基于CEEMD-WOA-LSTM的光伏发电功率预测 被引量：5

1

作者 李恺丽 王剑斌 +1 位作者 沈怡俊 陈博 《热能动力工程》 北大核心 2025年第2期136-147,共12页

针对实际电力系统中光伏发电的波动性和不确定性,建立了基于CEEMD-WOA-LSTM的光伏发电功率预测模型。首先,采用皮尔逊相关系数法确定辐照度、湿度、温度和风速为光伏功率的关键影响因素,基于高斯混合模型聚类将数据集分为晴天、多云、雨... 针对实际电力系统中光伏发电的波动性和不确定性,建立了基于CEEMD-WOA-LSTM的光伏发电功率预测模型。首先,采用皮尔逊相关系数法确定辐照度、湿度、温度和风速为光伏功率的关键影响因素,基于高斯混合模型聚类将数据集分为晴天、多云、雨天3种天气类型,以降低训练集与测试集之间的差异并提高预测模型的泛化能力,从而完成数据预处理。其次,采用互补集合经验模态分解对预处理后的数据进行分解并重构,降低其强随机性和复杂性,通过长短期记忆神经网络对分解所得的各本征模态函数分量进行功率预测,并利用鲸鱼优化算法优化网络参数以提升预测精度,从而叠加各分量的预测结果以确定最终预测值。最后,通过实验验证所提方法的有效性。结果表明:与现有方法相比,在不同天气条件下CEEMD-WOA-LSTM的预测精度均有所提高,且在复杂天气条件时展现出更好的稳定性和鲁棒性。 展开更多

关键词 光伏功率预测 ceemd LSTM神经网络 鲸鱼优化算法

原文传递

基于改进CEEMD算法与优化LSTM的光伏功率预测

2

作者 许爱华 贾皓天 +1 位作者 王智煜 袁文俊 《吉林大学学报(信息科学版)》 2025年第2期451-460,共10页

为了更好地利用太阳能,准确预测光伏发电功率,提高光伏功率预测的精度,提出了一种基于因素相关互补集合经验模态分解算法(CEEMD:Complementary Ensemble Empirical Mode Decomposition)与优化长短期记忆网络(LSTM:Long Short-Term Memor... 为了更好地利用太阳能,准确预测光伏发电功率,提高光伏功率预测的精度,提出了一种基于因素相关互补集合经验模态分解算法(CEEMD:Complementary Ensemble Empirical Mode Decomposition)与优化长短期记忆网络(LSTM:Long Short-Term Memory network)结合的光伏功率预测方法。首先,使用CEEMD算法分解光伏功率时序,建立分解功率分量与环境因素的Pearson相关系数矩阵,每个分解功率分量选取3个关键因素作为后续预测的输入;其次,利用改进麻雀群搜索算法(ISSA:Improved Sparrow Search Algorithm)优化LSTM网络,建立ISSA-LSTM算法各光伏功率分量预测模型;然后,将各个分解模态的预测结果叠加重构;最后,结合南方某地光伏电站发电功率实测数据对所提方法进行验证,结果验证了所提方法的有效性与优越性。 展开更多

