基于堆叠自动编码器的电力系统暂态稳定评估 被引量：75

1

作者 朱乔木 陈金富 +3 位作者 李弘毅 石东源 李银红 段献忠 《中国电机工程学报》 EI CSCD 北大核心 2018年第10期2937-2946,共10页

将深度学习的思想和模型引入电力系统暂态稳定评估研究中，提出一种基于堆叠自动编码器的电力系统暂态稳定评估方法。该方法无需人工计算形成输入特征，直接面向底层量测数据，通过深层架构建立量测数据与稳定类别之间的非线性映射关系... 将深度学习的思想和模型引入电力系统暂态稳定评估研究中，提出一种基于堆叠自动编码器的电力系统暂态稳定评估方法。该方法无需人工计算形成输入特征，直接面向底层量测数据，通过深层架构建立量测数据与稳定类别之间的非线性映射关系。采用一种“预训练一参数微调”的两阶段学习方法，同时引入稀疏化技术和Dropout技术对模型参数进行优化。训练后的模型能够依靠深层结构挖掘数据的隐藏模式，提取出有利于暂态稳定评估的高阶特征。此外，该方法能够通过大量无标注样本的无监督训练提高模型泛化能力，从而大大缩减训练样本时域仿真耗时。新英格兰10机39节点系统上的仿真结果表明所提方法比常规浅层评估方法的评估性能更加优越。 展开更多

关键词 深度学习 电力系统 暂态稳定评估 堆叠自动编码器 底层量测数据

下载PDF 职称材料

基于堆叠自编码网络的风电机组发电机状态监测与故障诊断 被引量：50

2

作者 赵洪山 刘辉海 +1 位作者 刘宏杨 林酉阔 《电力系统自动化》 EI CSCD 北大核心 2018年第11期102-108,共7页

为实现风力发电机的异常检测分析,提出了一种基于风电机组发电机正常状态下数据采集与监控(SCADA)样本数据的堆叠自编码网络深度学习方法。首先将多个自编码网络连接构成深度堆叠自编码网络,选取发电机SCADA状态变量数据作为网络的训练... 为实现风力发电机的异常检测分析,提出了一种基于风电机组发电机正常状态下数据采集与监控(SCADA)样本数据的堆叠自编码网络深度学习方法。首先将多个自编码网络连接构成深度堆叠自编码网络,选取发电机SCADA状态变量数据作为网络的训练输入,使网络逐层智能提取数据间的分布式规则,从而构建发电机的堆叠自编码学习模型。依据故障状态下发电机SCADA数据内部动态平衡规则被破坏,利用发电机深度学习网络的输入与重构值计算重构误差,并作为整体状态的观测量。通过采用自适应阈值检测重构误差的状态趋势变化,并作为异常预警判定准则,从而实现对发电机故障的判定。当发电机发生异常时,变量的实际值与对应模型的重构值发生较大偏差,表现为状态变量的残差趋势将会偏离原有的动态稳定状态。因此利用状态变量的残差趋势变化对异常变量进行隔离,判定可能的故障原因达到故障诊断的目的。通过对发电机故障前后记录数据进行仿真分析,结果验证了堆叠自编码网络深度学习方法对发电机状态监测与故障诊断的有效性。 展开更多

关键词 风电机组 深度学习 堆叠自编码 状态监测 故障诊断

下载PDF 职称材料

基于堆栈式自动编码器的加密流量识别方法 被引量：17

3

作者 王攀 陈雪娇 《计算机工程》 CAS CSCD 北大核心 2018年第11期140-147,153,共9页

基于浅层机器学习的加密流量识别方法准确率偏低,在特征提取和选择方面耗时耗力。为此,提出一种基于堆栈式自动编码器(SAE)的加密流量识别方法。该方法利用SAE的无监督特性及在数据降维等方面的优势,结合多层感知机(MLP)的有监督分类学... 基于浅层机器学习的加密流量识别方法准确率偏低,在特征提取和选择方面耗时耗力。为此,提出一种基于堆栈式自动编码器(SAE)的加密流量识别方法。该方法利用SAE的无监督特性及在数据降维等方面的优势,结合多层感知机(MLP)的有监督分类学习,实现对加密应用流量的准确识别。考虑到样本数据集的类别不平衡性对分类精度的影响,采用SMOTE过抽样方法对不平衡数据集进行处理。实验结果表明,该方法各项性能指标均优于MLP加密流量识别方法,识别精确度和召回率以及F1-Score均可达到99%。 展开更多

