随着用户侧分布式能源发电容量增长,配电网净负荷需求预测面临着更大困难。为此,提出一种改进的自适应噪声的完全集成经验模态分解(CEEMDAN)和深度信念网络(DBN)结合的用户侧净负荷预测方法。首先,通过CEEMDAN将原始净负荷数据分解为若... 随着用户侧分布式能源发电容量增长,配电网净负荷需求预测面临着更大困难。为此,提出一种改进的自适应噪声的完全集成经验模态分解(CEEMDAN)和深度信念网络(DBN)结合的用户侧净负荷预测方法。首先,通过CEEMDAN将原始净负荷数据分解为若干个频率、幅值不一的本征模态函数(IMF)。然后,配合机器学习智能算法,使用DBN逐一对各个IMF分量进行特征提取和时序预测。最后,将多个目标预测结果累加得到最终用户侧短期净负荷预测结果。采用某地区实际数据进行算例分析,验证了所提CEEMDAN-DBN独立预测模型与直接预测相比,能够辨识各频率负荷分量特性,提高分布式能源与负荷耦合性增强背景下的负荷预测精度。 展开更多
关键词 净负荷预测 自适应噪声的完全集成经验模态分解 深度信念网络 时序预测
在线阅读 下载PDF
基于模态分解和RIME-CNN-BiLSTM-AM的风速预测方法
6
作者 朱婷 颜七笙 《科学技术与工程》 北大核心 2025年第20期8514-8525,共12页
作为一种清洁的可再生能源,风能在缓解日益严重的能源危机方面充当着重要作用。然而,风速的波动性和随机性给电力系统的稳定运行带来了严峻的挑战。针对该问题,提出一种基于自适应噪声完备集合经验模态分解(complete ensemble empirical... 作为一种清洁的可再生能源,风能在缓解日益严重的能源危机方面充当着重要作用。然而,风速的波动性和随机性给电力系统的稳定运行带来了严峻的挑战。针对该问题,提出一种基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)与霜冰优化算法(rime optimization algorithm,RIME)-卷积神经网络(convolutional neural network,CNN)-双向长短期记忆网络(bidirectional long short-term memory network,BiLSTM)-注意力机制(attention mechanism,AM)的短期风速预测组合模型CEEMDAN-RIME-CNN-BiLSTM-AM。首先,对初始风速序列采用CEEMDAN算法,得到一系列较平稳的子模态,以降低风速序列的波动性;然后,采用RIME霜冰优化算法优化CNN超参数,建立CNN-RIME模型,对风速数据进行自适应提取和挖掘;接着,采用BiLSTM-AM模型对处理后的数据进行预测;最后,将各子序列的预测结果叠加,得到最终预测结果。以某地实际风速数据集进行对比试验,该模型在单步与多步预测中均展现出良好的预测性能,可以为制定调度计划提供参考,以最大程度地提高能源利用率和供电。 展开更多
关键词 风速预测 自适应噪声完备集合经验模态分解(CEEMDAN) 霜冰优化算法(RIME) 卷积神经网络(CNN) 双向长短期记忆网络(BiLSTM) 注意力机制(AM)
在线阅读 下载PDF
基于注意力时间卷积网络的农产品期货分解集成预测 被引量：3
7
作者 张大斌 黄均杰 +1 位作者 凌立文 林锐斌 《南京信息工程大学学报》 CAS 北大核心 2024年第3期311-320,共10页
针对农产品期货时间序列数据受多方面因素影响,非线性、非平稳数据特征难以提取而导致预测准确性不高的问题,基于“分解-集成”的预测思想,本文提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与Transformer-Encoder-TCN的农产品期货... 针对农产品期货时间序列数据受多方面因素影响,非线性、非平稳数据特征难以提取而导致预测准确性不高的问题,基于“分解-集成”的预测思想,本文提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与Transformer-Encoder-TCN的农产品期货预测方法.首先,使用CEEMDAN将时间序列分解为多尺度多频率的本征模态分量(IMF)与残差,降低了序列建模复杂度;其次,使用融合多阶段自注意力单元Transformer-Encoder的时间卷积网络(TCN)对各个分量子序列进行特征提取与预测,优化了序列显著特征建模权重;最后,将各个子序列预测值线性相加集成得到最终预测结果.以南华期货公司农产品指数中的大豆期货指数为研究对象,采用时序交叉验证与参数迁移的方式进行模型重训练,消融和对比实验结果表明,提出的新模型在RMSE、MAE和DS三个评价指标上具有良好的效果,验证了该模型对农产品期货预测的有效性. 展开更多
