期刊文献+
共找到1,387篇文章
< 1 2 70 >
每页显示 20 50 100
Underwater acoustic signal denoising model based on secondary variational mode decomposition
1
作者 Hong Yang Wen-shuai Shi Guo-hui Li 《Defence Technology(防务技术)》 SCIE EI CAS CSCD 2023年第10期87-110,共24页
Due to the complexity of marine environment,underwater acoustic signal will be affected by complex background noise during transmission.Underwater acoustic signal denoising is always a difficult problem in underwater ... Due to the complexity of marine environment,underwater acoustic signal will be affected by complex background noise during transmission.Underwater acoustic signal denoising is always a difficult problem in underwater acoustic signal processing.To obtain a better denoising effect,a new denoising method of underwater acoustic signal based on optimized variational mode decomposition by black widow optimization algorithm(BVMD),fluctuation-based dispersion entropy threshold improved by Otsu method(OFDE),cosine similarity stationary threshold(CSST),BVMD,fluctuation-based dispersion entropy(FDE),named BVMD-OFDE-CSST-BVMD-FDE,is proposed.In the first place,decompose the original signal into a series of intrinsic mode functions(IMFs)by BVMD.Afterwards,distinguish pure IMFs,mixed IMFs and noise IMFs by OFDE and CSST,and reconstruct pure IMFs and mixed IMFs to obtain primary denoised signal.In the end,decompose primary denoising signal into IMFs by BVMD again,use the FDE value to distinguish noise IMFs and pure IMFs,and reconstruct pure IMFs to obtain the final denoised signal.The proposed mothod has three advantages:(i)BVMD can adaptively select the decomposition layer and penalty factor of VMD.(ii)FDE and CS are used as double criteria to distinguish noise IMFs from useful IMFs,and Otsu algorithm and CSST algorithm can effectively avoid the error caused by manually selecting thresholds.(iii)Secondary decomposition can make up for the deficiency of primary decomposition and further remove a small amount of noise.The chaotic signal and real ship signal are denoised.The experiment result shows that the proposed method can effectively denoise.It improves the denoising effect after primary decomposition,and has good practical value. 展开更多
