-
题名基于深度学习算法的脉冲类调制信号智能识别方案设计
- 1
-
-
作者
刘洋
张馨琳
刘深羽
-
机构
亿可能源科技(上海)有限公司
上海理工大学附属中学
-
出处
《计算机应用文摘》
2024年第3期48-50,共3页
-
文摘
脉冲类调制在空间光领域得到了广泛应用,但深度学习算法用于脉冲类调制信号的智能识别却鲜有报道。针对传统识别算法的场景局限性和特征提取的人工分析依赖性,文章利用深度学习网络构建了一种通信信号特征自主学习算法,并通过拟合短时傅里叶变换的两种计算机制分别构建了基于CRBM和RBM的通信信号特征学习网络。相比基于CRBM的网络,基于RBM的网络的计算速度较快,且有效降低了深度学习网络对高性能硬件的要求。
-
关键词
深度学习
脉冲类调制信号
方案设计
-
Keywords
deep learning
pulse-type modulation signal
scheme design
-
分类号
TN911
[电子电信—通信与信息系统]
-
-
题名基于CatBoost算法的短期光伏功率预测方法
被引量：1
- 2
-
-
作者
陈海宏
易永利
黄珅
韩静怡
-
机构
国网浙江省电力有限公司温州供电公司
亿可能源科技(上海)有限公司
-
出处
《浙江电力》
2023年第2期67-75,共9页
-
基金
国网浙江省电力有限公司科技项目(B311WZ220002)。
-
文摘
光伏电站发电功率的间歇性与波动性对电网安全、稳定、经济运行的影响日益明显,因此需要不断提高光伏发电功率预测准确率,为电网灵活调度与规划提供准确信息。首先,介绍了短期光伏发电功率的预测算法、特征方程、预测流程以及评价指标。接着,通过SHAP方法对训练集所构造特征进行分析筛选,使用CatBoost算法进行训练。最后,通过与使用相同特征的其他机器学习算法模型预测精度的对比,表明所提方法有效提高了预测性能,证实了基于CatBoost算法、融合多维特征的模型在光伏功率预测中的优势。
-
关键词
光伏发电
功率预测
CatBoost
SHAP
-
Keywords
PV power generation
power prediction
CatBoost
SHAP
-
分类号
TM615
[电气工程—电力系统及自动化]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于SVM算法的变压器DGA和故障诊断
被引量：4
- 3
-
-
作者
陆敏安
任堂正
肖远兵
陈敬德
崔明飞
-
机构
国网上海市电力公司青浦供电公司
亿可能源科技(上海)有限公司
-
出处
《机电信息》
2020年第21期22-23,25,共3页
-
文摘
油中溶解气体分析(DGA)是评估变压器运行状态和故障诊断的重要指标。现将支持向量机算法(SVM)应用于DGA和故障诊断中,并对比了SVM算法和其他传统算法在故障诊断中的正确率。研究结果表明,传统算法的故障诊断正确率在43%~54%,而优化后的SVM算法正确率为76.77%。超过23%的正确率提升充分证明了SVM算法在故障数据特征识别中的先进性,对变压器运维提供了强力的技术支持。
-
关键词
变压器
支持向量机
油中溶解气体分析
故障诊断
-
分类号
TM407
[电气工程—电器]
-