关键词 加密流量识别 深度学习 堆栈式自动编码器 流量分类 多层感知机 卷积神经网络

下载PDF 职称材料

基于栈式自编码网络的风机叶片结冰预测 被引量：15

4

作者 刘娟 黄细霞 刘晓丽 《计算机应用》 CSCD 北大核心 2019年第5期1547-1550,共4页

针对风电机组叶片结冰严重影响风机发电效率和安全性、经济性的问题,提出一种基于SCADA数据的栈式自编码(SAE)网络叶片结冰早期预测模型。该模型采用编码-解码的非监督方法对无标签的数据集预训练,再利用反向传播算法对有标签的数据集... 针对风电机组叶片结冰严重影响风机发电效率和安全性、经济性的问题,提出一种基于SCADA数据的栈式自编码(SAE)网络叶片结冰早期预测模型。该模型采用编码-解码的非监督方法对无标签的数据集预训练,再利用反向传播算法对有标签的数据集进行训练微调,实现了故障特征的自适应提取和状态分类,有效降低了传统预测模型的复杂度,同时避免了人为特征提取对模型效果的影响。利用SCADA系统采集的某15号风机的历史数据进行训练和测试,该模型测试结果准确率为97.28%。与支持向量机(SVM)和主成分分析-支持向量机(PCA-SVM)方法得到的建模分别为91%和93%的准确率进行对比分析,实验结果表明,基于栈式自编码网络的风机叶片结冰预测模型精确度更高。 展开更多

关键词 风机叶片结冰预测 栈式自编码 深度学习 预测模型

下载PDF 职称材料

考虑动态过程的可调资源集群多时间节点响应潜力评估方法 被引量：6

5

作者 孔祥玉 刘超 +2 位作者 陈宋宋 陈启鑫 王铮涛 《电力系统自动化》 EI CSCD 北大核心 2022年第18期55-64,共10页

随着高比例可再生能源的接入,负荷侧可调节资源成为各类电网平衡调节业务的重要手段。为获取可调资源集群在各种不确定性因素影响下不同时间节点响应潜力的概率分布,提出了考虑动态过程的可调资源集群多时间节点响应潜力评估方法。该方... 随着高比例可再生能源的接入,负荷侧可调节资源成为各类电网平衡调节业务的重要手段。为获取可调资源集群在各种不确定性因素影响下不同时间节点响应潜力的概率分布,提出了考虑动态过程的可调资源集群多时间节点响应潜力评估方法。该方法首先提出考虑响应动态过程的响应潜力评估指标,然后使用集成经验模态分解和堆栈自编码器提取可调资源用电特征,接着将该特征用于求取消费者心理学模型中的关键参数,最终形成各时间节点下可调资源集群响应潜力的概率分布。最后,通过算例分析验证了所提方法的有效性,并分析了典型业务场景下集群的有效响应潜力。 展开更多

关键词 电网平衡调节 可调资源 潜力评估 集成经验模态分解 堆栈自编码器 多时间节点 动态响应指标

下载PDF 职称材料

ARM+FPGA双核计算的配电自动化终端设计

6

作者 郑军生 杨俊哲 +1 位作者 许文秀 吴宏伟 《自动化仪表》 CAS 2024年第1期59-63,共5页

为了提高配电自动化终端数据信息自动化分析能力,设计了基于ARM+现场可编程门阵列(FPGA)双核计算的配电自动化终端。为了提高模块计算能力,在模块中构建了堆叠式自动编码器-神经网络(SAE-NN)深度学习算法模型。在常规堆叠式自动编码器(S... 为了提高配电自动化终端数据信息自动化分析能力,设计了基于ARM+现场可编程门阵列(FPGA)双核计算的配电自动化终端。为了提高模块计算能力,在模块中构建了堆叠式自动编码器-神经网络(SAE-NN)深度学习算法模型。在常规堆叠式自动编码器(SAE)深度学习模型基础上融合神经网络(NN)模型,应用过程中改善传统NN对分层节点数目的限制。试验结果表明,所设计终端随着系统运行能达到95%以上的精度,而现有SAE模型仅达到85%左右的精度。通过与文献[1]和文献[2]方法的对比可知,所设计终端有较高的调度能力。该设计显著提高了配电网数据信息的分析精度,大幅提升了电网应用对数据信息处理的准确度和效率。 展开更多

