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
共找到273篇文章
< 1 2 … 14 >
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：
排列熵—CEEMD分解下的新型小波阈值去噪谐波检测方法 被引量：29
1
作者 李志军 张鸿鹏 +1 位作者 王亚楠 李笑 《电机与控制学报》 EI CSCD 北大核心 2020年第12期120-129,共10页
基于补充经验模态分解(CEEMD)的谐波检测方法虽然能在一定程度上改善经验模态分解(EMD)的模态混叠问题,但由于非平稳信号本身存在噪声和在分解过程中需要额外增添辅助噪声,导致分解后的固有模态函数(IMFS)出现虚假分量和噪声残留,严重... 基于补充经验模态分解(CEEMD)的谐波检测方法虽然能在一定程度上改善经验模态分解(EMD)的模态混叠问题,但由于非平稳信号本身存在噪声和在分解过程中需要额外增添辅助噪声,导致分解后的固有模态函数(IMFS)出现虚假分量和噪声残留,严重影响了谐波特征信息的提取。本文在传统CEEMD基础之上,提出了一种基于排列熵(PE)算法的PE—CEEMD分解方法用以改善CEEMD分解中产生虚假分量的不足,并针对分解中噪声残留问题,采用了一种新型阈值函数下的小波阈值去噪(WTD)方法,对分解后得到的固有模态函数(IMFS)进行去噪处理,在对降噪处理过的IMFS中包含的各次谐波的特征信息进行提取。仿真实验表明,PE—CEEMD分解方法能够有效改善CEMMD中的虚假分量现象,而新型阈值函数下的WTD方法则能够有效消除残留噪声对IMFS特征信息提取带来的影响,提高了对谐波信号的检测精度,具有良好的抗噪性能。 展开更多
关键词 CEEMD EMD 排列熵 模态混叠 虚假分量 小波阈值去噪 谐波检测
下载PDF
基于CEEMDAN改进阈值滤波的微机电陀螺信号去噪模型 被引量：24
2
作者 张宁 刘友文 《中国惯性技术学报》 EI CSCD 北大核心 2018年第5期665-669,674,共6页
为了提高微机电系统(MEMS)陀螺信号的去噪效果,以自适应噪声的完备集成经验模态分解(CEEMDAN)方法为理论基础,并针对常规软阈值和硬阈值函数存在的不足,提出了一种基于改进阈值函数的CEEMDAN滤波去噪模型。该模型首先应用CEEMDAN方法将... 为了提高微机电系统(MEMS)陀螺信号的去噪效果,以自适应噪声的完备集成经验模态分解(CEEMDAN)方法为理论基础,并针对常规软阈值和硬阈值函数存在的不足,提出了一种基于改进阈值函数的CEEMDAN滤波去噪模型。该模型首先应用CEEMDAN方法将陀螺信号有效地分解为多个固有模态函数(IMF)分量;其次通过相关系数法判断噪声分量与有效分量的界限;进而对噪声分量进行阈值设置并使用改进阈值函数进行滤波处理;最后重构滤波处理后的噪声分量与有效分量以得到去噪后的信号。实际陀螺信号去噪试验结果显示:所提模型相对于CEEMDAN、集成经验模态分解(EEMD)、经验模态分解(EMD)强制去噪方法及小波分析方法,其信噪比提高了约3.9dB,均方根误差降低了约36%;所提模型相对于CEEMDAN结合软、硬阈值函数的去噪模型,均方根误差降低了30%以上。表明采用所提模型可以对MEMS陀螺输出信号进行有效去噪,提升去噪性能。 展开更多
关键词 微机电陀螺信号 自适应噪声 完备集成经验模态分解 改进阈值函数 滤波去噪
下载PDF
基于CEEMD-GRNN组合模型的月径流预测方法 被引量：22
3
作者 赵雪花 桑宇婷 祝雪萍 《人民长江》 北大核心 2019年第4期117-123,141,共8页