关键词 光伏功率预测 ceemd算法 Pearson相关矩阵 ISSA-LSTM算法

在线阅读 下载PDF 职称材料

基于多模态三支路异构融合的逆变器开路故障诊断研究

3

作者 刘伟 王澜 易冠群 《电力系统保护与控制》 北大核心 2026年第1期71-82,共12页

针对逆变器开路故障,提出了一种基于GAF-RP-LSTM-Transformer的三支路异构融合的诊断方法。首先,采用互补集合经验模态分解与相位随机技术(complementary ensemble empirical mode decomposition with phase randomization technique,CE... 针对逆变器开路故障,提出了一种基于GAF-RP-LSTM-Transformer的三支路异构融合的诊断方法。首先,采用互补集合经验模态分解与相位随机技术(complementary ensemble empirical mode decomposition with phase randomization technique,CEEMD-PRT)算法处理逆变器输出电流信号,提取局部故障特征。并通过格拉姆角场(Gramian angular field,GAF)和递归图(recurrence plot,RP)变换将一维时序信号转换为二维图像,充分利用时序信号中的全局趋势特征(GAF)和非线性动力学特征(RP)。为弥补传统一维特征提取在空间相关性表征上的不足,利用长短期记忆(long short-term memory,LSTM)网络提取时序数据的动态特征,利用GAF-RP-Transformer双支路模型提取二维图片的空间特征。为实现一维时序特征与二维空间特征间多维信息的融合,提出了全新的异构特征融合模块,通过多模态图像的互补性,增强模型对故障细微差异的捕捉能力。实验结果表明,所提模型在测试集上的分类准确率达到99.3%,显著优于其他对比模型,并能在不同噪声干扰下保持较高的诊断准确性。特别是在30 dB和20 dB噪声下,准确率下降幅度较小,表明该方法具有较强的鲁棒性。仿真验证了GAF-RP-LSTM-Transformer三支路异构融合模型在逆变器故障诊断中的有效性与优越性。 展开更多

关键词 逆变器开路故障诊断 多模态三支路异构融合模型 ceemd-PRT算法 异构特征融合

在线阅读 下载PDF 职称材料

基于改进CEEMD-CS-ELM的短期风速预测 被引量：23

4

作者 高桂革 原阔 +1 位作者 曾宪文 郑炳杰 《太阳能学报》 EI CAS CSCD 北大核心 2021年第7期284-289,共6页

针对风速序列非线性对预测结果的影响,提出一种基于改进互补集合经验模态分解和极限学习机的风速预测模型。首先对风速序列进行改进互补集合经验模态分解,并利用相空间重构得到若干新的时间序列,以降低风速序列的不平稳性。通过改进布... 针对风速序列非线性对预测结果的影响,提出一种基于改进互补集合经验模态分解和极限学习机的风速预测模型。首先对风速序列进行改进互补集合经验模态分解,并利用相空间重构得到若干新的时间序列,以降低风速序列的不平稳性。通过改进布谷鸟算法矫正极限学习机模型的输入参数,预测处理后的风速序列。通过实例仿真,比较改进前后不同模型的相对误差,说明该文预测模型的合理性。 展开更多

关键词 风速 预测分析 互补集合经验模态分解 布谷鸟算法 相空间重构 极限学习机

原文传递

基于CEEMD和MOMEDA的滚动轴承故障提取 被引量：7

5

作者 于元滐 杨光永 +2 位作者 晏婷 徐天奇 戈一航 《电子测量技术》 北大核心 2021年第22期96-101,共6页

当滚动轴承发生故障时,故障特征信号会夹杂在振动信号中,造成故障特征信号提取效果不理想。针对这一问题,提出了一种互补集成经验模态分解与多点最优最小熵(CEEMD-MOMEDA)的滚动轴承故障提取方法。首先通过CEEMD算法对采集到的振动信号... 当滚动轴承发生故障时,故障特征信号会夹杂在振动信号中,造成故障特征信号提取效果不理想。针对这一问题,提出了一种互补集成经验模态分解与多点最优最小熵(CEEMD-MOMEDA)的滚动轴承故障提取方法。首先通过CEEMD算法对采集到的振动信号进行处理,然后通过峭度准则对非故障冲击成分进行筛除,最后利用MOMEDA算法对重组后的信号进行处理从而抑制噪声的影响,从中提取出故障特征。并与单一的MOMEDA算法进行对比。结果表明,提出的CEEMD-MOMEDA算法故障提取能力、抗干扰能力有较大提升。 展开更多