关键词 配电自动化终端 现场可编程门阵列 堆叠式自动编码器 神经网络 数据调试 分析精度 调度能力

下载PDF 职称材料

基于HOG的目标分类特征深度学习模型 被引量：6

7

作者 何希平 张琼华 刘波 《计算机工程》 CAS CSCD 北大核心 2016年第12期176-180,187,共6页

为提高低配置计算环境中的视觉目标实时在线分类特征提取的时效性和分类准确率,提出一种新的目标分类特征深度学习模型。根据高时效性要求,选用分类器模型离线深度学习的策略,以节约在线训练时间。针对网络深度受限和高识别率要求,提取... 为提高低配置计算环境中的视觉目标实时在线分类特征提取的时效性和分类准确率,提出一种新的目标分类特征深度学习模型。根据高时效性要求,选用分类器模型离线深度学习的策略,以节约在线训练时间。针对网络深度受限和高识别率要求,提取图像的局部方向梯度直方图(HOG)特征,构建稀疏自编码器栈对HOG特征进行深层次编码,设计Softmax多分类器对所抽取的特征进行分类。在深度神经网络模型学习过程中,引入最小化各层结构风险和微调全网参数的二阶段最优化策略。利用场景图像库Caltech101和手写数字库MNIST的训练样本与测试样本进行对比实验,结果表明,该模型在局部特征提取方面的时效优于单层卷积神经网络(CNN)模型,分类准确率高于CNN、栈式自编码器等对比模型。 展开更多

关键词 计算机视觉 目标分类 方向梯度直方图特征 栈式自编码器 深度学习

下载PDF 职称材料

基于电梯监控视频的轿厢中狗识别的算法研究 被引量：2

8

作者 张媛 臧坤 +3 位作者 华志超 李岩 安婷婷 章国宝 《机械设计与制造工程》 2018年第3期103-107,共5页

提出了一种基于电梯监控视频、用于检测轿厢中是否存在狗的算法。该算法结合栈式自编码网络(SAE),使用梯度方向直方图(HOG)来表征狗的特征。首先,采集大量电梯轿厢中狗的正负样本进行训练并提取梯度特征;然后构建栈式自编码网络并将梯... 提出了一种基于电梯监控视频、用于检测轿厢中是否存在狗的算法。该算法结合栈式自编码网络(SAE),使用梯度方向直方图(HOG)来表征狗的特征。首先,采集大量电梯轿厢中狗的正负样本进行训练并提取梯度特征;然后构建栈式自编码网络并将梯度特征输入其中进行无监督学习来获取更深层特征模型;最后训练Softmax分类器得到最终的电梯中狗识别的模型。此外,该算法通过对视频的背景差分处理能够精准地定位待识别的区域,从而极大提高算法效率。最终实现了电梯轿厢中狗的实时检测,识别率达到89%左右。 展开更多

关键词 电梯环境 狗检测 栈式自编码网络 梯度直方图 Softmax分类器 背景差分

下载PDF 职称材料

基于栈式自动编码机的选票手写字符识别算法 被引量：2

9

作者 徐傲 彭程 《计算机应用》 CSCD 北大核心 2017年第A02期183-185,197,共4页

针对选举系统手写字符识别率低的问题,提出基于栈式自动编码机(SAE)的手写字符识别算法。首先利用无监督学习,通过栈式自动编码神经网络逐层训练,获得比原始数据更加抽象和健壮的高阶特征;然后,利用监督学习,结合Softmax神经网络,整体... 针对选举系统手写字符识别率低的问题,提出基于栈式自动编码机(SAE)的手写字符识别算法。首先利用无监督学习,通过栈式自动编码神经网络逐层训练,获得比原始数据更加抽象和健壮的高阶特征;然后,利用监督学习,结合Softmax神经网络,整体微调训练网络优化模型,根据提取出的高阶特征进行字符识别;最后,通过提出的统计阈值判别法,不具有二义性的符号直接输出,人工审核有二义性的符号以保证识别结果的高准确率。实验结果表明,该算法相比图像处理方法、浅层学习算法等都具有更高的准确率,且能在一定程度上处理二义性填涂,适用于正式的选举场景。 展开更多

