检索结果-维普期刊中文期刊服务平台

基于NILM的电动自行车室内充电监测: 1; 作者陈志高李琰徐天奇《现代电子技术》北大核心 2025年第9期167-172,共6页; 电动自行车室内充电导致的火灾事故频发,监测其室内充电行为成为一大难题。文中通过研究各类品牌与型号电动自行车充电时共同的负荷特性,提出基于小波事件检测和两阶段特征选择的非侵入式电动自行车室内充电监测系统。首先,利用多层小... 展开更多; 关键词非侵入式负荷监测电动自行车室内充电小波变换特征选择一类支持向量机; 在线阅读下载PDF 职称材料

基于CEEMDAN-精细复合多尺度熵和Stacking集成学习的短期风电功率预测被引量：6: 2; 作者康文豪徐天奇 +2 位作者王阳光邓小亮李琰《水利水电技术（中英文）》北大核心 2022年第2期163-172,共10页; 为了解决风电功率的间歇性与非平稳性带来的功率预测难度,提出了一种基于CEEMDAN-精细复合多尺度熵和Stacking集成学习的短期风电功率预测方法。在对风电功率进行预测之前,对风电功率数据进行预处理。首先引入自适应噪声完备集合经验模... 展开更多; 关键词短期风电功率预测 CEEMDAN 精细复合多尺度熵 Stacking集成学习影响因素新能源清洁可再生能源; 在线阅读下载PDF 职称材料

基于特征工程和MRFO-ET的短期风电功率预测被引量：5: 3; 作者康文豪徐天奇 +2 位作者王阳光邓小亮李琰《水利水电技术（中英文）》北大核心 2022年第3期185-194,共10页; 为解决风电历史数据挖掘不充分导致的预测精度不高问题,提出一种基于特征工程、蝠鲼觅食优化算法(Manta Ray Foraging Optimization,MRFO)和极端随机树(Extremely Randomized Trees,ET)模型的短期风电功率预测方法。首先对时间特征提取... 展开更多; 关键词短期风电功率预测特征工程主成分分析蝠鲼觅食优化算法极端随机树新能源影响因素人工智能算法; 在线阅读下载PDF 职称材料

基于特征选择和改进深度森林的短期风电功率预测被引量：7: 4; 作者康文豪徐天奇 +2 位作者王阳光邓小亮李琰《陕西科技大学学报》北大核心 2021年第6期148-153,188,共7页; 针对风电数据特征维数高、数据冗余性大和有效特征挖掘不充分,最终导致预测精度偏低的问题,提出了一种基于特征选择和改进深度森林的短期风电功率预测方法.首先使用Kendall Rank相关系数、灰色关联度和随机森林特征重要性三种方法进行... 展开更多; 关键词短期风电功率预测特征选择深度森林; 在线阅读下载PDF 职称材料

基于越限风险值指标的电网脆弱环节识别: 5; 作者赵莹李琰徐天奇《陕西科技大学学报》北大核心 2022年第5期185-190,203,共7页; 为了提高电力系统运行的稳定性,针对电网运行时受不确定因素影响会引起线路功率和节点电压越限的问题,考虑风电和负荷波动两个不确定因素提出越限风险值指标识别电网的脆弱环节.首先,分别定义线路功率越限风险值指标和节点电压越限风险... 展开更多; 关键词越限风险值指标脆弱环节 BDD n-k方法; 在线阅读下载PDF 职称材料