关键词 Underwater acoustic signal DENOISING variational mode decomposition Secondary decomposition Fluctuation-based dispersion entropy Cosine similarity
在线阅读 下载PDF
融合残差与VMD-TCN-BiLSTM混合网络的鄱阳湖总氮预测 被引量:1
2
作者 黄学平 辛攀 +3 位作者 吴永明 吴留兴 邓觅 姚忠 《长江科学院院报》 北大核心 2025年第3期59-67,75,共10页
对湖泊水质进行准确、高效的预测,对于保护水资源、维护生态平衡以及促进经济发展等方面都具有重要意义。为此提出了一种基于模态分解、多维特征选择、时间卷积网络(TCN)、自注意力机制、双向长短期神经网络(BiLSTM)和双向门控循环单元(... 对湖泊水质进行准确、高效的预测,对于保护水资源、维护生态平衡以及促进经济发展等方面都具有重要意义。为此提出了一种基于模态分解、多维特征选择、时间卷积网络(TCN)、自注意力机制、双向长短期神经网络(BiLSTM)和双向门控循环单元(BiGRU)的湖泊总氮(TN)组合预测模型。首先,采用变分模态分解将TN原始序列分解成不同频率的本征模态函数(IMF),以降低原始序列的复杂度和非平稳性;随后,通过随机森林算法为每个IMF选择相关性强的特征,将筛选出的特征矩阵输入到添加自注意力机制的TCN-BiLSTM混合网络中进行建模,充分提取数据中隐藏的关键时序信息;最后,为进一步提升模型预测精度,采用BiGRU网络学习残差序列的细节特征,将残差与模型预测结果融合得到最终的预测值。以鄱阳湖都昌监测站的水质数据为例进行试验分析,结果表明本文模型相比于其他模型对TN浓度预测效果提升明显,其平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(R^(2))分别为0.03 mg/L、0.049 mg/L、0.992。 展开更多
关键词 水质预测 总氮 变分模态分解 时间卷积网络 集成预测
在线阅读 下载PDF
基于改进VMD及ConvNeXt的小电流接地系统单相接地故障选线方法 被引量:1
3
作者 张浩 张大海 +2 位作者 刘乃毓 吴奎忠 侍哲 《高电压技术》 北大核心 2025年第2期730-741,I0021,共13页
对于小电流接地系统的单相接地故障选线,传统方法普遍采用基于一维信号的选线模型,存在选线准确率低、抗噪性弱等问题。为此提出一种改进的变分模态分解及Conv Ne Xt的小电流接地系统单相接地故障选线方法。首先引入蚁狮算法优化变分模... 对于小电流接地系统的单相接地故障选线,传统方法普遍采用基于一维信号的选线模型,存在选线准确率低、抗噪性弱等问题。为此提出一种改进的变分模态分解及Conv Ne Xt的小电流接地系统单相接地故障选线方法。首先引入蚁狮算法优化变分模态分解算法,通过蚁狮算法自动寻优选取合适的分解次数和惩罚因子,计算分解得到的各分量的分布熵,将其中的噪声分量筛选去除,将其余有效分量进行线性重构得到降噪后的零序电流信号;其次,将经过降噪处理后的一维零序电流信号经格拉姆角场转换为二维图像,制备故障选线数据集;然后,引入预训练的ConvNeXt模型,根据该研究数据模型特征,在其已有权重基础上对模型参数进行对应微调,从而提高模型精度并形成最终的选线模型;最后引入绝对平均误差、均方根误差作为评价指标验证所提降噪算法有效性。分别在加入噪声与否的前提下,将所提模型与3种选线模型相比较。实验结果表明该模型的准确率最高、抗噪性方面更好,其中该研究算法准确率达到了99.82%并且在不同噪声条件下都能维持91%以上的准确率,高于其他选线模型,克服了传统故障选线方法准确率低、抗噪性差的问题。 展开更多
关键词 故障选线 蚁狮优化算法 变分模态分解 分布熵 格拉姆角场 Conv Ne Xt