关键词 滚动轴承 故障提取 ceemd算法 MOMEDA算法

原文传递

基于CEEMD和WOA_LSSVM滚动轴承声信号故障诊断 被引量：9

6

作者 孙萧 黄民 马超 《组合机床与自动化加工技术》 北大核心 2021年第2期52-56,61,共6页

针对强背景噪声下滚动轴承故障诊断问题,结合互补集合经验模态分解(CEEMD)与鲸鱼优化算法优化最小二乘支持向量机(WOA_LSSVM)进行滚动轴承的故障诊断研究。首先对声信号进行快速谱峭度分析并进行带通滤波预处理,提取故障冲击成分;其次,... 针对强背景噪声下滚动轴承故障诊断问题,结合互补集合经验模态分解(CEEMD)与鲸鱼优化算法优化最小二乘支持向量机(WOA_LSSVM)进行滚动轴承的故障诊断研究。首先对声信号进行快速谱峭度分析并进行带通滤波预处理,提取故障冲击成分;其次,利用CEEMD算法将滤波信号进行分解运算,得到一系列模态分量(IMF);再利用相关系数法选取有效IMF分量进行信号重构;再提取重构信号的近似熵、峭度、峰峰值、峰值因子、波形因子作为特征值组成特征向量;最后,将归一化的特征向量输入WOA_LSSVM进行故障类别识别。将该方法用于滚动轴承试验数据,并进行对比试验分析,验证了该方法的有效性,提高了故障诊断的准确率。 展开更多

关键词 滚动轴承 故障诊断 支持向量机 ceemd 鲸鱼优化算法

在线阅读 下载PDF 职称材料

基于自适应CEEMD的非平稳信号分析方法 被引量：8

7

作者 徐波 黎会鹏 +3 位作者 周凤星 严保康 严丹 刘毅 《振动．测试与诊断》 EI CSCD 北大核心 2020年第1期54-61,203,共9页

由于标准的互补集总经验模态分解(complementary ensemble empirical mode decomposition,简称CEEMD)在处理模态混叠问题时缺乏自适应性,其本质是分解信号获得的本征模态函数(intrinsic mode function,简称IMF)之间产生了一定的信息耦... 由于标准的互补集总经验模态分解(complementary ensemble empirical mode decomposition,简称CEEMD)在处理模态混叠问题时缺乏自适应性,其本质是分解信号获得的本征模态函数(intrinsic mode function,简称IMF)之间产生了一定的信息耦合现象,使IMF分量不能正确地反映信号的真实成分。因此,提出了在使用CEEMD分解信号的过程中嵌入网格搜索算法(grid search algorithm,简称GSA),以最小二乘互信息(least squares mutual information,简称LSMI)为网格搜索算法的适应度函数,构造一个自适应CEEMD方法。该算法通过自适应地搜索最佳的白噪声幅值,修正信号分解过程中产生的少量的耦合频率成分,确保每个IMF分量之间信息的正交性,以进一步抑制模态混叠问题。最后,通过仿真实验验证了该方法的有效性,并将该方法用于提取滚动轴承微故障的特征频率。实验结果表明,该算法在滚动轴承的微故障特征提取应用中具有更少的迭代数、IMF分量以及相对更小的计算量。 展开更多