针对径流序列的噪声因素与非线性特性,采用互补集合经验模态分解法(Complete Ensemble Empirical Mode Decomposition, CEEMD)与广义回归神经网络(Generalized Regression Neural Networks, GRNN)的组合模型,对汾河上游上静游站、汾河... 针对径流序列的噪声因素与非线性特性,采用互补集合经验模态分解法(Complete Ensemble Empirical Mode Decomposition, CEEMD)与广义回归神经网络(Generalized Regression Neural Networks, GRNN)的组合模型,对汾河上游上静游站、汾河水库站、寨上站、兰村站1958～2000年的月径流序列进行实例研究,探究3种不同建模方式下的组合模型对预测精度的影响,其中组合模型1使用加权平均集成法将各分量预测结果相加,组合模型2去除高频分量后再使用加权平均集成法将剩余分量预测结果相加,组合模型3去除高频分量后将剩余分量预测结果直接相加;再将组合模型与单一GRNN模型进行对比。结果表明:各模型的确定性系数(NS)均大于0.5,预测结果均具有可信度;不同的月径流资料适用不同的建模方法,对于极差较小的月径流序列,组合模型1预测效果最好,与另外两种组合模型及单一模型相比,平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、均方根误差(RMSE)分别平均减少26%,17%,23%;对于极差较大的径流序列,组合模型2预测效果最好,与另外两种组合模型及单一模型相比,MAE,MAPE,RMSE分别平均减少30%,28%,33%。组合模型2预测误差总小于组合模型3,即加权平均集成法对提高预测精度有一定作用。三种建模过程的CEEMD-GRNN组合模型预测误差均比单一GRNN模型小,说明组合模型较单一模型更适用于月径流预测。 展开更多
关键词 月径流预测 CEEMD模型 GRNN模型 加权平均集成法 汾河上游
下载PDF
可再生能源接入对电网电能质量的影响分析 被引量：20
4
作者 魏妍萍 王军 李南帆 《电网与清洁能源》 北大核心 2022年第1期108-114,共7页
从低频振荡角度分析可再生能源接入对系统电能质量的影响。首先,应用完全集合经验模态分解算法对可再生能源功率进行时频域分解,从而获取不同的固有模态函数(IMF)分量;然后,将各IMF分量接入三机九节点系统,获取相应的系统功率,并应用希... 从低频振荡角度分析可再生能源接入对系统电能质量的影响。首先,应用完全集合经验模态分解算法对可再生能源功率进行时频域分解,从而获取不同的固有模态函数(IMF)分量;然后,将各IMF分量接入三机九节点系统,获取相应的系统功率,并应用希尔伯特黄变换(HHT)求取对应的阻尼比,进而建立交并集原则辨识出对系统低频振荡影响严重的频段;再者,基于多阶低通滤波算法,利用储能对辨识出的功率波动频段进行补偿,以提高系统的电能质量。最后,应用算例验证了算法的有效性。 展开更多
关键词 可再生能源 完全集合经验模态分解算法 低频振荡 储能
下载PDF
基于CEEMDAN-ICA的单通道脑电信号眼电伪迹滤除方法 被引量：19
5
作者 罗志增 严志华 傅炜东 《传感技术学报》 CAS CSCD 北大核心 2018年第8期1211-1216,共6页
传统盲源分离法不能解决欠定问题,且分离信号与源信号对应关系不确定。提出一种基于自适应噪声完备经验模态分解(CEEMDAN)和独立成分分析(ICA)相结合的脑电信号眼电伪迹自动去除方法。该方法首先将含伪迹脑电信号自适应分解成多维本征... 传统盲源分离法不能解决欠定问题,且分离信号与源信号对应关系不确定。提出一种基于自适应噪声完备经验模态分解(CEEMDAN)和独立成分分析(ICA)相结合的脑电信号眼电伪迹自动去除方法。该方法首先将含伪迹脑电信号自适应分解成多维本征模态函数(IMF),以满足盲源分离方法对信号正定或超定要求,再对本征模态函数用ICA方法构建多维源信号,最后利用模糊熵阈值判据判别多维源信号中的伪迹信号,完成滤波并重构脑电信号。该方法相比于其他算法,能更好的去除眼电伪迹并保留原始信息,适合单通道脑电信号预处理。 展开更多
关键词 脑电信号处理 眼电伪迹 完备经验模态分解 独立成分分析
下载PDF
桥梁GNSS-RTK变形监测数据的多滤波联合去噪处理 被引量：14
6
作者 熊春宝 王猛 于丽娜 《测绘通报》 CSCD 北大核心 2020年第7期93-96,142,共5页