在线阅读 下载PDF
基于SSA-VMD的空天地算力网络中数字孪生逻辑靶场负载预测
4
作者 陈浩 党政 +2 位作者 黑新宏 赵彤 张杰 《计算机工程》 北大核心 2025年第5期20-32,共13页
在空天地多层次算力网络背景下,针对数字孪生逻辑靶场中因负载数据复杂性和非平稳特征带来的精准预测挑战,提出融合格拉姆转场(GAF)、卷积神经网络(CNN)、通道注意力机制的压缩与激励网络(SENet)和门控循环单元(GRU)的GCSG模型。GCSG模... 在空天地多层次算力网络背景下,针对数字孪生逻辑靶场中因负载数据复杂性和非平稳特征带来的精准预测挑战,提出融合格拉姆转场(GAF)、卷积神经网络(CNN)、通道注意力机制的压缩与激励网络(SENet)和门控循环单元(GRU)的GCSG模型。GCSG模型通过GAF将一维负载数据转换为二维图像,利用CNN提取局部特征,使用SENet优化特征重要性,采用GRU捕捉时序特征,实现了高效的特征融合和精准预测。此外,GCSG模型采用融合麻雀搜索算法(SSA)的变分模态分解(VMD)对负载数据进行平稳化处理,进一步提高了预测性能。实验结果表明,GCSG模型在不同数据长度下均表现出优异的预测精度和稳定性,且在多步预测任务中同样表现突出。因此,GCSG模型显著提升了负载数据的预测精度,为空天地算力网络中的数字孪生系统负载预测提供了强有力的解决方案。 展开更多
关键词 空天地多层次算力网络 数字孪生 逻辑靶场 负载预测 变分模态分解
在线阅读 下载PDF
基于参数优化VMD的心率检测去噪算法
5
作者 肖剑 张现国 +2 位作者 宋烨 杨小苑 程鸿亮 《现代雷达》 北大核心 2025年第6期46-55,共10页
针对毫米波雷达的非接触式生命体征信号检测中存在静态杂波和呼吸谐波干扰噪声等问题,文中提出一种基于改进浣熊优化算法的变分模态分解(ICOA-VMD)噪声抑制算法。浣熊优化算法采用混沌种群初始化和自适应函数分布提高算法的种群多样性... 针对毫米波雷达的非接触式生命体征信号检测中存在静态杂波和呼吸谐波干扰噪声等问题,文中提出一种基于改进浣熊优化算法的变分模态分解(ICOA-VMD)噪声抑制算法。浣熊优化算法采用混沌种群初始化和自适应函数分布提高算法的种群多样性和全局搜索能力,文中利用ICOA对VMD的最佳适应度参数进行搜索,确定惩罚参数和分量个数,对心跳信号进行重构,从而实现心跳信号的干扰噪声去除。实验结果表明,ICOA-VMD方法具有收敛速度快、精度高的特点,信噪比和均方误差的评估和时域分析验证了该算法相较于小波变换和经验模态分解具有更好的性能。在不同距离的常规环境下,该方法针对不同受试者的心率检测平均精确度可以达到95.40%。 展开更多
关键词 毫米波雷达 信号处理 心率检测 浣熊优化算法 变分模态分解
在线阅读 下载PDF
基于改进SVD-HPO-VMD电缆局部放电去噪方法
6
作者 马星河 李凯濛 +1 位作者 赵军营 刘鹏 《广东电力》 北大核心 2025年第4期89-100,共12页
对局部放电(partial discharge,PD)的检测是获知高压电缆绝缘状态的主要手段之一,但现场对PD信号的检测易受到噪声的干扰,从而影响对信号检测的准确度。为此,提出一种采用猎人猎物优化算法(hunter-prey optimization algorithm,HPO)优... 对局部放电(partial discharge,PD)的检测是获知高压电缆绝缘状态的主要手段之一,但现场对PD信号的检测易受到噪声的干扰,从而影响对信号检测的准确度。为此,提出一种采用猎人猎物优化算法(hunter-prey optimization algorithm,HPO)优化变分模态分解(variational mode decomposition,VMD),再采用改进奇异值分解(singular value decomposition,SVD)对PD信号进行降噪的方法。首先,对含噪PD信号进行傅里叶变换,在傅里叶变换功率谱中运用差分变换及设定阈值的方法去筛选周期性窄带干扰奇异值;然后,通过HPO优化VMD的参数选择,分解出K个本征模态函数(intrinsic mode function,IMF),利用模糊散布熵(fuzzy dispersion entropy,FuzzyDispEn)确定IMF的性质,从而区分有效分量和噪声分量,对分类后的噪声主导分量通过改进小波阈值方法进行去噪;最后,将信号进行重构,通过仿真和实验计算去噪后信号的信噪比、归一化相关系数以及均方误差,并与传统方法进行比对,证明提出的方法能够有效去除PD信号中的噪声分量,能够运用到供电系统中。 展开更多