关键词 互补集总经验模态分解 模态混叠 最小二乘互信息 网格搜索算法 微故障特征提取

在线阅读 下载PDF 职称材料

基于CEEMD-WPT和Prony算法的谐波间谐波参数辨识 被引量：25

8

作者 张煜林 陈红卫 《电力系统保护与控制》 EI CSCD 北大核心 2018年第12期115-121,共7页

由于传统Prony算法对噪声极为敏感,因此采用互补集合经验模态分解(CEEMD)和小波包变换(WPT)相结合的去噪方法改善信号,提高Prony参数辨识的精度。首先对信号进行CEEMD分解得到固有模态函数(IMF),并对得到的IMF分量计算其排列熵(PE)值,... 由于传统Prony算法对噪声极为敏感,因此采用互补集合经验模态分解(CEEMD)和小波包变换(WPT)相结合的去噪方法改善信号,提高Prony参数辨识的精度。首先对信号进行CEEMD分解得到固有模态函数(IMF),并对得到的IMF分量计算其排列熵(PE)值,根据排列熵值提取出含噪声较大的分量进行小波包去噪。然后将去噪重构后的IMF分量与剩余IMF分量重构信号。最后用Prony算法辨识重构后信号的参数。对所提算法进行仿真,并与已发表文献中的结果进行比较。仿真与比较结果表明,该算法是有效的,而且具有较好的辨识结果。 展开更多

关键词 PRONY算法 ceemd 小波包变换 排列熵 参数辨识

在线阅读 下载PDF 职称材料

基于CEEMD-PSR-FOA-LSSVM的短期风电功率预测 被引量：3

9

作者 田丽 凤志民 刘世林 《可再生能源》 CAS 北大核心 2016年第11期1632-1638,共7页

为提高短期风电功率预测精度,针对风电功率波动性大、非周期性和非线性强的特点,提出基于互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)-相空间重构(phase space reconstruction,PSR)-果蝇优化算法... 为提高短期风电功率预测精度,针对风电功率波动性大、非周期性和非线性强的特点,提出基于互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)-相空间重构(phase space reconstruction,PSR)-果蝇优化算法(fruit fly optimization algorithm,FOA)-最小二乘支持向量机(least squares support vector machine,LSSVM)的组合预测方法。首先,运用CEEMD算法把风电功率序列分解为若干个分量,并用PSR算法来确定LSSVM建模过程中各个分量的输入和输出;然后,采用FOA算法优化LSSVM建模中的参数,并用训练好的LSSVM对各个分量进行单独预测;最后,用某风电场的实测数据对该组合预测方法进行验证。结果表明,与单独的LSSVM方法和FOA-LSSVM方法预测结果相比,建立的组合模型预测方法精度更高,对风电功率的短期预测更为有效和适用。 展开更多

关键词 短期风电功率预测 互补集合经验模态分解 相空间重构 果蝇优化算法 最小二乘支持向量机

在线阅读 下载PDF 职称材料

基于CEEMD和优化KNN的离心泵故障诊断方法 被引量：18

10

作者 杨波 黄倩 +1 位作者 付强 朱荣生 《机电工程》 CAS 北大核心 2022年第11期1502-1509,共8页

卧式离心泵实际测量中背景噪声含量较大,故障特征常被淹没,导致机械故障诊断效果较差,为了实时、精准地获得其运行状态,或对其进行故障诊断,提出了一种基于互补集合经验模态分解(CEEMD)和优化最邻近(KNN)算法的卧式离心泵机械故障诊断... 卧式离心泵实际测量中背景噪声含量较大,故障特征常被淹没,导致机械故障诊断效果较差,为了实时、精准地获得其运行状态,或对其进行故障诊断,提出了一种基于互补集合经验模态分解(CEEMD)和优化最邻近(KNN)算法的卧式离心泵机械故障诊断方法。首先,采集了卧式离心泵机械故障加速度信号,使用CEEMD对信号进行了一次分解,得到了本征模函数(IMF),采用相关系数法得到了IMF相关系数,确定了相关分量与不相关分量;其次,通过改进小波阈值去噪方法对不相关分量进行处理,提取了重构信号可分析的时频故障特征;最后,搭建了离心泵实验台,采用上述故障诊断方法对离心泵机械故障进行了分类诊断。研究结果表明:经CEEMD降噪后,信号评价指标信噪比(SNR)为2.2571,比原来的去噪方法提升了0.4381;优化后KNN分类对于卧式离心泵的机械故障诊断准确率可达96.7%,能够有效识别离心泵故障,达到智能诊断的目的。 展开更多

