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
基于模态分解与组合神经网络的超短期风电功率预测
1
作者
高正中
况逸
张经龙
《热力发电》
北大核心
2025年第10期82-92,共11页
针对风电功率数据存在的显著波动性和随机性导致风电功率预测中单一模型预测精确度欠佳的问题,提出了一种基于模态分解和组合神经网络模型的超短期风电功率预测方法。首先,基于改进完全集成经验模态分解和样本熵对风电数据进行处理,由...
针对风电功率数据存在的显著波动性和随机性导致风电功率预测中单一模型预测精确度欠佳的问题,提出了一种基于模态分解和组合神经网络模型的超短期风电功率预测方法。首先,基于改进完全集成经验模态分解和样本熵对风电数据进行处理,由不平稳序列分解为较为平稳子序列,同步重构出高频振荡分量和低频平稳分量。然后,构建基于自适应稀疏自注意力机制的风电混合预测模型,对于复杂度较高的高频振荡分量,采用自适应稀疏Transformer模型充分发掘关键波动特征;对于低频平稳分量,采用双向门控循环单元模型充分提取序列特征。最后,将各分量预测结果叠加得到最终预测结果。基于山东某风电场的实际数据进行测试,结果表明:相较于其他常用模型,所提模型均方根误差和平均绝对误差分别减小2.644 MW和2.420 MW,同时决定系数提高18.2%,具有良好的预测性能。
展开更多
关键词
模态分解
风电功率预测
样本熵
自适应稀疏自注意力机制
在线阅读
下载PDF
职称材料
引入自监督机制的燃料电池水管理系统健康状态检测方法
被引量：
2
2
作者
张译丹
李奇
+3 位作者
尹良震
刘述奎
陈晓雯
陈维荣
《中国电机工程学报》
EI
CSCD
北大核心
2023年第13期5025-5036,共12页
为保证质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)运行过程中的安全性和平稳性,该文提出一种引入自监督机制的燃料电池水管理系统健康状态检测方法。该方法的计算网络引入自监督机制挖掘数据特征,具体通过堆叠两层...
为保证质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)运行过程中的安全性和平稳性,该文提出一种引入自监督机制的燃料电池水管理系统健康状态检测方法。该方法的计算网络引入自监督机制挖掘数据特征,具体通过堆叠两层稀疏收缩自编码器(sparse contractive autoencoder,SCAE)实现功能。该自编码网络以逐层贪婪训练的方式完成参数初始化,避免因初值取值不佳使得网络参数训练陷入局部最优解。同时,改进的自编码网络也能有效避免模型过拟合,从而达到良好的特征提取效果。用Softmax分类器替换最后一个自编码器的输出层,然后运用Adadelta算法进行基于自适应学习率的自编码网络权值微调,从而完成系统识别网络的搭建。该算法根据梯度动态调节学习率大小,使得网络权值快速逼近符合数据特点的最佳取值。实验结果表明,该方法能快速准确地识别PEMFC正常、水淹和膜干3种状态,检测正确率高达98.5%,检测时间为3.24s。与线性判别分析-概率神经网络(linear discriminant analysis-probabilistic neural network,LDAPNN)、稀疏自编码器-支持向量机(sparse autoencodersupport vector machine,SAE-SVM)和主成分分析-向后传播神经网络(principal component analysis-backpropagation neural network,PCA-BPNN)方法相比,所提方法计算时间分别减少3.08、5.38和7.15s,准确率分别提高7.92、25.08和9.08%。普适性验证表明,该方法对于多节电池的健康状态检测同样适用。
展开更多
关键词
燃料电池
健康状态
自监督机制
稀疏收缩自编码器
自适应学习率
在线阅读
下载PDF
职称材料
稀疏车辆Ad Hoc网络中基于受控机制的自适应Epidemic路由算法
3
作者
苏春波
徐家品
《计算机应用》
CSCD
北大核心
2013年第7期1816-1819,共4页
针对传统Epidemic的性能缺陷,提出了基于控制机制的自适应Epidemic路由(Ad-EPI)算法。Ad-EPI算法采用受控洪泛机制和信息副本控制等机制,并引入信息生存时间和自适应控制策略,在确保有较高到达率的条件下,取得了峰值传输控制、带宽资源...
