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
3
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CLD-COA-ELM的光伏阵列故障诊断方法研究
被引量：
5
1
作者
张健
赵咪
+1 位作者
黄毅
李景云
《太阳能学报》
北大核心
2025年第1期632-640,共9页
为提升光伏阵列故障诊断的准确率,提出一种基于改进长鼻浣熊优化算法优化极限学习机的光伏阵列故障诊断方法。首先,分析阵列中光伏组件在发生故障时的输出特性,选择合适的故障特征;其次,针对极限学习机在光伏阵列故障分类时初始权值和...
为提升光伏阵列故障诊断的准确率,提出一种基于改进长鼻浣熊优化算法优化极限学习机的光伏阵列故障诊断方法。首先,分析阵列中光伏组件在发生故障时的输出特性,选择合适的故障特征;其次,针对极限学习机在光伏阵列故障分类时初始权值和阈值的随机性问题,采用长鼻浣熊优化算法求解最优的初始权重和阈值;进一步地,针对长鼻浣熊算法初始参数的随机性和全局搜索能力的局限性问题,通过Circle混沌映射、莱维飞行和动态折射反向学习对该算法进行优化,提高寻优精度和速度;最后,结合光伏阵列故障实验数据,验证故障诊断模型的分类效果。结果表明,对于训练集和测试集数据,该诊断模型提高了故障分类精度,诊断率分别达到100%和98.33%,优于传统极限学习机、BP神经网络、支持向量机和卷积神经网络故障诊断的准确率。
展开更多
关键词
光伏组件
故障分析
特征选择
监督学习
极限学习机
改进
长鼻浣熊优化算法
在线阅读
下载PDF
职称材料
基于神经网络和稳健估计的风电机组状态监测
2
作者
岳子桐
李艳婷
赵宇
《中国机械工程》
北大核心
2025年第8期1842-1852,共11页
在风力发电机组的状态监测中,温度时序数据作为评估其运行是否稳定的关键指标,通常由数据采集与监视控制(SCADA)系统进行收集。提出了一种利用温度数据来实现更加稳健的风电机组状态监测的新方法。为了解决传统预测模型存在的收敛速度...
在风力发电机组的状态监测中,温度时序数据作为评估其运行是否稳定的关键指标,通常由数据采集与监视控制(SCADA)系统进行收集。提出了一种利用温度数据来实现更加稳健的风电机组状态监测的新方法。为了解决传统预测模型存在的收敛速度慢的问题,采用卷积神经网络(CNN)与双向门控循环单元(BiGRU)相结合的网络结构,并引入一种新颖的优化算法——长鼻浣熊优化算法(COA),以改善温度预测模型的训练效果。此外,考虑到实际操作环境中传统控制图存在较高的假警报率这一问题,提出了一种结合中位数估计(MED)与最小正则化加权协方差行列式估计(MRWCD)的策略,用于残差向量的稳健性监测。基于上述改进,建立了一个多元指数加权移动平均控制图。在华东地区某一风电场的应用案例表明,相较于传统的监测手段,所提方法能够显著减少误报的情况,并且在风电机组的状态监测过程中,可靠性与稳定性更高。
展开更多
关键词
风电机组状态监测
卷积神经网络-双向门控循环单元
长鼻浣熊优化算法
稳健检验统计量
在线阅读
下载PDF
职称材料
基于漏磁场和ICOA-ResNet的变压器绕组早期故障诊断
被引量：
20
3
作者
刘建锋
李志远
周亚茹
《电力系统保护与控制》
EI
CSCD
北大核心
2024年第9期99-110,共12页
针对变压器绕组变形、轻微匝间短路故障诊断准确率低的问题,提出一种变压器绕组早期故障诊断方法。首先,利用ANSYS仿真软件建立与实验变压器相关参数一致的有限元模型,分析变压器在绕组发生各种故障的漏磁场分布规律,并根据这些规律选...