关键词 叶片式泵 故障信号分解 互补集合经验模态分解 改进小波阈值降噪 优化最邻近算法分类 本征模函数 相关分量/不相关分量

在线阅读 下载PDF 职称材料

CEEMD-FCM模型下的管道缺陷识别方法 被引量：3

11

作者 王超群 梁伟 梁晓斌 《中国安全科学学报》 CAS CSCD 北大核心 2020年第1期87-93,共7页

为提高管道缺陷识别精度,利用补充集合经验模态分解方法(CEEMD)和模糊C-均值(FCM)聚类算法,提出CEEMD-FCM的管道缺陷识别模型。首先,分析管道缺陷信号波形特征,引入粒子群优化算法(PSO)改进小波阈值降噪方法,实现管道缺陷信号的降噪;然... 为提高管道缺陷识别精度,利用补充集合经验模态分解方法(CEEMD)和模糊C-均值(FCM)聚类算法,提出CEEMD-FCM的管道缺陷识别模型。首先,分析管道缺陷信号波形特征,引入粒子群优化算法(PSO)改进小波阈值降噪方法,实现管道缺陷信号的降噪;然后,采用CEEMD分解缺陷信号,并借助能量熵原理提取缺陷的特征参量;最后,利用模拟退火算法(SA)和遗传算法(GA)优化FCM,完成管道缺陷的分类。结果表明:基于CEEMD-FCM模型的管道缺陷识别方法的综合识别精度达到87. 5%,可实现石油化工领域管道缺陷模式的精准识别,保障管道安全运行,降低事故发生率。 展开更多

关键词 管道 缺陷类型识别 特征提取 补充集合经验模态分解方法(ceemd) 模糊C-均值(FCM)聚类算法

原文传递

基于CEEMD-ISSA-LSTM的空气质量预测 被引量：2

12

作者 朱菊香 谷卫 +2 位作者 罗丹悦 潘斐 张赵良 《国外电子测量技术》 北大核心 2022年第11期120-129,共10页

针对传统空气质量(AQI)预测模型精度较低的问题,提出一种基于互补集合经验模态分解(CEEMD)和改进麻雀搜索算法(ISSA)优化长短期记忆网络(LSTM)的预测模型。首先,针对具有大量噪声的AQI数据直接进行预测误差较大的问题,利用CEEMD算法将原... 针对传统空气质量(AQI)预测模型精度较低的问题,提出一种基于互补集合经验模态分解(CEEMD)和改进麻雀搜索算法(ISSA)优化长短期记忆网络(LSTM)的预测模型。首先,针对具有大量噪声的AQI数据直接进行预测误差较大的问题,利用CEEMD算法将原始AQI数据进行模态分解,以降低噪声对预测结果的影响。其次,针对麻雀搜索算法(SSA)易陷入局部最优、收敛速度慢的问题,利用正弦混沌、动态自适应惯性权重、高斯变异和反向学习策略改进麻雀算法,降低了SSA陷入局部最优解的概率,提高了麻雀算法的收敛速度和寻优能力。最后,利用ISSA对LSTM模型的参数进行寻优,构建ISSA-LSTM模型进行预测,得到最终的AQI预测结果。实验结果表明,与其他传统预测模型相比,基于CEEMD-ISSA-LSTM模型对AQI的预测具有更高的精度,其预测的均方根误差为1.24μg/m^(3),平均绝对误差为0.98μg/m^(3),拟合度为98.5%。 展开更多