关键词 局部放电 变分模态分解 奇异值分解 猎人猎物优化算法 模糊散布熵
在线阅读 下载PDF
基于EEMD-GWO-VMD的滚动轴承故障特征提取
7
作者 张涛 张振彬 谢剑龙 《中国工程机械学报》 北大核心 2025年第3期470-475,共6页
针对滚动轴承工作环境恶劣、故障信号难以提取的问题,提出一种基于EEMD-GWO-VMD的滚动轴承双重降噪方法。首先,利用集合经验模态分解(EEMD)对采集到的信号进行分解,通过相关系数和峭度指标组合筛选富含故障信息的分量并进行重构。然后,... 针对滚动轴承工作环境恶劣、故障信号难以提取的问题,提出一种基于EEMD-GWO-VMD的滚动轴承双重降噪方法。首先,利用集合经验模态分解(EEMD)对采集到的信号进行分解,通过相关系数和峭度指标组合筛选富含故障信息的分量并进行重构。然后,以包络熵为目标函数,采用灰狼算法(GWO)优化变分模态分解(VMD)的惩罚因子和模态分解层数,并采用仿真信号对比分析VMD、GWO-VMD和EEMD-GWO-VMD这3种方法的降噪效果。最后,结合CWRU数据集和高速列车轴箱轴承台架试验数据,进一步验证EEMD-GWO-VMD降噪方法的有效性。 展开更多
关键词 滚动轴承 灰狼算法(GWO) 集成经验模态分解(EEMD) 变分模态分解(vmd)
在线阅读 下载PDF
基于BWO和WOA的VMD-LSTM短期风速预测
8
作者 贾世会 刘立夫 +1 位作者 迟晓妮 李高西 《郑州大学学报(工学版)》 北大核心 2025年第3期59-66,共8页
针对风电机组组网运行存在的功率波动性和随机性,为提高风速预测的精度和风电机组运行的稳定性,提出了一种基于白鲸优化算法和鲸鱼优化算法的VMD-LSTM短期风速预测模型。首先,利用白鲸优化算法对VMD中的模态数及惩罚因子进行优化,得到... 针对风电机组组网运行存在的功率波动性和随机性,为提高风速预测的精度和风电机组运行的稳定性,提出了一种基于白鲸优化算法和鲸鱼优化算法的VMD-LSTM短期风速预测模型。首先,利用白鲸优化算法对VMD中的模态数及惩罚因子进行优化,得到分解的子序列;其次,对于LSTM中的隐含层节点数、最大训练次数和初始学习率等参数,使用鲸鱼优化算法进行确定;最后,利用LSTM的非线性拟合能力对数据进行预测。结果表明:所提预测模型在测试集上的RMSE、MAE、MAPE分别为0.2234,0.1727,0.0837,均低于其他对比模型,验证了所提模型在短期风速预测问题上的有效性。 展开更多
关键词 白鲸优化算法 鲸鱼优化算法 变分模态分解 LSTM 风速预测
在线阅读 下载PDF
基于调和分析及VMD-LSTM混合模型的甬江河口水位预报方法
9
作者 陈永平 韩韬 +3 位作者 邱超 甘敏 谭亚 王瑾琪 《河海大学学报(自然科学版)》 北大核心 2025年第2期1-10,共10页
为解决甬江感潮河段潮位预报总体精度偏低的问题,构建了一种基于经典调和分析(T_TIDE)、变分模态分解(VMD)和长短时记忆神经网络(LSTM)的混合模型(VMD-LSTM混合模型)。VMD-LSTM混合模型采用T_TIDE程序包对甬江河口逐时水位数据进行回报... 为解决甬江感潮河段潮位预报总体精度偏低的问题,构建了一种基于经典调和分析(T_TIDE)、变分模态分解(VMD)和长短时记忆神经网络(LSTM)的混合模型(VMD-LSTM混合模型)。VMD-LSTM混合模型采用T_TIDE程序包对甬江河口逐时水位数据进行回报(即潮位),用实测水位减去潮位得到相应余水位,并采用VMD模型将余水位分解为13个本征模函数(IMF),依次对应D0~D12潮族,采用LSTM模型分别训练余水位的各个IMF分量和潮位并分别向后预报12~48h,各个IMF分量和潮位的预报值之和即为河口水位的预测值。结果表明:VMD模型可对甬江河口余水位中D0~D12潮族波动进行完全分离;VMD-LSTM混合模型12、24、36、48h短期水位预报的均方根误差(RMSE)比LSTM模型最多分别降低了0.15、0.13、0.16、0.16m;VMD-LSTM混合模型在D0、D2潮族频带的误差修正最明显,相比LSTM模型,可分别将D0、D2潮族的谱峰预报误差最多降低0.05、0.04m·d^(0.5)。 展开更多
关键词 甬江口 河口潮汐 变分模态分解 LSTM模型 调和分析 水位预报
在线阅读 下载PDF