针对桥梁GNSS-RTK变形监测中多路径效应和随机噪声的影响,提出了一种基于Chebyshev滤波和自适应噪声的完备集合经验模态分解(CEEMDAN),以及小波阈值(WT)降噪技术的多滤波联合降噪方法。该方法首先对监测信号实施Chebyshev滤波抑制多路... 针对桥梁GNSS-RTK变形监测中多路径效应和随机噪声的影响,提出了一种基于Chebyshev滤波和自适应噪声的完备集合经验模态分解(CEEMDAN),以及小波阈值(WT)降噪技术的多滤波联合降噪方法。该方法首先对监测信号实施Chebyshev滤波抑制多路径效应;然后进行CEEMDAN分解,基于自相关性分析,对噪声IMF分量进行WT降噪去除随机噪声。本文以天津海河大桥GNSS-RTK变形监测作为试验,对监测数据进行多滤波降噪处理。结果表明:本文所提的多滤波降噪方法能有效抑制多路径效应和随机噪声,GNSS-RTK与多滤波降噪相结合的方法能够准确识别桥梁真实动态位移,为桥梁GNSS-RTK监测数据降噪处理提供了一种良好的途径。 展开更多
关键词 桥梁GNSS-RTK监测 降噪分析 自适应噪声 完备集合经验模态分解 多滤波联合
下载PDF
基于CEEMD-CNN-BiGRU-RF模型的短期风电功率预测 被引量：12
7
作者 曾亮 狄飞超 +1 位作者 兰欣 王珊珊 《可再生能源》 CAS CSCD 北大核心 2022年第2期190-195,共6页
风电功率的准确预测对电网的安全运行和经济调度起着重要作用,为进一步提高风电功率的预测精度,文章提出了一种基于CEEMD-CNN-BiGRU-RF模型的短期风电功率预测模型。首先,利用完全集成经验模态分解(CEEMD)对风电功率时间序列进行模态分... 风电功率的准确预测对电网的安全运行和经济调度起着重要作用,为进一步提高风电功率的预测精度,文章提出了一种基于CEEMD-CNN-BiGRU-RF模型的短期风电功率预测模型。首先,利用完全集成经验模态分解(CEEMD)对风电功率时间序列进行模态分解;其次,对分解的各个风电功率时间序列利用卷积神经网络(CNN)进行特征提取;再次,建立双向门控循环单元(Bi GRU)模型对各个风电功率时间序列进行预测,叠加各个分量的预测值;最后,对误差进行进一步分析与预测,利用随机森林(RF)进行误差修正,得到最终的风电功率预测值。实验仿真表明,该模型的预测效果明显优于传统模型,模型的平均绝对百分比误差(MAPE)仅为2.09%。 展开更多
关键词 风电功率预测 完全集成经验模态分解 卷积神经网络 双向门控循环单元 随机森林
下载PDF
基于人脸视频的非接触式心率测量方法 被引量：12
8
作者 刘祎 欧阳健飞 《纳米技术与精密工程》 CAS CSCD 北大核心 2016年第1期76-79,共4页
基于独立成分分析(ICA)和完全总体经验模态分解(CEEMD)方法,从人脸视频中提取脉搏波,进行心率测量.用摄像头非接触地拍摄人脸并从中提取R、G、B通道源信号,即皮肤颜色变化信号,利用ICA对其进行分析得到含噪脉搏信号,再用CEEMD将其分解,... 基于独立成分分析(ICA)和完全总体经验模态分解(CEEMD)方法,从人脸视频中提取脉搏波,进行心率测量.用摄像头非接触地拍摄人脸并从中提取R、G、B通道源信号,即皮肤颜色变化信号,利用ICA对其进行分析得到含噪脉搏信号,再用CEEMD将其分解,提取出脉搏波后用频谱分析计算得到心率.通过实验验证该方法与脉搏血氧仪测量结果具有很好的一致性.利用该非接触式测量方法可以准确地测出人体的心率,操作简单,适用于双盲实验,且自适应的脉搏波提取算法省略了传统线性滤波器的参数选取过程,大大减少了测量者的工作量. 展开更多
关键词 非接触 人脸视频 心率 独立成分分析 完全总体经验模态分解
下载PDF
基于CEEMD和LSTM-ARIMA的短期风速预测 被引量：10
9
作者 李秉晨 于惠钧 +1 位作者 丁华轩 刘靖宇 《中国测试》 CAS 北大核心 2022年第2期163-168,共6页