针对传统Epidemic的性能缺陷,提出了基于控制机制的自适应Epidemic路由(Ad-EPI)算法。Ad-EPI算法采用受控洪泛机制和信息副本控制等机制,并引入信息生存时间和自适应控制策略,在确保有较高到达率的条件下,取得了峰值传输控制、带宽资源占用、缓存利用和时延等方面的综合平衡。在VanetMobiSim仿真平台上,对Ad-EPI算法进行了VC++6.0编程实现和仿真,并与经典Epidemic算法进行了性能对比。仿真结果证实,Ad-EPI算法与Epidemic比较,付出较小的时延代价,却具有了带宽占用减少27.62%,峰值平均降低15.19%,缓存利用率提高92.14%等优势。Ad-EPI算法在上述三个方面的性能提升,具有工程意义和应用价值。
展开更多
关键词
稀疏车辆Ad
HOC网络
自适应Epidemic路由
受控机制
延迟容忍网络
在线阅读
下载PDF
职称材料
题名
基于模态分解与组合神经网络的超短期风电功率预测
1
作者
高正中
况逸
张经龙
机构
山东科技大学电气与自动化工程学院
济宁能源集团义桥煤矿
出处
《热力发电》
北大核心
2025年第10期82-92,共11页
基金
国家自然科学基金项目(62273215)。
文摘
针对风电功率数据存在的显著波动性和随机性导致风电功率预测中单一模型预测精确度欠佳的问题,提出了一种基于模态分解和组合神经网络模型的超短期风电功率预测方法。首先,基于改进完全集成经验模态分解和样本熵对风电数据进行处理,由不平稳序列分解为较为平稳子序列,同步重构出高频振荡分量和低频平稳分量。然后,构建基于自适应稀疏自注意力机制的风电混合预测模型,对于复杂度较高的高频振荡分量,采用自适应稀疏Transformer模型充分发掘关键波动特征;对于低频平稳分量,采用双向门控循环单元模型充分提取序列特征。最后,将各分量预测结果叠加得到最终预测结果。基于山东某风电场的实际数据进行测试,结果表明:相较于其他常用模型,所提模型均方根误差和平均绝对误差分别减小2.644 MW和2.420 MW,同时决定系数提高18.2%,具有良好的预测性能。
关键词
模态分解
风电功率预测
样本熵
自适应稀疏自注意力机制
Keywords
modal decomposition
wind power prediction
sample entropy
adaptive sparse self-attention mechanism
分类号
TM614 [电气工程—电力系统及自动化]
TP183 [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
引入自监督机制的燃料电池水管理系统健康状态检测方法
被引量：
2
2
作者
张译丹
李奇
尹良震
刘述奎
陈晓雯
陈维荣
机构
西南交通大学电气工程学院
国网四川省电力公司成都供电公司
出处
《中国电机工程学报》
EI
CSCD
北大核心
2023年第13期5025-5036,共12页
基金
国家自然科学基金项目(51977181,52077180)
四川省自然科学基金(2022NSFSC0027)
霍英东教育基金会高等院校青年教师基金(171104)。
文摘
为保证质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)运行过程中的安全性和平稳性,该文提出一种引入自监督机制的燃料电池水管理系统健康状态检测方法。该方法的计算网络引入自监督机制挖掘数据特征,具体通过堆叠两层稀疏收缩自编码器(sparse contractive autoencoder,SCAE)实现功能。该自编码网络以逐层贪婪训练的方式完成参数初始化,避免因初值取值不佳使得网络参数训练陷入局部最优解。同时,改进的自编码网络也能有效避免模型过拟合,从而达到良好的特征提取效果。用Softmax分类器替换最后一个自编码器的输出层,然后运用Adadelta算法进行基于自适应学习率的自编码网络权值微调,从而完成系统识别网络的搭建。该算法根据梯度动态调节学习率大小,使得网络权值快速逼近符合数据特点的最佳取值。实验结果表明,该方法能快速准确地识别PEMFC正常、水淹和膜干3种状态,检测正确率高达98.5%,检测时间为3.24s。与线性判别分析-概率神经网络(linear discriminant analysis-probabilistic neural network,LDAPNN)、稀疏自编码器-支持向量机(sparse autoencodersupport vector machine,SAE-SVM)和主成分分析-向后传播神经网络(principal component analysis-backpropagation neural network,PCA-BPNN)方法相比,所提方法计算时间分别减少3.08、5.38和7.15s,准确率分别提高7.92、25.08和9.08%。普适性验证表明,该方法对于多节电池的健康状态检测同样适用。
关键词
燃料电池
健康状态
自监督机制
稀疏收缩自编码器
自适应学习率
Keywords
fuel cell
health state
self-supervision
mechanism
sparse
contractive autoencoder
adaptive
learning rate
分类号
TM911 [电气工程—电力电子与电力传动]
在线阅读
下载PDF
职称材料
题名
稀疏车辆Ad Hoc网络中基于受控机制的自适应Epidemic路由算法
3
作者
苏春波
徐家品
机构
四川大学电子信息学院
成都理工大学信息科学与技术学院
出处
《计算机应用》
CSCD
北大核心
2013年第7期1816-1819,共4页
文摘
针对传统Epidemic的性能缺陷,提出了基于控制机制的自适应Epidemic路由(Ad-EPI)算法。Ad-EPI算法采用受控洪泛机制和信息副本控制等机制,并引入信息生存时间和自适应控制策略,在确保有较高到达率的条件下,取得了峰值传输控制、带宽资源占用、缓存利用和时延等方面的综合平衡。在VanetMobiSim仿真平台上,对Ad-EPI算法进行了VC++6.0编程实现和仿真,并与经典Epidemic算法进行了性能对比。仿真结果证实,Ad-EPI算法与Epidemic比较,付出较小的时延代价,却具有了带宽占用减少27.62%,峰值平均降低15.19%,缓存利用率提高92.14%等优势。Ad-EPI算法在上述三个方面的性能提升,具有工程意义和应用价值。
关键词
稀疏车辆Ad
HOC网络
自适应Epidemic路由
受控机制
延迟容忍网络
Keywords
sparse
traffic Ad Hoc network
adaptive
-epidemic routing controlled
mechanism
Delay Tolerant Network （DTN）
分类号
TN929.5 [电子电信—通信与信息系统]
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
基于模态分解与组合神经网络的超短期风电功率预测
高正中
况逸
张经龙
《热力发电》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
引入自监督机制的燃料电池水管理系统健康状态检测方法
张译丹
李奇
尹良震
刘述奎
陈晓雯
陈维荣
《中国电机工程学报》
EI
CSCD
北大核心
2023
2
在线阅读
下载PDF
职称材料
3
稀疏车辆Ad Hoc网络中基于受控机制的自适应Epidemic路由算法
苏春波
徐家品
《计算机应用》
CSCD
北大核心
2013
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