基于STOA-VMD和改进TCN模型的水泵机组振动趋势预测
10
作者 王伟生 张宁 +5 位作者 邢磊 周保林 郭新帅 安东 高源 张孝远 《人民黄河》 北大核心 2025年第4期141-144,151,共5页
水泵机组振动趋势预测是保障机组正常运行的重要措施,而振动信号的复杂性和非线性使预测变得困难。为此,提出一种基于STOA-VMD和改进时间卷积网络(TCN)的水泵机组振动趋势预测模型。首先采用乌燕鸥算法(STOA)进行变分模态分解(VMD)参数... 水泵机组振动趋势预测是保障机组正常运行的重要措施,而振动信号的复杂性和非线性使预测变得困难。为此,提出一种基于STOA-VMD和改进时间卷积网络(TCN)的水泵机组振动趋势预测模型。首先采用乌燕鸥算法(STOA)进行变分模态分解(VMD)参数优化,实现振动信号的最优自适应分解,然后利用改进TCN对每个分解模态进行预测,最后叠加所有结果得到最终预测结果。以国内某雨水泵站水泵机组为例,基于水导轴承水平向摆度数据进行模型验证。结果表明:上述组合模型的预测值与监测值的变化趋势基本一致,其具有良好的预测能力。与STOA-VMD-TCN、VMD-EnTCN、VMD-TCN、TCN模型相比,所提出模型的E_(MA)、E_(RMS)、E_(MAP)最小,预测精度最高。 展开更多
关键词 时间卷积网络 乌燕鸥算法 变分模态分解 振动信号 趋势预测 水泵机组
在线阅读 下载PDF
基于容量增量分析与VMD-GWO-KELM的锂电池健康状态估计
11
作者 陈峥 多功东 +3 位作者 申江卫 沈世全 刘昱 魏福星 《储能科学与技术》 北大核心 2025年第6期2476-2487,共12页
为克服传统健康状态估计方法中的特征提取质量不足、非线性特性复杂及模型参数优化困难等问题,本工作提出一种基于容量增量分析与VMD-GWO-KELM的健康状态估计方法。首先,本工作通过改进的基于洛伦兹函数的电压容量模型,对电池恒流充电... 为克服传统健康状态估计方法中的特征提取质量不足、非线性特性复杂及模型参数优化困难等问题,本工作提出一种基于容量增量分析与VMD-GWO-KELM的健康状态估计方法。首先,本工作通过改进的基于洛伦兹函数的电压容量模型,对电池恒流充电过程中的电压-容量数据进行拟合,提取峰电压、峰值和峰面积等健康特征,并利用灰狼优化算法完成模型参数识别,从而有效提升了特征提取质量和鲁棒性。其次,采用变分模态分解技术对健康状态信号进行多尺度分解,将模态分量作为独立子模型的输入,捕捉不同频域的关键特性,降低了信号混叠和噪声影响。然后,结合灰狼优化算法对核极限学习机模型的关键参数进行优化,显著提高了非线性拟合能力和估计精度。最后,通过不同训练量、不同估计模型对比和多电池数据的验证,全面评估模型性能。实验结果表明,本工作提出的算法在仅使用100次循环数据的情况下,即可实现高精度健康状态估计,平均绝对误差为0.9751%,最大误差为1.9340%,同时表现出良好的鲁棒性和泛化能力。 展开更多
关键词 锂离子电池 健康状态 容量增量分析 变分模态分解 灰狼优化 核极限学习机
在线阅读 下载PDF
一种SCNGO-MMPE-VMD的滚动轴承故障诊断方法
12
作者 张涛 魏彪 +2 位作者 李永健 马赫 何勇 《现代电子技术》 北大核心 2025年第12期54-60,共7页
针对滚动轴承故障诊断中种群分布不均匀及算法早熟收敛问题,提出一种SCNGO-MMPE-VMD的滚动轴承故障诊断方法。首先,利用折射反向学习方法初始化种群,并生成反向解,有效扩大搜索范围;然后,将正余弦算法(SCA)策略引入北方苍鹰优化算法(NGO... 针对滚动轴承故障诊断中种群分布不均匀及算法早熟收敛问题,提出一种SCNGO-MMPE-VMD的滚动轴承故障诊断方法。首先,利用折射反向学习方法初始化种群,并生成反向解,有效扩大搜索范围;然后,将正余弦算法(SCA)策略引入北方苍鹰优化算法(NGO)勘察阶段,通过非线性加权系数ω动态调节步长搜索因子,降低个体位置更新对局部信息的依赖,显著提高算法收敛速度与精度;最后,构建多尺度均值排列熵(MMPE)与峭度的融合指标作为适应度函数,增强故障特征敏感性。通过对不同的实测信号进行测试,结果表明,在强噪声干扰下,相较传统方法,所提方法可提前300 min(初期故障)和700 min(微弱故障)识别故障特征,验证了其工程实用性。 展开更多
关键词 正余弦算法 滚动轴承 故障诊断 改进北方苍鹰优化算法 多尺度均值排列熵 变分模态分解
在线阅读 下载PDF
基于BWO优化VMD和TCN-BiGRU的短期风电功率预测
