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TimeGAN-Stacking的风电机组变桨系统故障诊断方法
被引量：
2
1
作者
潘美琪
贺兴
《太阳能学报》
北大核心
2025年第1期192-200,共9页
风电机组变桨系统的少量不均衡故障样本难以训练基于数据驱动的故障诊断模型,导致监测系统常常漏报或误报故障。针对上述问题,提出一种基于TimeGAN-Stacking的风电机组变桨系统故障诊断方法。在数据层面,由于原始样本类别不平衡,基于时...
风电机组变桨系统的少量不均衡故障样本难以训练基于数据驱动的故障诊断模型,导致监测系统常常漏报或误报故障。针对上述问题,提出一种基于TimeGAN-Stacking的风电机组变桨系统故障诊断方法。在数据层面,由于原始样本类别不平衡,基于时序生成对抗网络(TimeGAN)跟踪风电机组运行数据逐步概率分布的动态变化特征,同时优化生成样本的全局分布与局部分布,有效平衡且扩容风电机组多种故障综合样本集;在模型层面,建立Stacking集成模型,融合多个故障诊断器的优势,进一步提高故障诊断能力。最后,基于实际风场数据对所提方法进行测试,结果表明,所提出的TimeGAN-Stacking故障识别方法可有效诊断4种变桨故障。
展开更多
关键词
风电机组
数据挖掘
故障分析
深度学习
时序生成对抗网络
样本增强
在线阅读
下载PDF
职称材料
基于MDTimeGAN的序列数据生成方法
被引量：
1
2
作者
朱春强
刘彬
朱莉
《计算机工程》
CAS
CSCD
北大核心
2024年第11期59-69,共11页
非侵入式负荷分解是能源管理领域的一个热门研究课题,其在各种工业和商业场景中都得到广泛应用。针对负荷分解数据集中存在的样本不平衡问题,提出一种基于多判别器时间序列生成对抗网络(MDTimeGAN)的序列数据生成方法。通过对原始序列...
非侵入式负荷分解是能源管理领域的一个热门研究课题,其在各种工业和商业场景中都得到广泛应用。针对负荷分解数据集中存在的样本不平衡问题,提出一种基于多判别器时间序列生成对抗网络(MDTimeGAN)的序列数据生成方法。通过对原始序列提取时域、频域、时频域以及自相关特征,并在TimeGAN模型基础上采用4种不同的判别器对时间序列的多维度特征进行判别,从而提高对原始数据的判别能力,提升数据质量。在3种公开数据集上进行横向和纵向对比实验,结果表明,与对比模型相比,MDTimeGAN模型生成的数据能够更好地覆盖原始数据的分布,在数据分布方面保持良好的性能,生成数据符合时间序列数据的特点。
展开更多
关键词
非侵入式负荷分解
时间序列生成对抗网络
时间序列生成
KS检验
Wassertein距离
在线阅读
下载PDF
职称材料
基于配电网PMU的无监督电力系统扰动特征提取与分类
被引量：
3
3
作者
陈徵粼
刘灏
毕天姝
《中国电机工程学报》
EI
CSCD
北大核心
2024年第15期5858-5870,I0002,共14页
为应对大量分布式新能源接入给电网运行控制带来的挑战,同步相量测量技术被引入配电网。然而,配电网PMU数据量巨大且缺乏标签信息,如何合理利用海量无标签数据识别扰动为电网运行控制提供数据支撑是亟需解决的问题。针对该问题,该文提...
为应对大量分布式新能源接入给电网运行控制带来的挑战,同步相量测量技术被引入配电网。然而,配电网PMU数据量巨大且缺乏标签信息,如何合理利用海量无标签数据识别扰动为电网运行控制提供数据支撑是亟需解决的问题。针对该问题,该文提出一种长短时序生成对抗网络无监督特征提取框架(long-short-term time generative adversarial network,LST-TimeGAN)。该方法在传统时序对抗生成网络(time-series generative adversarial networks,TimeGAN)架构上,提出一种基于最小二乘决策损失函数的改进框架,使所提取特征能够反应数据异常程度并为分类提供可靠依据。同时,提出一种基于注意力机制的特征提取单元,提高了空间特征提取效率;进一步,建立长短时三窗并行框架,以对不同时间尺度的扰动特征具备敏感性;最后,以一种预分类、再识别的分类策略完成扰动识别。仿真和现场数据验证表明,该方法可实现无标签、少标签情形下的准确扰动识别;且该方法提取的特征不但能对输电网扰动进行识别,还能对本地电能质量扰动进行识别。
展开更多
关键词
同步相量测量
扰动识别
无监督
特征提取
时间序列生成对抗网络
在线阅读
下载PDF
职称材料
题名
基于TimeGAN-Stacking的风电机组变桨系统故障诊断方法
被引量：
2
1
作者
潘美琪
贺兴
机构
上海交通大学国家电投智慧能源创新学院
上海交通大学电力传输与功率变换控制教育部重点实验室
出处
《太阳能学报》
北大核心
2025年第1期192-200,共9页
基金
国家自然科学基金(52277111)
上海市科学技术委员会(21DZ1208300)。
文摘
风电机组变桨系统的少量不均衡故障样本难以训练基于数据驱动的故障诊断模型,导致监测系统常常漏报或误报故障。针对上述问题,提出一种基于TimeGAN-Stacking的风电机组变桨系统故障诊断方法。在数据层面,由于原始样本类别不平衡,基于时序生成对抗网络(TimeGAN)跟踪风电机组运行数据逐步概率分布的动态变化特征,同时优化生成样本的全局分布与局部分布,有效平衡且扩容风电机组多种故障综合样本集;在模型层面,建立Stacking集成模型,融合多个故障诊断器的优势,进一步提高故障诊断能力。最后,基于实际风场数据对所提方法进行测试,结果表明,所提出的TimeGAN-Stacking故障识别方法可有效诊断4种变桨故障。
