检索结果-内蒙古大学图书馆

电力系统保护与控制 2019年第15期47卷 31-39页

作者：陈中唐浩然邢强周涛东南大学电气工程学院江苏南京210096 江苏省智能电网技术与装备重点实验室江苏南京210096

针对广域信号在通信系统的传输过程中具有时滞与丢包以及在实际场景下对量测信号采样过程中信号具有噪声等问题,建立了一种基于灰色Verhulst的预测补偿模型。将该模型与完整集成经验模态分解(Complete Ensemble Empirical Mode Decompos... 详细信息

针对广域信号在通信系统的传输过程中具有时滞与丢包以及在实际场景下对量测信号采样过程中信号具有噪声等问题,建立了一种基于灰色Verhulst的预测补偿模型。将该模型与完整集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with adaptive noise,CEEMDAN)算法相结合,提出了一种电力系统广域信号的预测补偿方法。该方法首先通过CEEMDAN对广域信号进行降噪,然后采用灰色Verhulst预测方法对多个广域信号分别进行预测,得出统一时标的控制器输入信号。最后在OPNET-Matlab仿真平台中搭建了计及通信系统影响的两区四机系统,并在3种不同的通信场景下对所提算法进行验证。测试结果表明该方法具有一定的抗噪性能并可实现对具有时滞与丢包的广域信号预测补偿,为广域阻尼控制器的有效应用提供了一种新途径。

关键词：广域电力系统稳定器预测补偿时滞与丢包灰色预测完整集成经验模态分解

来源：评论

学校读者我要写书评

暂无评论

基于交替三线性分解的芳烃类化合物荧光光谱

引用

激光与光电子学进展 2018年第9期55卷 427-433页

作者：王玉田刘凌妃王书涛张正帅燕山大学河北省测试计量技术及仪器重点实验室河北秦皇岛066004

基于交替三线性分解(ATLD)研究了芳烃类化合物的荧光光谱。通过完整集成经验模态分解(CEEMDAN)及小波软阈值算法对荧光光谱进行了去噪处理,处理后信噪比为28.51,均方根误差为3.52×10~3。ATLD算法能成功分辨出1-萘酚、2-萘酚和萘,... 详细信息

基于交替三线性分解(ATLD)研究了芳烃类化合物的荧光光谱。通过完整集成经验模态分解(CEEMDAN)及小波软阈值算法对荧光光谱进行了去噪处理,处理后信噪比为28.51,均方根误差为3.52×10~3。ATLD算法能成功分辨出1-萘酚、2-萘酚和萘,三种物质的回收率分别为96%~103.3%,97.24%~103.9%和97.2%~103.6%。结果表明,ATLD算法对芳烃类化合物具有良好的预测性能。

关键词：光谱学荧光光谱学交替三线性分解完整集成经验模态分解回收率

来源：评论

学校读者我要写书评

暂无评论

短期风电功率CEEMDAN-SMA-LSSVM预测模型研究

引用

科学技术与工程 2024年第6期24卷 2396-2404页

作者：席语莲凌周玥许晓敏华北电力大学经济与管理学院北京102206 新能源电力与低碳发展北京市重点实验室北京102206

为了提高风力发电功率预测的准确性,建立了基于CEEMDAN分解的SMA算法优化LSSVM的短期风电功率组合预测模型。首先,采用完全集合经验模态分解(CEEMDAN)对原始风电功率数据进行分解与重构。随后,为了进一步优化最小二乘向量支持机模型(LSS... 详细信息

为了提高风力发电功率预测的准确性,建立了基于CEEMDAN分解的SMA算法优化LSSVM的短期风电功率组合预测模型。首先,采用完全集合经验模态分解(CEEMDAN)对原始风电功率数据进行分解与重构。随后,为了进一步优化最小二乘向量支持机模型(LSSVM)的参数,引入了黏菌算法(SMA)优化,通过调整惩罚参数和核参数来提高模型性能,最后,构建多种对比模型对比分析表明CEEMDAN-SMA-LSSVM模型预测精度最高,预测结果更接近真实值。研究可用于风电场短期风电功率预测使用。