13
作者 逯静 张燕茹 王瑞 《工程科学与技术》 北大核心 2025年第3期31-41,共11页
针对风力发电过程中出现的不平稳、波动性大等特点,为了更好地提高风力发电的预测精度,提出一种基于白鲸优化算法(BWO)的变分模态分解(VMD)和时序卷积网络(TCN)-双向门控循环单元(BiGRU)联合构建的短期风力发电功率预测模型。首先,由于... 针对风力发电过程中出现的不平稳、波动性大等特点,为了更好地提高风力发电的预测精度,提出一种基于白鲸优化算法(BWO)的变分模态分解(VMD)和时序卷积网络(TCN)-双向门控循环单元(BiGRU)联合构建的短期风力发电功率预测模型。首先,由于风电功率受多方面气象因素的共同影响,采用随机森林(RF)方法来确定气象因素特征的重要性,对特征进行排序并提取出最优的特征。其次,利用VMD将原始功率数据由不平稳序列分解成较平稳的子序列,为解决VMD的两个参数即模态数和惩罚因子难以人工确定的问题,使用BWO对VMD的参数进行寻优,利用优化后的VMD对非平稳电力信号进行有效分解。然后,将分解后的各平稳子序列加上提取出的最优特征进行TCN-BiGRU组合模型预测。最后,将各子序列的预测值进行叠加得到最终的结果。以中国的某风电场的实际数据为例,通过多种单一模型与组合模型对所提出的预测模型进行了仿真对比。仿真结果表明,所提出的基于BWO优化VMD和TCN-BiGRU联合预测方法具有较高的预测精度,其均方根误差、平均绝对误差及平均百分比误差的指标精度均比其他模型有所提高。本文方法在风电功率预测中具有显著优势。 展开更多
关键词 短期风功率预测 变分模态分解 随机森林 时序卷积网络 双向门控循环单元 白鲸优化算法
在线阅读 下载PDF
融合小波去噪与VMD-NTEO的输电线路故障定位
14
作者 周军 曲振国 战紫昂 《电力系统及其自动化学报》 北大核心 2025年第7期141-150,共10页
为解决输电线路故障行波波头在噪声背景下检测困难的问题,提出一种融合小波去噪与变分模态分解结合改进Teager能量算子的行波波头检测新方法。首先,将含噪行波信号经所提的新小波阈值函数进行去噪处理,有效提高输出信号的信噪比;然后,... 为解决输电线路故障行波波头在噪声背景下检测困难的问题,提出一种融合小波去噪与变分模态分解结合改进Teager能量算子的行波波头检测新方法。首先,将含噪行波信号经所提的新小波阈值函数进行去噪处理,有效提高输出信号的信噪比;然后,对输出信号进行变分模态自适应分解,选择最能反映行波波头特征的高频模态分量,并利用改进Teager能量算子对高频模态分量波头进行标定;最后,根据输电线路各档距内导线水平长度和实际长度之间的比例关系,推导出一种不受波速影响的双端行波测距公式,利用该测距公式计算故障距离。仿真结果表明,所提波头检测方法在噪声背景下具有良好的检测效果,能够保证定位结果相对误差维持在0.1%以内。 展开更多
关键词 小波阈值函数 变分模态分解 改进Teager能量算子 行波波速 故障定位
在线阅读 下载PDF
基于优化VMD和BiLSTM的短期负荷预测
15
作者 谢国民 陆子俊 《电力系统及其自动化学报》 北大核心 2025年第4期30-39,共10页
针对电力负荷数据周期性强、波动性高,预测效果不佳的问题,建立一种基于优化变分模态分解、改进沙猫群优化(improved sand cat swarm optimization,ISCSO)算法和双向长短时记忆(bidirectional long short-term memory,BiLSTM)网络的集... 针对电力负荷数据周期性强、波动性高,预测效果不佳的问题,建立一种基于优化变分模态分解、改进沙猫群优化(improved sand cat swarm optimization,ISCSO)算法和双向长短时记忆(bidirectional long short-term memory,BiLSTM)网络的集成预测模型。首先,对原始电力负荷数据进行变分模态分解,降低数据复杂度,在变分模态分解中,引入白鲸算法对分解层数和惩罚因子寻优,优化分解效果。其次,采用Logistic混沌映射、螺旋搜索和麻雀思想引入的多策略改进方法,增加原始沙猫群优化算法的种群多样性,提升收敛精度和全局搜索能力,并用改进后的算法对BiLSTM中的超参数进行优化。然后,结合AdaBoost集成学习算法构建ISCSO-Bi LSTM-AdaBoost预测模型,将分解后的各分量输入模型预测。最后将各预测值叠加,得到最终预测结果。实验结果表明,本文建立的组合模型预测精度高,稳定性强。 展开更多