题名基于NILM的电动自行车室内充电监测: 1; 作者陈志高李琰徐天奇; 机构云南民族大学电气信息工程学院云南民族大学云南省无人自主系统重点实验室云南民族大学云南省高校电力信息物理融合系统重点实验室; 出处《现代电子技术》北大核心 2025年第9期167-172,共6页; 基金国家自然科学基金项目(62062068) 云南省青年学术和技术带头人计划(202305AC160077)。; 文摘电动自行车室内充电导致的火灾事故频发,监测其室内充电行为成为一大难题。文中通过研究各类品牌与型号电动自行车充电时共同的负荷特性,提出基于小波事件检测和两阶段特征选择的非侵入式电动自行车室内充电监测系统。首先,利用多层小波变换对信号发生突变时的敏感性,基于电动自行车充电时负荷的暂态特性捕捉充电事件,提高检测精度并降低计算量。然后,利用其稳态特性进行两阶段特征选择:第一阶段使用MDMR过滤器对14种负荷特征的重要性进行排序;第二阶段采用OCSVM作为包装器筛选最优特征子集。实际用户监测实验验证了该方法能够做到快速响应和高精度识别并且计算成本低,为电动自行车室内充电监测提供了一种经济高效的解决方案。; 关键词非侵入式负荷监测电动自行车室内充电小波变换特征选择一类支持向量机; Keywords NILM EB indoor charging wavelet transform feature selection OCSVM; 分类号 TN609-34 [电子电信—电路与系统] TM930.1 [电气工程—电力电子与电力传动]; 在线阅读下载PDF 职称材料

题名基于CEEMDAN-精细复合多尺度熵和Stacking集成学习的短期风电功率预测被引量：6: 2; 作者康文豪徐天奇王阳光邓小亮李琰; 机构云南民族大学云南省高校电力信息物理融合系统重点实验室国网湖南省电力有限公司; 出处《水利水电技术（中英文）》北大核心 2022年第2期163-172,共10页; 基金国家自然科学基金项目(61761049)。; 文摘为了解决风电功率的间歇性与非平稳性带来的功率预测难度,提出了一种基于CEEMDAN-精细复合多尺度熵和Stacking集成学习的短期风电功率预测方法。在对风电功率进行预测之前,对风电功率数据进行预处理。首先引入自适应噪声完备集合经验模态分解(CEEMDAN)方法分解风电功率原始序列,并计算各分解分量的精细复合多尺度熵(RCMSE)。然后,将熵值相近的分量序列重组成新序列,以降低模型复杂度和提高计算效率。在预测阶段,对重组之后的序列分别建立Stacking集成学习模型进行风电功率短期预测,最后对预测结果进行重组。通过新疆某风电场实测数据证明:结合各单一预测模型优点的Stacking集成学习模型方法与其4种基学习器KNN、RF、SVR和ANN相比,Stacking模型具有更高的风电预测准确度。在同等条件下,CEEMDAN-RCMSE-Stacking模型均方根误差相比单一的Stacking模型及EMD-RCMSE-Stacking模型分别减少了20.34%和9.74%,平均绝对误差分别减少了24.55%和6.35%,而拟合优度系数分别提高了4.09%和1.62%,即CEEMDAN-RCMSE-Stacking模型拥有更高的预测性能。; 关键词短期风电功率预测 CEEMDAN 精细复合多尺度熵 Stacking集成学习影响因素新能源清洁可再生能源; Keywords short-term wind power prediction CEEMDAN refined composite multiscale entropy Stacking ensemble learning influencing factors new energy clean and renewable energy; 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

题名基于特征工程和MRFO-ET的短期风电功率预测被引量：5: 3; 作者康文豪徐天奇王阳光邓小亮李琰; 机构云南民族大学云南省高校电力信息物理融合系统重点实验室国网湖南省电力有限公司; 出处《水利水电技术（中英文）》北大核心 2022年第3期185-194,共10页; 基金国家自然科学基金项目(61761049)。; 文摘为解决风电历史数据挖掘不充分导致的预测精度不高问题,提出一种基于特征工程、蝠鲼觅食优化算法(Manta Ray Foraging Optimization,MRFO)和极端随机树(Extremely Randomized Trees,ET)模型的短期风电功率预测方法。首先对时间特征提取小时属性特征,并通过对风速、风向和温度等原始气象特征进行特征创造,从而充分挖掘历史数据的隐含信息,同时通过PCA方法降低数据维度。其次,将降维后的数据输入ET模型,并利用MRFO优化ET模型的参数;最后,以新疆某风电场实测数据进行了算例仿真。结果表明:与5种典型机器学习模型相比,ET模型具有更高的风电预测准确度。与单一ET模型相比,特征工程-ET模型较大程度地提高了预测精度,验证了特征工程方法的有效性。在同等条件下,特征工程-MRFO-ET模型比使用特征工程-ET模型均方根误差和平均绝对误差分别降低了29.46%和36.54%,而拟合优度系数提高了3.97%。与此同时,特征工程-MRFO-ET模型也比特征工程-GA-ET模型和特征工程-PSO-ET模型拥有更高的预测精度。研究成果可为解决短期风电功率预测问题提供了一种新的思路。; 关键词短期风电功率预测特征工程主成分分析蝠鲼觅食优化算法极端随机树新能源影响因素人工智能算法; Keywords short-term wind power prediction feature engineering principal component analysis manta ray foraging optimization(MRFO) extremely randomized trees(ET) new energy influencing factors artificial intelligence algorithm; 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