关键词 农产品期货 自适应噪声完备经验模态分解 自注意力机制 Transformer-Encoder 时间卷积网络
在线阅读 下载PDF
基于密度聚类模态分解的卷积神经网络和长短期记忆网络短期风电功率预测 被引量：3
8
作者 崔明勇 董文韬 卢志刚 《现代电力》 北大核心 2024年第4期631-641,共11页
近年来,随着碳达峰和碳中和“双碳”战略目标的提出,风力发电已成为可再生能源发电的关键部分。为提高风电功率短期预测的准确度,提出基于密度聚类与自适应噪声完备集成经验模态分解(complete ensemble empirical mode decomposition wi... 近年来,随着碳达峰和碳中和“双碳”战略目标的提出,风力发电已成为可再生能源发电的关键部分。为提高风电功率短期预测的准确度,提出基于密度聚类与自适应噪声完备集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和卷积神经网络与长短期记忆网络结合的短期风电功率预测方法。首先,利用密度聚类将风电功率与天气特征分成不同类别的数据集,通过自适应噪声完备集成经验模态分解算法将不同类别的数据进行频域分解得到子序列分量。以此为基础,将不同的子序列分量与天气特征进行特征选择,输入到卷积神经网络与长短期记忆网络的预测模型。最后,将不同的预测结果进行叠加得到最终的预测结果。整个预测过程通过聚类、分解和特征选择,有效提高了短期风电功率预测的准确度。 展开更多
关键词 风电功率预测 密度聚类 自适应噪声完备集成经验模态分解 卷积神经网络 长短期记忆网络
在线阅读 下载PDF
基于ICEEMDAN和分布熵的SS-Y伸缩仪信号随机噪声压制方法 被引量：3
9
作者 吴林斌 《大地测量与地球动力学》 CSCD 北大核心 2024年第4期429-435,共7页
结合改进的自适应噪声完备集合经验模态分解(ICEEMDAN)与分布熵(DistEn),提出一种无需自定义算法参数、去噪效果较好的伸缩仪信号随机噪声压制方法。首先将伸缩仪信号进行ICEEMDAN处理,得到若干个本征模态函数(IMF);然后计算各IMF分量... 结合改进的自适应噪声完备集合经验模态分解(ICEEMDAN)与分布熵(DistEn),提出一种无需自定义算法参数、去噪效果较好的伸缩仪信号随机噪声压制方法。首先将伸缩仪信号进行ICEEMDAN处理,得到若干个本征模态函数(IMF);然后计算各IMF分量的分布熵值,根据不同分布熵值的大小和表征的分量信号混乱程度,有针对性地对各IMF进行取舍;最后进行线性重构。设计仿真信号去噪实验和SS-Y伸缩仪信号去噪实验,结果表明,基于ICEEMDAN-DistEn去噪模型的伸缩仪信号重构还原度较好,去噪效果显著,明显优于CEEMDAN-DistEn、小波去噪和卡尔曼滤波等去噪模型。 展开更多
关键词 SS-Y伸缩仪 随机噪声压制 改进的自适应噪声完备集合经验模态分解 分布熵 信噪比
在线阅读 下载PDF
融合二次分解的深度学习模型在PM_(2.5)浓度预测中的应用 被引量：2
10
作者 江雨燕 黄体臣 +1 位作者 甘如美江 王付宇 《安全与环境学报》 北大核心 2025年第1期296-309,共14页
针对PM_(2.5)质量浓度时间序列呈非线性难以预测的特征,为了进一步提高PM_(2.5)质量浓度预测精确度,研究通过“分而治之”先分解再预测的思想,提出一种融合二次分解的PM_(2.5)质量浓度混合预测模型(Complete Ensemble Empirical Mode De... 针对PM_(2.5)质量浓度时间序列呈非线性难以预测的特征,为了进一步提高PM_(2.5)质量浓度预测精确度,研究通过“分而治之”先分解再预测的思想,提出一种融合二次分解的PM_(2.5)质量浓度混合预测模型(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise-Variational Mode Decomposition-Temporal Convolutional Network-Bi-directional Long Short-Term Memory,CEEMDAN-VMD-TCN-BiLSTM)。该模型先由递归特征消除(Recursive Feature Elimination,RFE)进行特征筛选,随后使用自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)将2013—2016年北京市PM_(2.5)质量浓度序列分解为一系列高低频模态分量并计算各分量样本熵,将样本熵由K-means聚类整合为新的分量,再由变分模态分解(Variational Mode Decomposition,VMD)方法进行二次分解。