关键词 电力负荷预测 变分模态分解 双向长短期记忆网络 改进沙猫群优化算法 集成学习算法
在线阅读 下载PDF
基于融合聚类和BKA-VMD-TCN-BiLSTM的短期光伏功率预测
16
作者 王瑞 李哲 逯静 《电子科技大学学报》 北大核心 2025年第4期592-603,共12页
针对光伏系统功率输出因天气条件波动大且随机性强的特点,提出了一种基于融合聚类的短期光伏功率组合预测模型。首先通过改进的Kmeans聚类算法(GMKmeans)将原始光伏数据集分为晴天、阴天和雨天3种天气模式。在此基础上,为解决变分模态分... 针对光伏系统功率输出因天气条件波动大且随机性强的特点,提出了一种基于融合聚类的短期光伏功率组合预测模型。首先通过改进的Kmeans聚类算法(GMKmeans)将原始光伏数据集分为晴天、阴天和雨天3种天气模式。在此基础上,为解决变分模态分解(VMD)分解数量和惩罚因子难以人工确定的问题,引入黑翅鸢优化算法(BKA)实现VMD参数的自适应优化。随后利用优化后的VMD将光伏功率时间序列数据分解成多个本征模态函数(Intrinsic Mode Functions,IMF),确保模型能够更深入地理解和模拟光伏功率随时间演变的复杂模式。最后,针对各IMF分量分别构建时序卷积网络(TCN)-双向长短期记忆网络(BiLSTM)组合预测模型,并将预测结果叠加重构,实现对整体光伏功率输出的高精度预测。实验结果表明,该预测模型提升了光伏功率预测的准确性和有效性。 展开更多
关键词 短期光伏功率预测 变分模态分解 黑翅鸢优化算法 时序卷积网络 双向长短期记忆网络
在线阅读 下载PDF
基于CPO-VMD的输电线路行波故障测距方法
17
作者 周军 曲振国 战紫昂 《电力科学与技术学报》 北大核心 2025年第2期30-41,共12页
针对长距离输电线路故障行波波头检测精度较低,故障检测装置时钟不同步和行波波速不确定造成的测距偏差问题,提出一种改进变分模态分解(variational mode decomposition,VMD)联合Teager-Kaiser能量算子(Teager-Kaiser energy operator,T... 针对长距离输电线路故障行波波头检测精度较低,故障检测装置时钟不同步和行波波速不确定造成的测距偏差问题,提出一种改进变分模态分解(variational mode decomposition,VMD)联合Teager-Kaiser能量算子(Teager-Kaiser energy operator,TKEO)来检测故障行波波头,结合不依赖对时和波速的双端行波测距公式的输电线路故障测距新方法。先利用冠豪猪优化算法(crested porcupine optimizer,CPO)优化VMD参数;然后,将故障行波的线模和零模分量经VMD分解后,通过TKEO能量算子检测各分量初始波头;最后,根据线模和零模分量初始波头到达测量点的时间差,列写故障距离与差值距离之间的比例关系,得到不依赖对时和波速的双端行波测距公式。利用MATLAB/Simulink搭建220 kV输电线路故障仿真模型,仿真结果表明该测距方法在噪声和不同接地电阻、故障类型下均具有良好的适用性,且测距结果精度较高。 展开更多
关键词 变分模态分解 冠豪猪优化算法 Teager-Kaiser能量算子 模量时间差值 故障测距
在线阅读 下载PDF
基于SAO-VMD-S的双端柔性直流输电故障测距方案
18
作者 王思华 王羚佰 《电力系统保护与控制》 北大核心 2025年第1期1-12,共12页
针对柔性直流输电线路故障定位过程中信号易受噪声干扰、耐过渡电阻能力差的问题,提出了采用小波变换(wavelet transform,WT)进行消噪处理、并结合变分模态分解(variational mode decomposition,VMD)的柔性直流输电线路故障定位方案。... 针对柔性直流输电线路故障定位过程中信号易受噪声干扰、耐过渡电阻能力差的问题,提出了采用小波变换(wavelet transform,WT)进行消噪处理、并结合变分模态分解(variational mode decomposition,VMD)的柔性直流输电线路故障定位方案。首先利用基于Logistic函数的循环位移小波阈值去噪对故障信号进行处理。然后采用雪消融优化器(snow ablation optimizer,SAO)结合VMD对信号进行有效分解。最后对分解后的高频分量进行S变换(S-transform,ST),选取对应频率下的幅值曲线进行波头标定。此外,提出了一种不依赖波速的测距算法。在PSCAD/EMTDC平台中搭建双端柔性直流系统并进行仿真验证。结果表明,所提方案不仅对采样率要求低,且能耐受300Ω的过渡电阻和30 dB的噪声,在不同故障距离下均能准确进行测距。 展开更多