关键词：风电功率预测完整集成经验模态分解黏菌算法最小二乘支持向量机

来源：评论

学校读者我要写书评

暂无评论

水质有机污染物的三维荧光光谱定性定量分析

水质有机污染物的三维荧光光谱定性定量分析

引用

作者：刘凌妃燕山大学

学位级别：硕士

随着化工业的发展,各种各样的有机污染物随之产生,并伴随着废水废料的不科学排放进入到水体当中。当这些污染物达到一定浓度时,就会对人体健康造成侵害、对生态环境造成破坏。为了监测工业中废水的排放,避免有机污染物对环境造成不可恢... 详细信息

随着化工业的发展,各种各样的有机污染物随之产生,并伴随着废水废料的不科学排放进入到水体当中。当这些污染物达到一定浓度时,就会对人体健康造成侵害、对生态环境造成破坏。为了监测工业中废水的排放,避免有机污染物对环境造成不可恢复的破坏,研究对水中有机污染物准确、快速且灵敏的检测方法十分重要。荧光光谱检测技术灵敏度高,可对微量物质进行分析,且选择性强,在有机污染物检测中广泛应用。本文采用荧光检测技术结合二阶校正算法及独立成分分析算法对多组分有机物混合体系进行定性定量分析。以萘、1-萘酚、2-萘酚为研究对象,配制不同浓度单组分溶液及多组分混合溶液,利用荧光光谱仪对溶液进行扫描得到三维荧光光谱数据。根据实验数据分析被测物的荧光特性,为建立定性定量分析模型提供理论依据。针对获取的荧光光谱存在冗余噪声,提出利用完整集成经验模态分解结合小波阈值变化算法对荧光光谱数据进行去噪处理。将信噪比、均方根差及去噪信号平滑程度为指标衡量去噪性能,发现该算法去噪效果优于小波软阈值去噪和完整集成经验模态分解算法去噪。以1-萘酚、2-萘酚为检测对象,添加干扰物萘进行样品配制,应用自加权交替三线性分解方法对荧光光谱进行分析,实验结果表明即使在有干扰的情况下,自加权交替三线性分解算法也能准确对待测组分实现定性定量分析。以1-萘酚、2-萘酚混合物为研究对象,利用差分法代替求导对快速独立成分分析算法进行改进,用改进后算法对光谱数据进行独立分量提取,实现单一组分的识别,利用支持向量回归机建立回归模型,实现有机污染物的定量分析,并与平行因子算法进行对比,在预测结果基本相同的情况下,改进的快速独立成分分析算法分解速度远远快于平行因子。

关键词：有机污染物荧光光谱技术完整集成经验模态分解自加权交替三线性分解快速独立成分分析

来源：评论

学校读者我要写书评

暂无评论

数据驱动的锂离子电池SOH估计和RUL预测方法研究

数据驱动的锂离子电池SOH估计和RUL预测方法研究

引用

作者：柯春凯广东工业大学

学位级别：硕士

受“双碳”战略目标驱动，波动性、间歇性较大的可再生能源占比在我国逐年提高，因此以新能源消纳为目标建设储能系统已是大势所趋。锂离子电池凭借其容量大、能量高、寿命长的优势，在新型储能系统中被广泛应用。为了保障电池储能系统... 详细信息