最后,将所有分量先经时间卷积网络(Temporal Convolutional Network,TCN)进行特征提取,并通过双向长短期记忆网络(Bi-directional Long Short-Term Memory,BiLSTM)预测,叠加各分量预测值即为最终预测结果。消融试验结果显示,该模型相比于单次CEEMDAN分解模型均方根误差E_(MAPE)降低19.312%,绝对误差E_(MAE)降低34.423%,百分比误差E_(MAPE)与希尔不等系数E_(TIC)分别减少40.465百分点和59.794%。由此可见,研究在引入VMD构成二次分解模型相比于单次分解模型的预测误差更小,精度更高,可为决策者在PM_(2.5)质量浓度预测与治理等工作提供一定参考。 展开更多
关键词 环境工程学 PM_(2.5)质量浓度预测 自适应噪声的完备经验模态分解 变分模态分解 时间卷积网络 双向长短期记忆网络
在线阅读 下载PDF
基于ICEEMDAN分解重构的BiLSTM-KELM短期电力负荷预测 被引量：3
11
作者 王晨 李又轩 +2 位作者 王淑侠 邬蓉蓉 吴其琦 《科学技术与工程》 北大核心 2024年第32期13836-13843,共8页
短期电力负荷预测在维持电力系统稳定运行、优化资源配置中发挥着至关重要的作用。针对电力负荷数据的复杂性和随机性以及现有预测模型的低精度问题,提出了一种新型的短期电力负荷预测模型。该模型包括改进的自适应噪声完备集经验模态分... 短期电力负荷预测在维持电力系统稳定运行、优化资源配置中发挥着至关重要的作用。针对电力负荷数据的复杂性和随机性以及现有预测模型的低精度问题,提出了一种新型的短期电力负荷预测模型。该模型包括改进的自适应噪声完备集经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)和排列熵(permutation entropy,PE)重构部分,以及双向长短期记忆神经网络(bidirectional long short-term memory,BiLSTM)与核极限学习(kernel extreme learning machine,KELM)预测部分。首先,使用ICEEMDAN将复杂的负荷数据分解成n个相对平稳的子序列,从而降低数据的随机性,并引入排列熵来计算每个子序列的PE值来进行重构,有效减小了模型的计算规模。其次,采用BiLSTM模型来挖掘数据之间的内在联系,对各个重构序列进行学习和预测。最后,利用KELM对重构序列的预测值进行非线性拟合,进一步提高预测精度。实验结果表明:ICEEMDAN-PE-BiLSTM-KELM模型比传统长短期记忆神经网络(long short-term memory,LSTM)模型的均方根误差(root mean square error,RMSE)降低了106.05 MW,平均绝对误差(mean absolute error,MAE)降低了62.34 MW,平均绝对百分比误差(mean absolute percentage error,MAPE)降低了0.877%,可见该模型能够更好地解决数据的复杂性和随机性,同时提高预测精度。 展开更多
关键词 短期电力负荷预测 改进的自适应噪声完备集经验模态分解(iceemdan) 排列熵(PE) 双向长短期记忆神经网络(BiLSTM) 核极限学习(KELM)
在线阅读 下载PDF
基于二次分解与MAML-MHA-DELM的电力行业碳排放预测模型研究
12
作者 张新生 张红文 聂达文 《安全与环境学报》 北大核心 2025年第9期3386-3399,共14页
为了有效预测电力行业碳排放趋势,解决在碳排放预测中遇到的非线性、复杂性等问题,研究提出了一种新型电力行业碳排放预测模型。该模型基于二次分解方法,结合自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decompos... 为了有效预测电力行业碳排放趋势,解决在碳排放预测中遇到的非线性、复杂性等问题,研究提出了一种新型电力行业碳排放预测模型。该模型基于二次分解方法,结合自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)与变分模态分解(Variational Mode Decomposition,VMD),以处理数据的非线性和复杂性。此外,采用模型无关元学习(Model-Agnostic Meta-Learning,MAML)优化结合多头注意力机制(Multi-Head Attention,MHA)增强特征提取的分布式极限学习机(Distributed Extreme Learning Machine,DELM)构建预测框架,以提高模型的准确性和泛化性能。