关键词 柔性直流输电 小波去噪 雪消融优化器 变分模态分解 S变换 故障测距
在线阅读 下载PDF
基于VMD和改进Transformer模型的镍镉蓄电池SOH预测研究
19
作者 于天剑 冯恩来 +1 位作者 伍珣 张庆东 《铁道科学与工程学报》 北大核心 2025年第7期3266-3279,共14页
动车组镍镉电池容量表现出非线性特性和“记忆效应”等特征,严重影响传统动车组电池健康状态(state of health,SOH)预测模型的准确性。为准确预测动车组的SOH并提高其蓄电池管理系统的效率和可靠性,基于变分模态分解(variational mode d... 动车组镍镉电池容量表现出非线性特性和“记忆效应”等特征,严重影响传统动车组电池健康状态(state of health,SOH)预测模型的准确性。为准确预测动车组的SOH并提高其蓄电池管理系统的效率和可靠性,基于变分模态分解(variational mode decomposition,VMD)和改进的Transformer模型,提出一种综合预测框架。首先,通过白鲸优化算法(beluga whale optimization,BWO)对VMD的超参数进行优化,利用VMD分解重构准确捕捉电池在其整个生命周期中的容量退化特性,消除蓄电池记忆效应对SOH预测研究带来的不良影响;其次,在Transformer编码模块中嵌入了长短时记忆网络自编码模块(long short-term memory network autoencoder,LSTM Autoencoder),以有效提取电池健康退化的短期特征信息并压缩数据维度,从而降低模型复杂度;最后,将Transformer解码层替换为全连接神经网络,以降低模型复杂度和减少预测误差累积现象,从而提高模型的预测性能和运行效率。并且在验证方案中,以实际动车组蓄电池为研究对象,通过消融实验以及横向对比实验双向证明研究算法具有最高的预测精度,输出预测结果在均方根误差、平均绝对误差相较于其他模型平均降低了60.83%和62.14%,在决定系数上平均提升了6.73%,具有高度的准确性和鲁棒性。可以实现对电池SOH实现精确的预测,对电池健康状态进行有效监控,为电池检修工作提供数据支撑和方法支持。 展开更多
关键词 镍镉蓄电池 SOH预测 变分模态分解 长短时记忆网络自编码器 改进Transformer模型
在线阅读 下载PDF
基于自适应VMD-LSTM的超短期风电功率预测 被引量:3
20
作者 王迪 傅晓锦 杜诗琪 《南京信息工程大学学报》 北大核心 2025年第1期74-87,共14页
针对风电功率波动性较强和预测精度较低的问题,提出一种改进蜣螂优化算法(Logistic-T-Dung Beetle Optimizer,LTDBO)优化变分模态分解(Variational Mode Decomposition,VMD)参数和LTDBO算法优化长短期记忆网络(Long Short-Term Memory,L... 针对风电功率波动性较强和预测精度较低的问题,提出一种改进蜣螂优化算法(Logistic-T-Dung Beetle Optimizer,LTDBO)优化变分模态分解(Variational Mode Decomposition,VMD)参数和LTDBO算法优化长短期记忆网络(Long Short-Term Memory,LSTM)超参数的混合短期风电功率预测模型.首先以平均包络谱峭度作为适应度函数,利用LTDBO算法对VMD分解层数和惩罚因子进行寻优,然后使用VMD对数据清洗后的风电序列进行分解,得到不同频率的平稳的固有模态分量(Intrinsic Mode Function,IMF),并将各IMF输入由LTDBO进行超参数寻优的LSTM进行预测,最后将各IMF预测值进行叠加重构,得到最终结果.实验结果表明:LTDBO算法可以找到VMD和LSTM的最优超参数组合,LTDBO-VMD-LTDBO-LSTM组合模型在风电功率预测领域具有较好的预测精度和鲁棒性. 展开更多
关键词 风电功率 蜣螂优化算法 变分模态分解 长短期记忆网络 数据清洗
在线阅读 下载PDF
上一页 1 2 70 下一页 到第
使用帮助 返回顶部