关键词
风电机组
数据挖掘
故障分析
深度学习
时序生成对抗网络
样本增强
Keywords
wind turbines
data mining
fault analysis
deep learning
time-series
generative
adversarial
network
(
timegan
)
sample enhancement
分类号
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
基于MDTimeGAN的序列数据生成方法
被引量：
1
2
作者
朱春强
刘彬
朱莉
机构
西安交通大学计算机科学与技术学院
国网陕西省电力有限公司培训中心
西安科技大学计算机科学与技术学院
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第11期59-69,共11页
基金
国网陕西省电力有限公司科技项目(5226PX240003)
国网陕西省电力有限公司数字化项目(B326PX230001,B326PX23000)。
文摘
非侵入式负荷分解是能源管理领域的一个热门研究课题,其在各种工业和商业场景中都得到广泛应用。针对负荷分解数据集中存在的样本不平衡问题,提出一种基于多判别器时间序列生成对抗网络(MDTimeGAN)的序列数据生成方法。通过对原始序列提取时域、频域、时频域以及自相关特征,并在TimeGAN模型基础上采用4种不同的判别器对时间序列的多维度特征进行判别,从而提高对原始数据的判别能力,提升数据质量。在3种公开数据集上进行横向和纵向对比实验,结果表明,与对比模型相比,MDTimeGAN模型生成的数据能够更好地覆盖原始数据的分布,在数据分布方面保持良好的性能,生成数据符合时间序列数据的特点。
关键词
非侵入式负荷分解
时间序列生成对抗网络
时间序列生成
KS检验
Wassertein距离
Keywords
non-invasive load decomposition
time-series
generative
adversarial
network
(
timegan
)
time series
gener
ation
KS test
Wassertein distance
分类号
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
基于配电网PMU的无监督电力系统扰动特征提取与分类
被引量：
3
3
作者
陈徵粼
刘灏
毕天姝
机构
新能源电力系统国家重点实验室(华北电力大学)
出处
《中国电机工程学报》
EI
CSCD
北大核心
2024年第15期5858-5870,I0002,共14页
基金
国家重点研发计划(2022YFB4202303)。
文摘
为应对大量分布式新能源接入给电网运行控制带来的挑战,同步相量测量技术被引入配电网。然而,配电网PMU数据量巨大且缺乏标签信息,如何合理利用海量无标签数据识别扰动为电网运行控制提供数据支撑是亟需解决的问题。针对该问题,该文提出一种长短时序生成对抗网络无监督特征提取框架(long-short-term time generative adversarial network,LST-TimeGAN)。该方法在传统时序对抗生成网络(time-series generative adversarial networks,TimeGAN)架构上,提出一种基于最小二乘决策损失函数的改进框架,使所提取特征能够反应数据异常程度并为分类提供可靠依据。同时,提出一种基于注意力机制的特征提取单元,提高了空间特征提取效率;进一步,建立长短时三窗并行框架,以对不同时间尺度的扰动特征具备敏感性;最后,以一种预分类、再识别的分类策略完成扰动识别。仿真和现场数据验证表明,该方法可实现无标签、少标签情形下的准确扰动识别;且该方法提取的特征不但能对输电网扰动进行识别,还能对本地电能质量扰动进行识别。
关键词
同步相量测量
扰动识别
无监督
特征提取
时间序列生成对抗网络
Keywords
synchronous phasor measurement
disturbance identification
unsupervised
feature extraction
time-series
generative
adversarial
network
s(
timegan
)
分类号
TM71 [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TimeGAN-Stacking的风电机组变桨系统故障诊断方法
潘美琪
贺兴
《太阳能学报》
北大核心
2025
2
在线阅读
下载PDF
职称材料
2
基于MDTimeGAN的序列数据生成方法
朱春强
刘彬
朱莉
《计算机工程》
CAS
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
3
基于配电网PMU的无监督电力系统扰动特征提取与分类
陈徵粼
刘灏
毕天姝
《中国电机工程学报》
EI
CSCD
北大核心
2024
3
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