首先,根据政府间气候变化专门委员会(The Intergovernmental Panel on Climate Change,IPCC)中方法计算电力行业化石燃料在1991—2022年的碳排放情况;其次,采用广义灰色关联分析(Grey Relation Analysis,GRA)与皮尔逊相关系数(Pearson Correlation Coefficient,Pearson)对影响因素进行筛选,并筛选出一次能源生产总量、城镇化率和电力行业固定投资等11个相关性影响因素;再次,使用CEEMDAN-VMD二次分解将因变量电力行业碳排放量分解成4个多频模态,并将4个模态分别代入经MAML-MHA算法优化的DELM模型进行预测;最后,将各分解序列的预测值进行逆归一化相加,即可得到电力行业碳排放预测值,并进行消融试验。结果显示,CEEMDAN-VMD-MAML-MHA-DELM模型性能最优,其均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)及决定系数(R^(2))分别为0.3494万t、0.3763万t、0.8383%和0.9893。这表明该模型在电力行业碳排放预测方面效果显著,能为电力行业低碳发展提供一定参考。 展开更多
关键词 环境工程学 自适应噪声完备集合经验模态分解 变分模态分解 分布式极限学习机
在线阅读 下载PDF
基于ICEEMDAN分解与SE重构和DBO-LSTM的滑坡位移预测 被引量：4
13
作者 封青青 李丽敏 +2 位作者 陈飞阳 张碧涵 余兵 《电子测量技术》 北大核心 2024年第7期80-87,共8页
滑坡位移预测是防灾减灾的一项重要工作,针对位移分解后趋势项和周期项重构的合理性问题以及周期项位移预测精度不高的问题,提出了一种改进的自适应噪声完备集合经验模态分解(ICEEMDAN)、样本熵(SE)以及蜣螂算法(DBO)优化的长短期记忆网... 滑坡位移预测是防灾减灾的一项重要工作,针对位移分解后趋势项和周期项重构的合理性问题以及周期项位移预测精度不高的问题,提出了一种改进的自适应噪声完备集合经验模态分解(ICEEMDAN)、样本熵(SE)以及蜣螂算法(DBO)优化的长短期记忆网络(LSTM)组合模型进行位移预测。以八字门滑坡为研究对象,利用ICEEMDAN方法将滑坡累计位移进行分解,并用样本熵值表征分解得到的子序列,将其重构为趋势项和周期项位移。之后利用LSTM模型预测趋势项和周期项位移;通过灰色关联度的方法确定周期项位移的影响因素。考虑到LSTM网络中超参数的随机性会影响模型预测精度,引入蜣螂优化算法获取LSTM最优超参数,最终将预测得到的趋势项和周期项位移叠加得到累计位移。本文所提的ICEEMDAN-SE-DBO-LSTM模型预测周期项位移的RMSE、MAE、R23项指标分别为1.803 mm、1.584 mm、0.988,相较于DBO-BP,LSTM,GRU和BP模型预测效果更优,证明了模型的有效性。 展开更多
关键词 滑坡位移 改进的自适应噪声完备集合经验模态分解 样本熵 蜣螂优化算法
在线阅读 下载PDF
基于ICEEMDAN的微电网混合储能容量配置 被引量：2
14
作者 刘旭民 张彦 刘晓波 《南方电网技术》 北大核心 2025年第1期140-149,共10页
针对改进自适应噪声完备集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)的微电网混合储能系统(hybrid energy storage system,HESS)容量优化配置方法,以解决并网型微电网中... 针对改进自适应噪声完备集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)的微电网混合储能系统(hybrid energy storage system,HESS)容量优化配置方法,以解决并网型微电网中可再生能源出力和用电负荷波动导致的联络线功率波动问题。该方法通过对微电网中不平衡功率进行功率信号分解,并分析确定高频分量和低频分量,实现功率信号重构。针对不同储能系统技术特点,采用钠硫电池平抑低频分量,采用超级电容平抑高频分量。然后,通过建立以储能初始投资和维护成本最小为目标的HESS容量优化配置模型,利用商业求解器GUROBI求解混合储能配置方案。基于某并网型微电网进行算例分析,结果表明配置HESS能有效平抑微电网联络线功率波动,且该方法具有较好的经济性。算例分析结果验证了所提方法的有效性和可行性。 展开更多
关键词 改进自适应噪声完备集合经验模态分解(iceemdan) 微电网 混合储能 容量优化配置 GUROBI
