-
题名基于ELM的非侵入式电力负荷识别算法
被引量：10
- 1
-
-
作者
周晓
李永清
张有兵
-
机构
浙江工业大学信息工程学院
-
出处
《高技术通讯》
EI
CAS
北大核心
2020年第10期1018-1024,共7页
-
基金
国家自然科学基金(51777193)资助项目。
-
文摘
电力负荷识别是需求侧管理的重要环节,为解决传统侵入式负荷监测高成本、不易安装维护的问题,以非侵入式负荷监测为背景研究电力负荷识别算法。从负荷特性出发,针对各电力负荷的暂态及稳态电气特性,提取并建立负荷特征标签。然后,采用极限学习机(ELM)神经网络模型,将输入特征非线性地映射到输入层,实现快速收敛至全局最优点。采用基于累积和(CUSUM)的双边事件检测方法,实现快速准确地检测出负荷投切事件,实时触发负荷识别。最终,以4种常用电力负荷进行实验,结果表明,所提出的负荷识别算法可准确识别出负荷类型,运算效率高,且适用于组合负荷识别。
-
关键词
非侵入式
负荷识别
极限学习机(elm)模型
事件检测
累积和(CUSUM)
-
Keywords
non-intrusive
load identification
extreme learning machine(elm)model
event detection
cumulative sum control chart(CUSUM)
-
分类号
TM7
[电气工程—电力系统及自动化]
-
-
题名基于GA-ELM的稀土混合溶液多组分含量预测
被引量：4
- 2
-
-
作者
陆荣秀
何权恒
杨辉
朱建勇
-
机构
华东交通大学电气与自动化工程学院
江西省先进控制与优化重点实验室
-
出处
《计算机工程》
CAS
CSCD
北大核心
2021年第1期284-290,297,共8页
-
基金
国家自然科学基金重点项目(61733005)
国家自然科学基金(61863014,61963015,61563015)
江西省教育厅科技项目(GJJ170374,20192BAB207024)。
-
文摘
针对稀土萃取液中有颜色特征和无颜色特征的离子在共存工况下组分含量难以快速检测的问题,提出一种基于遗传算法(GA)-极限学习机(ELM)的多组分含量预测方法。确定稀土萃取槽体混合溶液图像特性和描述图像信息的H、S颜色特征分量,利用ELM速度快、泛化能力强的优点,建立基于颜色特征的多组分含量模型,鉴于传统ELM模型初始权值和阈值的随机性易影响模型性能,使用GA对初始值进行优化确定。基于CePr/Nd萃取溶液样本数据的实验结果表明,与ELM、BP、LSSVM以及GA-BP、PSO-ELM等算法相比,该方法具有较高的预测精度且稳定性较好,可为稀土萃取现场快速获取多组分含量值提供技术支撑。
-
关键词
稀土萃取
多组分含量
颜色特征
遗传算法
极限学习机模型
-
Keywords
rare earth extraction
multi-component content
color feature
Genetic Algorithm(GA)
extreme learning machine(elm)model
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