关键词 空气质量预测 ceemd 改进麻雀算法 长短期记忆网络

原文传递

基于CEEMD-SBO-LSSVR的超短期风电功率组合预测 被引量：40

13

作者 周小麟 童晓阳 《电网技术》 EI CSCD 北大核心 2021年第3期855-862,共8页

为提高风电功率预测的精度,提出了一种基于互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)、缎蓝园丁鸟优化算法(satinbower birdoptimizationalgorithm,SBO)及最小二乘支持向量回归(least squares ... 为提高风电功率预测的精度,提出了一种基于互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)、缎蓝园丁鸟优化算法(satinbower birdoptimizationalgorithm,SBO)及最小二乘支持向量回归(least squares support vector regression,LSSVR)模型的超短期风电功率组合预测方法。针对风电序列的随机波动性,采用CEEMD对风电功率序列进行分解,将分解得到的不同特征尺度的各分量作为LSSVR模型的训练输入量。引入SBO算法对LSSVR的正则化参数与核函数宽度进行优化,建立各分量的预测模型,将各分量的预测输出值叠加得到最终的风电功率预测值。所提CEEMD-SBO-LSSVR组合预测方法不仅有效降低了预测的复杂度,而且保证原始风电序列经模态分解处理后具有小的重构误差。仿真结果表明,与其他预测模型相比,所提方法具有较高的超短期风电功率预测精度。 展开更多

关键词 超短期风电预测 最小二乘支持向量回归 互补集合经验模态分解 缎蓝园丁鸟优化算法 组合模型

原文传递

基于CEEMD-SSA-LSTM的园区综合能源系统两阶段优化调度 被引量：21

14

作者 马志侠 张林鍹 +3 位作者 邱朝洁 王卓萍 刘冠辰 王馨 《高电压技术》 EI CAS CSCD 北大核心 2023年第4期1430-1440,共11页

为提升综合能源系统中风电等清洁能源的利用率、减少碳排放,提出一种基于互补集合经验模态分解、麻雀搜索算法、长短期记忆网络的新能源两阶段出力预测的综合能源系统优化调度模型。首先,对历史数据进行互补集合经验模态分解,构建基于... 为提升综合能源系统中风电等清洁能源的利用率、减少碳排放,提出一种基于互补集合经验模态分解、麻雀搜索算法、长短期记忆网络的新能源两阶段出力预测的综合能源系统优化调度模型。首先,对历史数据进行互补集合经验模态分解,构建基于麻雀搜索算法优化的长短期记忆网络预测模型;其次,用此预测模型对风电、光伏功率分别进行日前、日内的两阶段功率预测;最后,以包含碳惩罚成本、弃风惩罚成本等因素的日最小运行成本为优化目标,构建基于风电、光伏出力预测结果的综合能源系统日前、日内两阶段调度模型,并通过CPLEX求解制定调度计划。以某园区为例进行仿真分析,结果表明,此两阶段模型使系统购能成本下降9.40%、碳排放惩罚成本减少14.05%,日运行总成本减少12.53%,有效提升了综合能源系统的经济和环保性能。 展开更多

关键词 麻雀搜索算法 两阶段预测 综合能源系统 碳排放惩罚 ceemd

原文传递

基于CEEMD-IDA-SVM的风电功率短期预测 被引量：2

15

作者 郭韶昕 陈祥 周枫 《上海电机学院学报》 2022年第6期339-345,共7页

为提高风电功率预测精度,提出一种结合完全集合经验模态分解(CEEMD)、改进蜻蜓算法(IDA)和支持向量机(SVM)的风电功率短期预测模型。首先,使用CEEMD方法对风电功率原始数据进行预处理,将非平稳信号分解为多个子序列,从而提高数据的稳定... 为提高风电功率预测精度,提出一种结合完全集合经验模态分解(CEEMD)、改进蜻蜓算法(IDA)和支持向量机(SVM)的风电功率短期预测模型。首先,使用CEEMD方法对风电功率原始数据进行预处理,将非平稳信号分解为多个子序列,从而提高数据的稳定性,改善数据质量。其次,在蜻蜓算法中引入反向学习策略,以改善算法的收敛性能,形成的IDA用于SVM参数的寻优。最后,利用IDA优化后的SVM构建预测模型。实例仿真结果及对比实验表明:本文使用的方法能有效地提高风电功率的预测准确率,有一定的优越性。 展开更多