在线阅读 下载PDF
基于ICEEMDAN-SST的定点形变信号去噪:以宜昌地震台为例
15
作者 冷崇标 张辉 +1 位作者 康波 霍玉龙 《科学技术与工程》 北大核心 2025年第25期10579-10585,共7页
定点形变仪器观测精度高,易受仪器工作状态以及外部环境变化影响而产生噪声,这些噪声的存在不利于地震信息的提取。为了消除定点形变信号中的噪声,提出了一种结合改进的自适应噪声完备集合经验模态分解(improved complete ensemble empi... 定点形变仪器观测精度高,易受仪器工作状态以及外部环境变化影响而产生噪声,这些噪声的存在不利于地震信息的提取。为了消除定点形变信号中的噪声,提出了一种结合改进的自适应噪声完备集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)和同步压缩变换(synchrosqueezing transform,SST)的去噪模型。该模型通过对含噪声的信号进行ICEEMDAN分解获得若干固有模态函数(intrinsic mode function,IMF)分量;然后计算各分量的样本熵(sample entropy,SE),并结合方差贡献率、相关系数,划分出有效分量、含噪声分量;最后,利用SST对含噪声分量进行去噪,并与有效分量重构,获得去噪后的纯净信号。通过仿真实验以及宜昌地震台不同类型实测信号分析表明,ICEEMDAN-SST模型能有效地区分含噪声分量、有效分量,去噪后的信号还原度较高,固体潮形态清晰,去噪效果优于S-G(Savitzky-Golay)滤波、卡尔曼滤波、小波去噪等传统方法,适用于多种定点形变仪器的不同类型噪声的压制。ICEEMDAN-SST模型的提出对于定点形变仪器地震信息的提取有着重要意义,有助于这类观测仪器在地震分析预报中发挥更大的作用。 展开更多
关键词 样本熵 改进的自适应噪声完备集合经验模态分解 同步压缩变换 定点形变 去噪
在线阅读 下载PDF
基于改进经验模态分解和支持向量机的短期风速组合预测 被引量：8
16
作者 韩世浩 孙树敏 +4 位作者 程艳 王士柏 吕志超 赵志澎 邵泰衡 《科学技术与工程》 北大核心 2019年第36期172-178,共7页
为更精确地进行风速预测,提出一种利用带自适应噪声的完全集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)方法和蝙蝠算法(bat algorithm,BA)优化支持向量机(support vector machine,S... 为更精确地进行风速预测,提出一种利用带自适应噪声的完全集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)方法和蝙蝠算法(bat algorithm,BA)优化支持向量机(support vector machine,SVM)的组合短期风速预测方法。首先用CEEMDAN对原始风速时间序列进行分解,得到一系列不同频率的子序列;其次,使用BA-SVM组合模型预测对分解后的各个子序列分别进行预测;最后,将各子序列的预测结果叠加得到风速预测值。仿真结果表明,该模型提高了预测精度,减小了误差。 展开更多
关键词 风速预测 带自适应噪声的完全集成经验模态分解(CEEMDAN) 蝙蝠算法 支持向量机 组合模型
在线阅读 下载PDF
基于CEEMDAN与小波阈值自适应协同滤波的干气密封声发射信号降噪方法
17
作者 刘晓金 《流体机械》 北大核心 2025年第5期110-118,共9页
针对干气密封声发射信号易受背景噪声干扰的特点,提出了一种基于自适应噪声完备经验模态分解(CEEMDAN)与小波阈值自适应协同滤波的干气密封声发射信号降噪方法。采用CEEMDAN对干气密封声发射信号进行分解,得到一系列本征模态函数(IMF)分... 针对干气密封声发射信号易受背景噪声干扰的特点,提出了一种基于自适应噪声完备经验模态分解(CEEMDAN)与小波阈值自适应协同滤波的干气密封声发射信号降噪方法。采用CEEMDAN对干气密封声发射信号进行分解,得到一系列本征模态函数(IMF)分量;根据含噪声较高的IMF分量关联性较弱的特点,通过构建自相关衰减指标,实现对含噪IMF分量的自动筛选;使用小波阈值去噪处理含噪分量,并与剩余分量重构,得到降噪后的信号。使用仿真信号和试验采集真实干气密封声发射信号进行验证,结果表明,与常规小波阈值降噪方法相比,信噪比(RSN)平均提升4.91 dB,均方根误差(ERMS)平均降低44%;与未使用自相关衰减指标筛选IMF分量的方法相比,RSN平均提升了0.45 dB,ERMS平均降低了4.8%;实采干气密封声发射信号降噪后频谱的峰值特征频率更为清晰,去除背景噪声效果显著。研究可为干气密封故障预测与健康管理技术提供支撑。 展开更多