题名基于特征选择和改进深度森林的短期风电功率预测被引量：7: 4; 作者康文豪徐天奇王阳光邓小亮李琰; 机构云南民族大学云南省高校电力信息物理融合系统重点实验室国网湖南省电力有限公司; 出处《陕西科技大学学报》北大核心 2021年第6期148-153,188,共7页; 基金国家自然科学基金项目(61761049)。; 文摘针对风电数据特征维数高、数据冗余性大和有效特征挖掘不充分,最终导致预测精度偏低的问题,提出了一种基于特征选择和改进深度森林的短期风电功率预测方法.首先使用Kendall Rank相关系数、灰色关联度和随机森林特征重要性三种方法进行特征选择,选择有效特征,综合确定最佳输入特征集.然后,在深度森林的基础上,引入优良预测性能的极端随机树构建级联层,提出改进深度森林模型以提高模型泛化能力和预测性能.最后,建立改进深度森林模型进行风电功率短期预测.以新疆某风电场实测数据进行了算例仿真,验证了该方法的有效性.结果表明其与对比方法相比,具有更好的准确性和拟合效果.; 关键词短期风电功率预测特征选择深度森林; Keywords short-term wind power prediction feature selection deep forest; 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

题名基于越限风险值指标的电网脆弱环节识别: 5; 作者赵莹李琰徐天奇; 机构云南民族大学云南省高校电力信息物理融合系统重点实验室云南省高校信息与通信安全灾备重点实验室; 出处《陕西科技大学学报》北大核心 2022年第5期185-190,203,共7页; 基金国家自然科学基金项目(62062068,61761049)。; 文摘为了提高电力系统运行的稳定性,针对电网运行时受不确定因素影响会引起线路功率和节点电压越限的问题,考虑风电和负荷波动两个不确定因素提出越限风险值指标识别电网的脆弱环节.首先,分别定义线路功率越限风险值指标和节点电压越限风险值指标;接着,用n-k方法分别模拟电网中的线路断开和节点失效的情况,得到线路越限风险值和节点越限风险值分别对线路和节点进行排序;并利用二元决策图(BDD)算法提高n-k方法的识别效率;然后对IEEE 30节点系统和IEEE 118节点系统进行实验,验证越限风险值指标和n-k识别方法的有效性和普适性;最后分别模拟线路断开和节点故障,基于IEEE 118节点系统的切负荷量来评价识别指标和方法.; 关键词越限风险值指标脆弱环节 BDD n-k方法; Keywords out-of-limit risk index vulnerable links BDD n-k method; 分类号 TM743 [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NILM的电动自行车室内充电监测	陈志高李琰徐天奇	《现代电子技术》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于CEEMDAN-精细复合多尺度熵和Stacking集成学习的短期风电功率预测	康文豪徐天奇王阳光邓小亮李琰	《水利水电技术（中英文）》北大核心	2022	6	在线阅读下载PDF 职称材料
3	基于特征工程和MRFO-ET的短期风电功率预测	康文豪徐天奇王阳光邓小亮李琰	《水利水电技术（中英文）》北大核心	2022	5	在线阅读下载PDF 职称材料
4	基于特征选择和改进深度森林的短期风电功率预测	康文豪徐天奇王阳光邓小亮李琰	《陕西科技大学学报》北大核心	2021	7	在线阅读下载PDF 职称材料
5	基于越限风险值指标的电网脆弱环节识别	赵莹李琰徐天奇	《陕西科技大学学报》北大核心	2022	0	在线阅读下载PDF 职称材料