关键词 风电功率预测 完全集合经验模态分解 蜻蜓算法 支持向量机 反向学习

在线阅读 下载PDF 职称材料

基于CEEMD的语音增强算法研究

16

作者 方利鑫 《信息与电脑》 2019年第3期65-66,共2页

笔者提出一种基于CEEMD的语音增强算法,实现语音频谱时频域的结构化信息建模。其通过提取、转换数据低层结构化信息,不断加工与优化信息结构,消除噪音影响,是增强语音效果的新算法。CEEMD自适应噪声完备集合经验模态分解,分解含噪音的... 笔者提出一种基于CEEMD的语音增强算法,实现语音频谱时频域的结构化信息建模。其通过提取、转换数据低层结构化信息,不断加工与优化信息结构,消除噪音影响,是增强语音效果的新算法。CEEMD自适应噪声完备集合经验模态分解,分解含噪音的各种信号,获取高频到低频各个序列的IMF分量,然后利用相关法分析分量,找出随机噪声的高频本征模函数,达到去噪音的目的。其次,统计余量内本征模函数分量的过零率,合并重构本征模函数分量,校正优良基线漂移效果,增强语音效果。基于CEEMD实现语音增强,与目前的语音增强方法或者算法相比,更能实现时频域上的结构化信息建模,促进语音增强算法的创新与改革。 展开更多

关键词 ceemd 语音增强算法 减少噪音

在线阅读 下载PDF 职称材料

基于改进SOA和岭回归赋权的风电负荷组合预测

17

作者 张树国 张俊炜 《华北电力大学学报(自然科学版)》 北大核心 2025年第6期60-68,79,共10页

为促进可再生能源应用和提高电力系统的可靠性,以风力发电负荷数据为研究对象,基于改进海鸥优化算法和岭回归权重赋值对风电负荷变化进行预测。首先,利用互补集合经验模态分解和经验小波变换构成的二次分解方法对原始数据进行去噪处理,... 为促进可再生能源应用和提高电力系统的可靠性,以风力发电负荷数据为研究对象,基于改进海鸥优化算法和岭回归权重赋值对风电负荷变化进行预测。首先,利用互补集合经验模态分解和经验小波变换构成的二次分解方法对原始数据进行去噪处理,以降低原始序列的波动性。然后,使用多策略改进的海鸥优化算法对BP神经网络和最小二乘支持向量机两种模型进行优化,并用优化后的模型分别对分解结果进行建模。最后,基于岭回归权重赋值,融合两个预测模型的输出分量,获得总的负荷值。实验证明:相较于其他预测模型,该模型具有更高的预测精度,能够准确捕捉风力发电负荷的变化趋势,可以为风力发电负荷预测研究提供参考,有望在可再生能源领域的实际应用中发挥积极作用。 展开更多

关键词 风电负荷 ceemd-EWT二次分解 改进海鸥优化算法 组合预测 岭回归

在线阅读 下载PDF 职称材料

脉冲信号重构下大型起重机吊装安全联动控制

18

作者 邓加阳 宋洪亮 +1 位作者 苏锦志 段启贤 《自动化与仪器仪表》 2025年第9期96-99,共4页

在大型起重机运行过程中,电机脉冲信号往往受到各种噪声的干扰,导致信号失真,后期多机联动控制以串联单机通信为主,需要多次确认失真信号误差范围,导致卡顿甚至停机。为此,提出脉冲信号重构下大型起重机吊装安全联动控制。引入互补集合... 在大型起重机运行过程中,电机脉冲信号往往受到各种噪声的干扰,导致信号失真,后期多机联动控制以串联单机通信为主,需要多次确认失真信号误差范围,导致卡顿甚至停机。为此,提出脉冲信号重构下大型起重机吊装安全联动控制。引入互补集合经验模态分解(Complete Ensemble Empirical Mode Decomposition,CEEMD)算法提取和处理大型起重机电机脉冲信号中的本征模态函数(Intrinsic Mode Function,IMF)分量,分离出信号中的噪声成分,提取出更准确的电机运行状态信息。将吊装安全控制问题转化为驱动电机的联动控制问题,通过去噪重构的脉冲信号构建联动电机网络拓扑,避免串联单机通信的弊端,实现多电机之间的协调控制。在联动控制过程中,引入超螺旋滑模控制器,对产生的误差进行实时补偿。实验表明:利用所提方法对大型起重机实施联动控制的过程中,起重机响应迅速且控制稳定。 展开更多