关键词 干气密封 声发射信号降噪 自适应噪声完备经验模态分解 小波阈值降噪 自适应协同滤波
在线阅读 下载PDF
低信噪比下基于ICEEMDAN和HHO的协作频谱感知方法
18
作者 王全全 谢松霖 +2 位作者 顾志豪 吴城坤 张更新 《系统工程与电子技术》 北大核心 2025年第9期3109-3116,共8页
为解决频谱感知在低信噪比下性能受限的问题,提出了一种基于改进的自适应噪声完备集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)和哈里斯鹰优化(Harris hawks optimization... 为解决频谱感知在低信噪比下性能受限的问题,提出了一种基于改进的自适应噪声完备集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)和哈里斯鹰优化(Harris hawks optimization,HHO)的协作频谱感知方法。首先为获得固有模态函数(intrinsic mode function,IMF)分量,对次用户上传信号进行ICEEMDAN处理,其次计算已知波形的主用户(primary user,PU)信号与各IMF分量之间的相关系数,然后提取合适的IMF分量累加得到重构信号。接着用重构信号的平均能量值作为特征值训练支持向量机(support vector machine,SVM),并通过HHO优化SVM参数,最后用优化后的SVM模型对PU是否存在进行检测。实验结果表明,所提方法在低信噪比下检测概率、检测准确率均较高,感知性能较好。 展开更多
关键词 协作频谱感知 改进的自适应噪声完备集合经验模态分解 降噪 哈里斯鹰优化 支持向量机
在线阅读 下载PDF
基于参数优化的ICEEMDAN滚动轴承故障诊断
19
作者 李雨晴 马洁 《机床与液压》 北大核心 2025年第6期21-27,共7页
滚动轴承长期处于噪声污染的工作环境中,其故障诊断常受到噪声干扰,难以对故障特征信息进行有效提取。针对此问题,提出基于冠豪猪优化算法(CPO)的改进自适应噪声完备经验模式分解(ICEEMDAN)联合卷积神经网络(CNN)的故障诊断方法。通过CP... 滚动轴承长期处于噪声污染的工作环境中,其故障诊断常受到噪声干扰,难以对故障特征信息进行有效提取。针对此问题,提出基于冠豪猪优化算法(CPO)的改进自适应噪声完备经验模式分解(ICEEMDAN)联合卷积神经网络(CNN)的故障诊断方法。通过CPO对ICEEMDAN的白噪声幅值权重及噪声添加次数进行参数寻优,将最优参数返回并进行信号分解,以最小包络熵作为相关度函数,筛选出相关程度高的特征模态分量(IMF);将重构的有效特征分量IMF转化为特征向量并输入到CNN模型中,从而实现轴承的故障诊断。与已有模型进行对比,结果表明:该方法具有较强的泛化能力,诊断精度明显优于现有方法,并且具有更高的诊断效率。 展开更多
关键词 故障诊断 冠豪猪优化算法(CPO) 改进自适应噪声完备经验模式分解(iceemdan) 卷积神经网络(CNN)
在线阅读 下载PDF
基于Transformer和ARMA双数据驱动模型的抽水蓄能机组劣化趋势集成预测
20
作者 钟子威 祝令凯 +3 位作者 郭俊山 郑威 巩志强 商攀峰 《水电能源科学》 北大核心 2025年第3期191-195,共5页
为更精准地预测抽水蓄能机组劣化趋势,提出了一种基于Transformer和自回归滑动平均(ARMA)双数据驱动模型的抽水蓄能机组劣化趋势集成预测方法。该方法先利用完全自适应噪声集成经验模态分解对CatBoost模型构建的劣化序列进行分解,再根... 为更精准地预测抽水蓄能机组劣化趋势,提出了一种基于Transformer和自回归滑动平均(ARMA)双数据驱动模型的抽水蓄能机组劣化趋势集成预测方法。该方法先利用完全自适应噪声集成经验模态分解对CatBoost模型构建的劣化序列进行分解,再根据分解所得分量的不同时间尺度特性,利用Transformer模型对非线性分量进行预测,利用ARMA模型对线性分量进行预测,最后将预测值叠加得到最终预测结果。利用某抽水蓄能机组监测数据进行试验,结果表明,所提方法具有较好的预测性能,能够有效提高抽水蓄能机组劣化趋势预测准确性。 展开更多
关键词 劣化趋势预测 完全自适应噪声集成经验模态分解 TRANSFORMER 自回归滑动平均
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 … 8 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