针对风速序列具有很强的随机性和波动性,提出一种基于完备总体经验模态分解(CEEMD)、长短期记忆网络(LSTM)和自回归差分移动平均(ARIMA)的组合预测模型来对短期风速进行准确预测。首先利用CEEMD算法将原始风速序列分解为多个模态分量,... 针对风速序列具有很强的随机性和波动性,提出一种基于完备总体经验模态分解(CEEMD)、长短期记忆网络(LSTM)和自回归差分移动平均(ARIMA)的组合预测模型来对短期风速进行准确预测。首先利用CEEMD算法将原始风速序列分解为多个模态分量,降低风速序列的复杂度;然后通过排列熵(PE)把风速子模态分为高频序列和低频序列,对高频序列和低频序列分别建立LSTM和ARIMA预测模型;最后把子序列预测结果叠加起来,得到最终的风速预测值。实验结果表明,该预测模型的平均绝对百分比误差(MAPE)和均方根误差(RMSE)分别为8.68%、0.389 m/s,与其他预测模型的预测结果相比,预测精度有了一定提高。 展开更多
关键词 风速预测 完备总体经验模态分解 长短期记忆网络 自回归差分移动平均
下载PDF
一种优化的微弱信号检测方法 被引量：8
10
作者 刘刚 行鸿彦 张金玉 《现代雷达》 CSCD 北大核心 2019年第6期23-30,共8页
针对混沌海杂波背景下的微弱信号检测问题,结合互补集成经验模态分解理论,提出了一种优化的核极限学习机微弱信号检测方法。采用互补集成经验模态分解法将混沌信号分解为一系列固有模态函数,通过核极限学习机对经相空间重构后的各模态... 针对混沌海杂波背景下的微弱信号检测问题,结合互补集成经验模态分解理论,提出了一种优化的核极限学习机微弱信号检测方法。采用互补集成经验模态分解法将混沌信号分解为一系列固有模态函数,通过核极限学习机对经相空间重构后的各模态函数分别建立预测模型,利用人工蜂群算法对核极限学习机的正则化系数和核参数进行优化,重构预测信号,从预测误差中检测出混沌海杂波背景中的微弱信号(瞬态信号与周期信号)。分别以Lorenz系统和IPIX雷达海杂波数据为例进行了仿真,并研究了不同强度的噪声对微弱信号检测的影响。结果表明:该方法可以有效地从混沌背景中检测出微弱目标信号,当系统不存在噪声时,Lorenz系统得到的均方根误差0. 000 000 12 (-118.959 1 dB)比传统极限学习机方法的均方根误差0.001 345 08(-80.154 7 dB)降低了4个数量级;若SNR≥0 dB,噪声对微弱目标信号检测的影响可以忽略;但当SNR<-7 dB,则无法检测出微弱信号。 展开更多
关键词 混沌海杂波 互补集成经验模态分解 人工蜂群算法 核极限学习机
下载PDF
基于CEEMD-SE-MM的中长期风速模拟方法 被引量：8
11
作者 徐杉杉 朱俊澎 袁越 《电力自动化设备》 EI CSCD 北大核心 2020年第2期69-75,共7页
高精度的风速模型对风资源的开发与利用具有重要意义。提出一种基于完全集合经验模态分解-样本熵-马尔可夫模型(CEEMD-SE-MM)的中长期风速模拟方法。利用CEEMD法对风速序列进行特征提取,将风速序列分解成一组固有模态函数和残差;以SE为... 高精度的风速模型对风资源的开发与利用具有重要意义。提出一种基于完全集合经验模态分解-样本熵-马尔可夫模型(CEEMD-SE-MM)的中长期风速模拟方法。利用CEEMD法对风速序列进行特征提取,将风速序列分解成一组固有模态函数和残差;以SE为特征归类固有模态函数合成新模态分量;基于MM对新模态分量片段进行谱聚类;拟合波动片段时长并整合聚类结果得到双层多轨风速模型;在考虑各新模态分量之间相关性的前提下采用双层抽样完成风速模拟。与马尔可夫链蒙特卡洛和改进马尔可夫链蒙特卡洛的结果对比表明,所提风速模型及模拟方法较好地保持了原始风速序列的时序特性和概率特性,且具有更高的精度。 展开更多
关键词 马尔可夫模型 完全集合经验模态分解 谱聚类 样本熵 中长期风速模拟
下载PDF
基于LSSVM-样本熵的车内噪声声品质预测 被引量：8
12
作者 左言言 宋文兵 +2 位作者 陆怡 顾倩霞 孙瑞 《江苏大学学报（自然科学版）》 EI CAS 北大核心 2020年第1期1-7,共7页