受“双碳”战略目标驱动，波动性、间歇性较大的可再生能源占比在我国逐年提高，因此以新能源消纳为目标建设储能系统已是大势所趋。锂离子电池凭借其容量大、能量高、寿命长的优势，在新型储能系统中被广泛应用。为了保障电池储能系统安全运作，电池的健康状态(Stateofhealth,SOH)估计与剩余使用寿命(RemainingUsefulLife,RUL)预测倍受瞩目。精准获取电池SOH估计值和RUL预测值，能够提前更换老化电池，及时维修设备，提高系统的安全性和可靠性。本文基于数据驱动法对锂离子电池SOH估计和RUL预测展开研究，主要内容如下：　　首先，分析了电池工作原理及其老化失效的原因。选取NASA、Oxford和Stanford这三个电池老化数据集进行分析，选择从工况稳定的恒流充电阶段提取候选健康特征，再使用相关系数分析特征与对应电池SOH的相关度，最终得到可以反映电池老化状态的多类型特征组合，分别是充电时间△t、电压的均值Vmean、电压方差Vvar、电压标准差Vstd、容量平均值Qmean、容量方差Qvar、容量标准差Qstd。　　其次，针对因传统神经网络模型初始权重和偏置随机性导致SOH估计精度不足的问题，提出一种基于深度神经网络(DeepNeuralNetwork,DNN)的电池SOH估计方法。在思维进化算法(MindEvolutionaryAlgorithm,MEA)的基础上，引进混沌映射和粒子群优化算法的思想，提出一种改进思维进化算法(ImprovedMindEvolutionaryAlgorithm,IMEA)，提高MEA自身的全局搜索能力，以优化DNN模型的权重和偏置。将健康特征和对应电池SOH值分别作为模型的输入和输出，并基于NASA、Oxford和Stanford数据集划分训练集和测试集，设计实验验证SOH估计效果。结果证明基于IMEA-DNN模型具有较强的泛化能力和良好的鲁棒性，能够实现精准的电池SOH估计，具备应用的现实意义。　　最后，针对电池老化过程中存在容量再生现象，提出一种基于自适应噪声的完整集成经验模态分解(CompleteEnsembleEmpiricalModeDecompositionwithAdaptiveNoise,CEEMDAN)算法的电池RUL预测方法。CEEMDAN算法将锂离子电池SOH估计模型的输出数据分解为高频信号和低频信号，然后高斯过程回归(GaussianProcessRegression,GPR)模型预测反映容量再生噪声的高频信号，而双向长短期网络(BidirectionalLongShortTermMemory,BiLSTM)模型预测反映电池老化趋势的低频信号，最后将GPR模型和BiLSTM模型的输出叠加得到电池RUL预测值。这既充分考虑容量再生对预测结果的影响，又通过双向追踪时序信息提高预测精度。设计三组实验，分别从预测方法对比、不同预测起点和不同数据集来验证所提方法的效果。实验结果证明，所提的CEEMDAN-GPR-BiLSTM组合模型能够获得精确的电池RUL预测结果，并具有较好的鲁棒性和泛化能力。

关键词：锂离子电池健康状态剩余使用寿命数据驱动深度神经网络完整集成经验模态分解

来源：评论

学校读者我要写书评

暂无评论

基于自适应优化模态提取和聚类分析的混凝土桥梁信号滤波方法研究

基于自适应优化模态提取和聚类分析的混凝土桥梁信号滤波方法研究

引用

作者：何大为吉林大学

学位级别：硕士

在桥梁健康监测领域中,由于桥梁振动信号是实现模态提取和损伤识别的关键,振动信号数据的优劣将会直接影响桥梁健康监测的有效性,因此对桥梁振动信号进行降噪滤波优化处理对实际工程中桥梁结构的健康监测具有非常重大的研究意义。传统的... 详细信息