针对变压器绕组变形、轻微匝间短路故障诊断准确率低的问题,提出一种变压器绕组早期故障诊断方法。首先,利用ANSYS仿真软件建立与实验变压器相关参数一致的有限元模型,分析变压器在绕组发生各种故障的漏磁场分布规律,并根据这些规律选取合适的故障特征以及光纤漏磁场传感器安装位置。然后,通过改进长鼻浣熊优化算法(improved coati optimization algorithm,ICOA)寻找残差神经网络(ResNet)的最优超参数,以此参数构建ICOA-ResNet模型,将所得故障特征量输入模型进行故障诊断。最后,通过仿真数据和动模实验验证所提出的变压器绕组早期故障诊断模型的可行性。所提模型与支持向量机等4种模型相比,在绕组早期故障诊断上有更高的准确率,表明所提方法对变压器绕组变形、匝间短路故障诊断的有效性。
展开更多
关键词
变压器早期故障诊断
绕组变形
漏磁场
长鼻浣熊优化算法
残差神经网络
超参数
优化
在线阅读
下载PDF
职称材料
题名
基于CLD-COA-ELM的光伏阵列故障诊断方法研究
被引量：
5
1
作者
张健
赵咪
黄毅
李景云
机构
石河子大学机械电气工程学院
新疆天富金阳新能源有限责任公司
出处
《太阳能学报》
北大核心
2025年第1期632-640,共9页
基金
国家自然科学基金(62363030)
石河子大学国际科技合作推进计划项目(GJHZ202108)。
文摘
为提升光伏阵列故障诊断的准确率,提出一种基于改进长鼻浣熊优化算法优化极限学习机的光伏阵列故障诊断方法。首先,分析阵列中光伏组件在发生故障时的输出特性,选择合适的故障特征;其次,针对极限学习机在光伏阵列故障分类时初始权值和阈值的随机性问题,采用长鼻浣熊优化算法求解最优的初始权重和阈值;进一步地,针对长鼻浣熊算法初始参数的随机性和全局搜索能力的局限性问题,通过Circle混沌映射、莱维飞行和动态折射反向学习对该算法进行优化,提高寻优精度和速度;最后,结合光伏阵列故障实验数据,验证故障诊断模型的分类效果。结果表明,对于训练集和测试集数据,该诊断模型提高了故障分类精度,诊断率分别达到100%和98.33%,优于传统极限学习机、BP神经网络、支持向量机和卷积神经网络故障诊断的准确率。
关键词
光伏组件
故障分析
特征选择
监督学习
极限学习机
改进
长鼻浣熊优化算法
Keywords
PV panels
failure analysis
feature selection
supervised learning
extreme learning machine
improved coati optimization algorithm
分类号
TM615 [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
基于神经网络和稳健估计的风电机组状态监测
2
作者
岳子桐
李艳婷
赵宇
机构
上海交通大学机械与动力工程学院
出处
《中国机械工程》
北大核心
2025年第8期1842-1852,共11页
基金
国家自然科学基金(72072114,72471139)。
文摘
在风力发电机组的状态监测中,温度时序数据作为评估其运行是否稳定的关键指标,通常由数据采集与监视控制(SCADA)系统进行收集。提出了一种利用温度数据来实现更加稳健的风电机组状态监测的新方法。为了解决传统预测模型存在的收敛速度慢的问题,采用卷积神经网络(CNN)与双向门控循环单元(BiGRU)相结合的网络结构,并引入一种新颖的优化算法——长鼻浣熊优化算法(COA),以改善温度预测模型的训练效果。此外,考虑到实际操作环境中传统控制图存在较高的假警报率这一问题,提出了一种结合中位数估计(MED)与最小正则化加权协方差行列式估计(MRWCD)的策略,用于残差向量的稳健性监测。基于上述改进,建立了一个多元指数加权移动平均控制图。在华东地区某一风电场的应用案例表明,相较于传统的监测手段,所提方法能够显著减少误报的情况,并且在风电机组的状态监测过程中,可靠性与稳定性更高。
关键词
风电机组状态监测
卷积神经网络-双向门控循环单元
长鼻浣熊优化算法
稳健检验统计量
Keywords
wind turbine condition monitoring
convolutional neural network-bidirectional gated re⁃current unit(CNN-BiGRU)
coati optimization algorithm(COA)
robust test statistics
分类号
TP277 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
基于漏磁场和ICOA-ResNet的变压器绕组早期故障诊断
被引量：
20
3
作者
刘建锋
李志远
周亚茹
机构
上海电力大学电气工程学院
出处
《电力系统保护与控制》
EI
CSCD
北大核心
2024年第9期99-110,共12页
基金
国家自然科学基金项目资助(51777119)。
文摘
针对变压器绕组变形、轻微匝间短路故障诊断准确率低的问题,提出一种变压器绕组早期故障诊断方法。首先,利用ANSYS仿真软件建立与实验变压器相关参数一致的有限元模型,分析变压器在绕组发生各种故障的漏磁场分布规律,并根据这些规律选取合适的故障特征以及光纤漏磁场传感器安装位置。然后,通过改进长鼻浣熊优化算法(improved coati optimization algorithm,ICOA)寻找残差神经网络(ResNet)的最优超参数,以此参数构建ICOA-ResNet模型,将所得故障特征量输入模型进行故障诊断。最后,通过仿真数据和动模实验验证所提出的变压器绕组早期故障诊断模型的可行性。所提模型与支持向量机等4种模型相比,在绕组早期故障诊断上有更高的准确率,表明所提方法对变压器绕组变形、匝间短路故障诊断的有效性。
关键词
变压器早期故障诊断
绕组变形
漏磁场
长鼻浣熊优化算法
残差神经网络
超参数
优化
Keywords
transformer early fault diagnosis
winding deformation
leakage magnetic field
coati optimization algorithm
residual networks
hyperparameter optimization
分类号
TM407 [电气工程—电器]
TP18 [自动化与计算机技术—控制理论与控制工程]
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CLD-COA-ELM的光伏阵列故障诊断方法研究
张健
赵咪
黄毅
李景云
《太阳能学报》
北大核心
2025
5
在线阅读
下载PDF
职称材料
2
基于神经网络和稳健估计的风电机组状态监测
岳子桐
李艳婷
赵宇
《中国机械工程》
北大核心
2025
0
在线阅读
下载PDF
职称材料
3
基于漏磁场和ICOA-ResNet的变压器绕组早期故障诊断
刘建锋
李志远
周亚茹
《电力系统保护与控制》
EI
CSCD
北大核心
2024
20
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