以某款混合动力汽车为研究对象,针对其非稳态工况下的车内噪声声品质进行研究.对采集到的噪声信号烦躁度指标进行主客观评价试验,并通过相关分析找出与主观评价结果相关性较大的心理声学客观参量.对原始声样本进行互补总体经验模态分解... 以某款混合动力汽车为研究对象,针对其非稳态工况下的车内噪声声品质进行研究.对采集到的噪声信号烦躁度指标进行主客观评价试验,并通过相关分析找出与主观评价结果相关性较大的心理声学客观参量.对原始声样本进行互补总体经验模态分解,得到每个信号的16阶模态指示函数.将各阶模态指示函数与原始信号进行相关分析,得到与原始信号相关性较高的7-12阶模态指示函数并计算这些分量的样本熵值,作为声品质的客观特征参数.基于最小二乘支持向量机算法,分别建立了以心理声学等参数为模型输入和以样本熵特征参数为模型输入的声品质评价预测模型.结果表明:以样本熵为特征参数作为模型输入的预测精度更高,适合用于混合动力汽车非稳态工况下的声品质预测. 展开更多
关键词 混合动力汽车 车内噪声 声品质 互补总体经验模态分解 模态指示函数 样本熵 最小二乘支持向量机 相关分析
下载PDF
基于径向基神经网络的新型齿轮故障诊断方法 被引量：6
13
作者 薛萍 郝鹏 王宏民 《控制与决策》 EI CSCD 北大核心 2022年第2期409-416,共8页
非平稳工况下的齿轮故障检测是一项非常困难的工作,由于齿轮振动信号的复杂性,导致故障特征提取和故障诊断困难.针对这些问题,基于径向基(radial basis function, RBF)神经网络,提出一种在变速条件下齿轮的故障诊断方法 CIHDRFD.首先利... 非平稳工况下的齿轮故障检测是一项非常困难的工作,由于齿轮振动信号的复杂性,导致故障特征提取和故障诊断困难.针对这些问题,基于径向基(radial basis function, RBF)神经网络,提出一种在变速条件下齿轮的故障诊断方法 CIHDRFD.首先利用自适应白噪声的完整集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN),将原始振动信号分解为多个固有的模态函数(intrinsic mode function, IMF),并通过计算其信息熵(information entropy, IE)筛选出IE最小的4个IMF作为特征IMF;然后利用希尔伯特变换(hilbert transform, HT)处理特征IMF并求出Hilbert包络谱,利用Hilbert包络谱构建故障特征向量;最后利用改进的双RBF神经网络进行故障检测.通过搭建齿轮故障检测平台验证CIHDRFD方法的有效性,实验结果表明, CIHDRFD方法适用于齿轮故障诊断,在速度波动为3%的情况下,诊断准确率和诊断时间分别为98.21%和74.53 s. 展开更多
关键词 齿轮故障诊断 自适应白噪声 完整集成经验模态分析 信息熵 改进的双RBF神经网络
原文传递
基于深度学习的双阶段大坝变形预测模型 被引量：1
14
作者 唐艳 杨孟 +2 位作者 李斌 郭经红 陈艺征 《中国农村水利水电》 北大核心 2024年第3期225-230,237,共7页
为提高大坝位移预测的准确性,提出了一种新颖的基于深度学习的综合预测方法。首先引入了一种基于完全集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和奇异谱分析(Singular Spectrum A... 为提高大坝位移预测的准确性,提出了一种新颖的基于深度学习的综合预测方法。首先引入了一种基于完全集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和奇异谱分析(Singular Spectrum Analysis,SSA)的多级数据降噪技术。这能有效地消除监测数据中的噪声和异常值,提高数据质量,为后续预测提供更合理的大坝变形数据。随后构建基于卷积神经网络(Convolutional Neural Network,CNN)和门控循环单元(Gated Recurrent Unit,GRU)的深度学习模型。采用CNN从监测数据中提取丰富的特征,利用GRU来捕获和处理时间序列数据中的长期依赖关系。为了增强模型的表现,引入了自注意力机制,以帮助模型更好地处理和识别数据中的复杂模式。通过与其他预测方法的比较,实验结果表明,该方法在大坝位移预测的准确性和稳定性方面相较于其他方法有显著的提升,能够为大坝变形监控领域提供新方法。 展开更多