关键词 ceemd算法 IMF分量提取 电机联动控制 网络拓扑构建 超螺旋滑模控制器

原文传递

基于二次分解与IGWO-LSSVR模型的超短期风速预测研究 被引量：5

19

作者 赵征 于悦波 《电力科学与工程》 2021年第5期18-25,共8页

针对风速序列的非线性导致预测精度不高的问题,提出了一种基于二次分解技术和改进灰狼算法的风速预测模型。首先,利用该模型对风速序列进行完备经验模态分解(CEEMD),并且对复杂度过大的前3个分量采用变分模态分解(VMD)进行二次分解;然后... 针对风速序列的非线性导致预测精度不高的问题,提出了一种基于二次分解技术和改进灰狼算法的风速预测模型。首先,利用该模型对风速序列进行完备经验模态分解(CEEMD),并且对复杂度过大的前3个分量采用变分模态分解(VMD)进行二次分解;然后,对分解后的各个分量采用改进灰狼算法(IGWO)优化最小二乘支持向量回归(LSSVR)进行风速预测得到各个分量的预测值;最后,将各个分量预测值相加得到风速的预测结果。结果表明,二次分解技术能有效降低子分量的复杂度;改进的灰狼算法能有效提高算法寻优能力,提高风速预测准确性。 展开更多

关键词 风速预测 改进灰狼算法 分解技术 最小二乘支持向量回归

在线阅读 下载PDF 职称材料

基于互补集合经验模态分解和改进麻雀搜索算法优化双向门控循环单元的交通流组合预测模型 被引量：8

20

作者 殷礼胜 刘攀 +3 位作者 孙双晨 吴洋洋 施成 何怡刚 《电子与信息学报》 EI CSCD 北大核心 2023年第12期4499-4508,共10页

该文针对短时交通流预测过程呈现的非线性、非平稳性及时序相关性特征,为提升预测的精度及收敛速度,提出一种基于互补集合经验模态分解(CEEMD)和改进麻雀搜索算法(ISSA)优化双向门控循环单元(BiGRU)的组合预测模型。首先,考虑到端点飞... 该文针对短时交通流预测过程呈现的非线性、非平稳性及时序相关性特征,为提升预测的精度及收敛速度,提出一种基于互补集合经验模态分解(CEEMD)和改进麻雀搜索算法(ISSA)优化双向门控循环单元(BiGRU)的组合预测模型。首先,考虑到端点飞翼问题,通过改进CEEMD算法将交通流量序列分解为体现路网交通趋势性、周期性及随机性的本征模态函数(IMF)分量,有效提取了其中的先验特征;随后,利用BiGRU网络挖掘交通流量序列中的时序相关性特征,为避免局部最优,并提高麻雀搜索算法(SSA)全局搜索及局部开发能力,采用ISSA对BiGRU网络权值参数迭代择优。实验结果表明,该组合预测模型中各组件对提高预测精度均起到正向作用,同时在不同交通流量数据集下的预测性能较对比算法均更优,展现了精准、快速的预测表现以及良好的泛化能力。 展开更多

关键词 短时交通流预测 互补集合经验模态分解 麻雀搜索算法 双向门控循环单元 边界局部特征延拓

在线阅读 下载PDF 职称材料