在桥梁健康监测领域中,由于桥梁振动信号是实现模态提取和损伤识别的关键,振动信号数据的优劣将会直接影响桥梁健康监测的有效性,因此对桥梁振动信号进行降噪滤波优化处理对实际工程中桥梁结构的健康监测具有非常重大的研究意义。传统的Hilbert-Huang理论在进行信号滤波时,存在模态混叠以及重构误差大等问题,具有较低的自适应性和完备性;多尺度排列熵(MPE)的阈值选取是决定其分析准确性的重要指标,目前大多采用人为经验设定法,但该方法存在一定程度的误差。针对以上方法的不足本文提出一种基于自适应优化模态提取和聚类分析的信号滤波方法,该算法将完全自适应噪声集合经验模态分解(CEEMDAN)进行改进并与MPE和模糊C均值聚类算法(FCM)相结合。再通过信号模拟分析实验验证了该优化算法的可行性。本文在国家自然科学基金面上项目(42072296)和吉林省科技发展计划重点项目(20180201083SF)的资助下开展了如下工作研究:(1)针对CEEMDAN算法的不足,本文提出了一种基于自适应优化模态提取信号滤波方法,该方法在CEEMDAN算法的基础上进行优化改良,首先在其自适应分解的每个阶段加入等大符号相反的成对白噪声并做镜像延拓处理,有效解决了端点效应和完备性不足的问题;接着通过MPE对分解出的各固有模态分量(IMF)进行随机程度分析,筛选并剔除噪声模态,保留有效模态,有效缓解了模态混叠的问题;然后将有效模态与剩余分量进行重构并进行经验模态分解算法(EMD)分解和镜像延拓处理完成最终自适应分解;最后建立优化重构模型,通过多指标衡量进行信号的优化重构,最终完成降噪滤波。(2)针对MPE检索IMF随机程度时阈值选取存在误差的问题,本文构建了一个初始数据集,数据集中的样本为不同信号分解后的MPE值,再通过FCM模糊聚类算法对该数据集进行机器学习并分类,最终得到的聚类中心即为最佳MPE阈值,该方法解决了以往人为设定阈值导致误差偏大的问题,有效增强了噪声识别的精度。(3)本文建立仿真桥梁振动信号模型进行仿真实验,将补充集合经验模态分解方法(CEEMD)、CEEMDAN和本文基于自适应优化模态提取和聚类分析的信号滤波方法应用于仿真信号,通过对比三种方法分解的结果能够得到:本文优化算法在分解阶段具有更好的自适应性、完备性以及抗模态混叠和端点效应的能力;本文优化算法最终重构的信号相比其他两种算法具有更好的光滑度、相似度以及信噪比等优化指标,最终滤波效果良好。(4)将CEEMD、CEEMDAN和本文基于自适应优化模态提取和聚类分析的信号滤波方法应用于长泰大桥振动信号进行实际工程验证,通过对三种算法得出的结果进行分析进一步验证了本文优化算法具有良好的分解性能,同时能最大限度的剔除噪声,本文基于自适应优化模态提取和聚类分析的滤波方法的滤波结果具有良好的信噪比与相似度,可以应用于实际工程当中,对桥梁结构健康监测具有一定指导意义。

关键词：桥梁信号滤波降噪完整集成经验模态分解聚类分析多尺度排列熵

来源：评论

学校读者我要写书评

暂无评论

基于CEEMDAN-PE和QGA-BP的短期风速预测

引用

电子技术应用 2018年第12期44卷 60-64页

作者：赵辉周杰王红君岳有军天津理工大学天津市复杂系统控制理论与应用重点实验室天津300384 天津农学院天津300384

为了提高风电场短期风速预测的精度,提出了一种基于自适应噪声的完整集成经验模态分解(CEEMDAN)-排列熵(PE)和量子遗传算法(QGA)优化BP神经网络的短期风速预测模型。首先采用CEEMDAN对原始风速时间序列进行分解,降低不同特征尺度序列间... 详细信息

为了提高风电场短期风速预测的精度,提出了一种基于自适应噪声的完整集成经验模态分解(CEEMDAN)-排列熵(PE)和量子遗传算法(QGA)优化BP神经网络的短期风速预测模型。首先采用CEEMDAN对原始风速时间序列进行分解,降低不同特征尺度序列间的相互影响;其次,为了减少计算规模,对分解得到的各个分量序列分别计算排列熵,将熵值相近的分量进行叠加形成新的序列;最后,针对BP神经网络在初始化权值和阈值的选取上存在随机性的问题,采用QGA对BP参数进行优化,分别对每个新的序列进行预测并将预测结果进行叠加得到最终的预测值。实例仿真结果表明,该组合模型提高了预测的精度,减小了误差,具有实际意义和工程应用价值。

关键词：风速预测完整集成经验模态分解排列熵量子遗传算法 BP神经网络组合模型

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：