关键词 完全集成经验模态分解 卷积神经网络 门控循环单元 大坝位移预测
下载PDF
基于CEEMD的耦合模型在GNSS变形监测数据降噪中的应用
15
作者 陈寿辙 《测绘与空间地理信息》 2024年第6期216-220,共5页
为了有效提取GNSS(Global Navigation Satellite System)变形监测数据中的有用信息,最大限度降低噪声对数据后续分析的干扰,本文提出了一种基于完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition,CEEMD)的耦合降噪... 为了有效提取GNSS(Global Navigation Satellite System)变形监测数据中的有用信息,最大限度降低噪声对数据后续分析的干扰,本文提出了一种基于完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition,CEEMD)的耦合降噪模型。该耦合模型实现信号降噪的步骤为:首先,使用CEEMD对原始信号进行自适应分解,得到若干个本征模态函数(Intrinsic Mode Function,IMF)以及残余项;其次,根据不同IMF分量标准化模量的累计均值(Mean of Standardized Accumulated Modes,MSAM)将IMF分量分为高频IMF分量与低频IMF分量;最后,分别使用Wavlet与GavGol滤波方法对高频分量、低频分量进一步去噪并重构降噪结果,得到最终降噪信号。使用仿真数据与实测GNSS数据对本文提出耦合模型进行检验,结果表明,相较于单一的降噪模型,本文提出模型能够更加有效地剔除噪声,表现出了更好的降噪效果。 展开更多
关键词 GNSS变形监测 降噪 完备集合经验模态分解 小波 SavGol滤波 耦合模型
下载PDF
不同模态分解方法结合LSTM模型对日径流预报的影响 被引量：2
16
作者 谭永杰 王现勋 +2 位作者 段茗续 刘亚茹 姚华明 《人民珠江》 2023年第12期64-72,79,共10页
针对日径流序列不平稳性与波动性的特点,尝试将模态分解和深度学习组合预测方法引入至日径流预报。首先,采用完整集合经验模态分解方法对日径流时间序列进行分解,得到不同频率成分的模态分量;其次,为不同的模态分量构建长短期记忆神经... 针对日径流序列不平稳性与波动性的特点,尝试将模态分解和深度学习组合预测方法引入至日径流预报。首先,采用完整集合经验模态分解方法对日径流时间序列进行分解,得到不同频率成分的模态分量;其次,为不同的模态分量构建长短期记忆神经网络日径流预测模型,并采用网格搜索参数寻优算法优化预报模型的超参数;最后将各模型预报结果进行模态重组获得日径流预报结果。以宜昌水文站日径流预报为研究实例,所构建的组合模型较单一长短期记忆神经网络的和分别降低了65.02%、58.35%与2.88%,且运用完整集合经验模态分解方法的分解效果优于传统的模态分解方法,为短时间尺度下的非线性和非平稳的日径流预报提供了新的方法和参考。 展开更多
关键词 日径流预报 长短期记忆网络 完整集合经验模态分解 网格搜索参数寻优算法 宜昌水文站
下载PDF
基于完备集合经验模态分解的含抽蓄微电网混合储能容量优化配置 被引量：2
17
作者 魏震波 姚怡欣 +3 位作者 张雯雯 罗紫航 李银江 任语杰 《储能科学与技术》 CAS CSCD 北大核心 2023年第11期3414-3424,共11页
为减缓微电网并网联络线功率波动,拓展混合储能参与系统调节的能力边界,提出一种含抽蓄的微电网混合储能系统结构及基于完备集合经验模态分解(complete ensemble empirical mode decomposition,CEEMDAN)的容量优化配置方法。首先,考虑... 为减缓微电网并网联络线功率波动,拓展混合储能参与系统调节的能力边界,提出一种含抽蓄的微电网混合储能系统结构及基于完备集合经验模态分解(complete ensemble empirical mode decomposition,CEEMDAN)的容量优化配置方法。首先,考虑抽水蓄能、蓄电池的能量型储能特性与超级电容器的功率型储能特性,在微电网中搭建混合储能系统结构模型;其次,根据负荷出力确定联络线协议功率及混合储能总功率,并采用完备集合经验模态分解法对混储系统总功率进行分解;最后,建立以储能年综合成本最小为优化目标的混合储能系统容量优化配置模型,并给出相应求解方法。算例结果表明:较不含抽蓄的混储系统,该结构模型的调控能力得到提升,在有效平抑联络线功率波动的同时提高系统经济性,且蓄电池设备动作频次有所减少,提升了其使用寿命,验证了所提混合储能结构的合理性及优化模型的有效性。 展开更多