关键词 选票系统 手写字符 栈式自动编码机 Softmax回归 深度学习

下载PDF 职称材料

一种基于BOA-SAE-EELM的光伏阵列故障诊断方法 被引量：1

10

作者 陈世群 杨耿杰 高伟 《太阳能学报》 EI CAS CSCD 北大核心 2022年第4期154-161,共8页

光伏阵列非线性输出的特性以及最大功率点跟踪算法,会影响光伏阵列保护设备的工作。为了正确辨识光伏阵列的运行状态,本研究提出一种基于贝叶斯优化算法(BOA)、堆栈自动编码器(SAE)以及集成极限学习机(EELM)相结合的故障诊断方法。首先... 光伏阵列非线性输出的特性以及最大功率点跟踪算法,会影响光伏阵列保护设备的工作。为了正确辨识光伏阵列的运行状态,本研究提出一种基于贝叶斯优化算法(BOA)、堆栈自动编码器(SAE)以及集成极限学习机(EELM)相结合的故障诊断方法。首先,将光伏阵列的时序波形进行标准化处理;接着,使用SAE对标准化后的时序波形进行特征自动提取,并训练一个EELM的故障分类模型;最后,利用BOA对诊断模型的超参数进行优化。实验结果表明所提方法对仿真和实验的故障诊断准确率分别达到了98.40%和98.10%,优于反向传播(BP)神经网络、支持向量机、随机森林等方法。 展开更多

关键词 光伏阵列 故障诊断 堆栈自动编码器 极限学习机 贝叶斯优化算法 时序波形

下载PDF 职称材料

基于独立稀疏SAE的多风电场超短期功率预测 被引量：1

11

作者 李丹 王奇 +1 位作者 杨保华 张远航 《电力系统及其自动化学报》 CSCD 北大核心 2022年第2期23-30,共8页

为应对多风电场超短期预测模型中输入和输出变量众多、变量间的时空关系复杂等问题,提出一种基于独立稀疏堆叠自编码器的多风电场超短期功率预测方法。该方法基于降维编码、特征预测和重构解码相结合的预测框架,首先设计了一种独立稀疏... 为应对多风电场超短期预测模型中输入和输出变量众多、变量间的时空关系复杂等问题,提出一种基于独立稀疏堆叠自编码器的多风电场超短期功率预测方法。该方法基于降维编码、特征预测和重构解码相结合的预测框架,首先设计了一种独立稀疏双层堆叠自编码器提取多维风电功率的空间独立特征,并将其作为预测对象分别预测,最后将特征预测的结果重构解码,获得多风电场功率的预测结果。对实际算例的验证结果表明,独立稀疏堆叠自编码器能增强提取特征的可靠性、独立性和合理性,从而有效提高多风电场超短期功率预测的精度和效率。 展开更多

关键词 多风电场 功率预测 堆叠自编码器 稀疏性约束 独立性约束

下载PDF 职称材料

融合PSO优化的相关变模态分解与深度学习的旋转机械早期故障智能分类方法

12

作者 董红平 李明 《计算机测量与控制》 2020年第1期71-75,共5页

针对旋转机械早期故障信号呈现微弱、相互干扰,易导致故障智能分类精度低的现状,提出一种融合优化的PSORVMD(particle swarm optimization-relevant variational mode decomposition)与SAE(stacked autoencoder)的旋转机械早期故障分类... 针对旋转机械早期故障信号呈现微弱、相互干扰,易导致故障智能分类精度低的现状,提出一种融合优化的PSORVMD(particle swarm optimization-relevant variational mode decomposition)与SAE(stacked autoencoder)的旋转机械早期故障分类方法;智能分类方法主要由信号增强与智能分类两阶段组成;首先该方法利用所改进的PSO-RVMD分解电机-轴承系统的早期故障振动信号,通过定义的相关能量比概念计算各分量信号(IMFs)与原始信号之间的相关程度,筛选并重构相关程度高的分量,去除冗余与不相干的干扰与噪声成分,实现信号增强;最后,将增强的早期微弱信号输入到SAE模型中进行训练;利用SAE模型提取高层、抽象且利于分类的深度特征且在最后一层添加BP层,直接对提取的深度特征进行故障分类;通过仿真与实际电机-轴承系统振动信号验证了该方法的有效性,结果表明该方法能快速的实现旋转机械早期微弱故障的精确识别与诊断,提高故障特征学习与自动分类程度。 展开更多