关键词 微电网 混合储能系统 完备集合经验模态分解 容量配置 抽水蓄能
下载PDF
基于CEEMD-TCN模型的变压器油中溶解气体浓度预测方法 被引量：6
18
作者 杨海晶 孙运全 +2 位作者 朱伟 钱尧 金浩 《电子器件》 CAS 北大核心 2021年第4期887-892,共6页
变压器油中溶解气体浓度是了解变压器运行状态、判断变压器是否发生故障的重要指标。针对油中溶解气体浓度序列非线性、非平稳性的特点,数据直接训练模型会明显降低预测精度,因而提出了一种基于互补集合经验模态分解和时间卷积网络相结... 变压器油中溶解气体浓度是了解变压器运行状态、判断变压器是否发生故障的重要指标。针对油中溶解气体浓度序列非线性、非平稳性的特点,数据直接训练模型会明显降低预测精度,因而提出了一种基于互补集合经验模态分解和时间卷积网络相结合的预测方法。首先,将原始序列分解成不同尺度的子序列分量,经过预处理后训练时间卷积网络,并优化网络超参数,各分量的预测结果叠加重构从而获得最终预测结果。通过实验验证表明,该模型预测误差小,预测精度高。 展开更多
关键词 互补集合经验模态分解 时间卷积网络 变压器油中溶解气体浓度 预测
下载PDF
考虑时序二维变化的日前市场电价预测模型
19
作者 陈宇聪 白晓清 《电力系统及其自动化学报》 CSCD 北大核心 2024年第7期22-29,共8页
电价预测对电力市场参与者的运营决策及电力系统安全稳定运行关系重大。针对日前市场电价预测问题,本文提出一种考虑时序二维变化的日前市场电价预测模型和方法。首先采用改进的带自适应噪声的完全集成经验模式分解对日前市场电价历史... 电价预测对电力市场参与者的运营决策及电力系统安全稳定运行关系重大。针对日前市场电价预测问题,本文提出一种考虑时序二维变化的日前市场电价预测模型和方法。首先采用改进的带自适应噪声的完全集成经验模式分解对日前市场电价历史数据进行分解,然后对其高、低频子序列分别采用考虑时序二维变化的Ti⁃mesNet和基于统计分析的差分自回归移动平均进行预测,二者结果之和构成日前市场电价的预测值。仿真结果表明,所提方法相较于现有单一或组合模型具有较高的预测精度。 展开更多
关键词 日前市场电价预测 完全集成经验模式分解 差分自回归移动平均 TimesNet 时序二维变化
下载PDF
基于混合算法优化的短期风功率预测 被引量：6
20
作者 董朕 殷豪 孟安波 《智慧电力》 2017年第11期24-30,共7页
准确预测风电功率对风电规模化并网以及电网安全运行至关重要。针对短期风电功率预测,提出一种具有自适应噪声特性的完备集成经验模态分解和纵横交叉核极限学习机的混合预测模型。首先采用具有自适应噪声特性的完备集成经验模式将原始... 准确预测风电功率对风电规模化并网以及电网安全运行至关重要。针对短期风电功率预测,提出一种具有自适应噪声特性的完备集成经验模态分解和纵横交叉核极限学习机的混合预测模型。首先采用具有自适应噪声特性的完备集成经验模式将原始风电信号分解成多个固有模态分量;然后利用核极限学习机对各个模态分量进行预测,并采用纵横交叉算法对核极限学习机的惩罚参数和核参数进行优化,从而得到更好的预测结果,最后叠加全部分量的预测值作为最终的预测结果。以2个不同风电场实际采集的数据为算例,并引入不同方法进行对比,证实了该模型的优越性和鲁棒性。 展开更多
关键词 短期风功率预测 完备集成经验模态分解 纵横交叉算法 核极限学习机
下载PDF
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 2 … 14 下一页 到第 页
使用帮助 返回顶部