关键词 旋转机械 早期故障诊断 群粒子优化的相关变模态分解(PSO-RVMD) 堆栈自编码(sae)

下载PDF 职称材料

奇异值分解和稀疏自编码器的轴承故障诊断 被引量：15

13

作者 曹浩 陈里里 +1 位作者 司吉兵 任君兰 《计算机工程与应用》 CSCD 北大核心 2019年第20期257-262,270,共7页

针对滚动轴承故障特征提取和分类需要进行有监督训练才能实现等问题,提出了一种基于奇异值分解(SVD)和时域统计特征分析并结合堆栈稀疏自编码器(SAE)以及Softmax 分类器实现滚动轴承故障诊断方法。该方法利用Hankle 矩阵对原始数据进行... 针对滚动轴承故障特征提取和分类需要进行有监督训练才能实现等问题,提出了一种基于奇异值分解(SVD)和时域统计特征分析并结合堆栈稀疏自编码器(SAE)以及Softmax 分类器实现滚动轴承故障诊断方法。该方法利用Hankle 矩阵对原始数据进行矩阵重构,利用奇异值分解和时域分析对重构后的故障信号进行特征预提取,融合两种特征并输入到堆栈稀疏自编码器中进行特征优化,将优化后的特征输入到Softmax 分类器中进行分类识别。实验结果表明,3 种工况下10 类故障数据的识别准确率均在96%左右,且高于文中其他方法,因此该方法能有效地进行滚动轴承复杂信号的特征预处理以及分类。 展开更多

关键词 滚动轴承故障 奇异值分解(SVD) 时域分析 堆栈稀疏自编码器(sae)

下载PDF 职称材料

涡轮叶片早期裂纹的三维叶尖间隙EEMD能量熵融合诊断方法 被引量：5

14

作者 黄鑫 张小栋 +3 位作者 刘洪成 张英杰 熊逸伟 徐志豪 《航空动力学报》 EI CAS CSCD 北大核心 2020年第5期918-927,共10页

为了解决航空发动机涡轮叶片早期裂纹故障信号微弱、难以识别的问题,提出一种基于三维叶尖间隙集成经验模态分解(EEMD)能量熵融合的涡轮叶片早期裂纹诊断方法。采集涡轮叶片三维叶尖间隙信息,利用EEMD分别对三维叶尖间隙各维信号进行处... 为了解决航空发动机涡轮叶片早期裂纹故障信号微弱、难以识别的问题,提出一种基于三维叶尖间隙集成经验模态分解(EEMD)能量熵融合的涡轮叶片早期裂纹诊断方法。采集涡轮叶片三维叶尖间隙信息,利用EEMD分别对三维叶尖间隙各维信号进行处理,得到相应的固有模态函数(IMF),以此计算每一维信号分量EEMD能量熵,构建能表征叶片裂纹状态的不同EEMD能量熵高维矢量集。建立多个堆叠自动编码器(SAE)分别对各高维矢量集进行特征学习并提取所学习的深层特征表达。利用支持向量机算法(SVM)和遗传算法(GA)融合各维深层特征以综合不同维度信息进而充分判定叶片裂纹状态。通过涡轮叶片裂纹诊断试验,结果表明:所提方法能有效提高叶片早期裂纹诊断精度,其平均准确率达到98.415%,标准差仅为0.697%,具有很好的稳定性、泛化性和自适应性。 展开更多

关键词 涡轮叶片 三维叶尖间隙 信息融合 集成经验模态分解(EEMD) 堆叠自动编码器(sae) 故障诊断

原文传递