基于WPD-FEEMD和ARIMA-LSTM的油井产量预测方法 被引量：1

1

作者 张晓东 李敏 《传感器与微系统》 北大核心 2025年第6期161-164,168,共5页

针对油井生产过程中间歇开关井等人工操作导致产量序列非线性波动、非线性趋势混叠等问题,提出了一种混合二次分解算法和差分自回归综合移动平均—长短期记忆网络(ARIMA-LSTM)的单井产量预测方法。该方法首先采用小波包分解(WPD)将原始... 针对油井生产过程中间歇开关井等人工操作导致产量序列非线性波动、非线性趋势混叠等问题,提出了一种混合二次分解算法和差分自回归综合移动平均—长短期记忆网络(ARIMA-LSTM)的单井产量预测方法。该方法首先采用小波包分解(WPD)将原始产量序列分解为低频分量和高频分量;然后采用快速集合经验模态分解(FEEMD)分解高频分量,进一步降低高频分量的非平稳性,同时去除模式混叠;针对各子序列,分别构建基于ARIMA-LSTM的时序预测模型,该模型使用ARIMA过滤序列中的线性趋势,并将残差传递给Bi-LSTM提取非线性趋势;最后融合各子序列预测结果,得到油井产量预测值。算例研究结果表明,相较于支持向量回归(SVR)、LSTM等模型,所提方法具有更高的预测精度。 展开更多

关键词 产量预测 人工操作 小波包分解 快速集合经验模态分解 自回归综合移动平均 长短期记忆

在线阅读 下载PDF 职称材料

基于FEEMD-NTEO的风电场送出线路故障定位 被引量：6

2

作者 饶鸿江 何永泰 +1 位作者 彭洁 彭文权 《电机与控制应用》 2024年第1期106-116,共11页

针对集合经验模态分解(EEMD)用于双馈风电场送出线路行波故障定位中行波检测精度不高,存在模态混叠、抗噪能力弱及故障定位实时性不好等问题,提出了一种基于快速集合经验模态分解(FEEMD)与改进Teager能量算子(NTEO)结合的行波故障定位... 针对集合经验模态分解(EEMD)用于双馈风电场送出线路行波故障定位中行波检测精度不高,存在模态混叠、抗噪能力弱及故障定位实时性不好等问题,提出了一种基于快速集合经验模态分解(FEEMD)与改进Teager能量算子(NTEO)结合的行波故障定位方法。该方法利用FEEMD对故障电流行波信号进行分解,分解为平稳的固有模态分量和残差分量,消除噪声成分,保留信号的完整性;然后采用NTEO算法对分解的高频信号再次去噪,增强故障行波突变特征,精确标定行波波头。仿真结果表明,所提方法能够快速将故障行波波头精确标定,且去噪效果好,与FEEMD-TEO、EEMD-NTEO行波检测方法相比,提高了故障定位的精度和速度。 展开更多

关键词 风电场 送出线路 故障定位 快速集合经验模态分解与改进Teager能量算子(feemd-NTEO)

在线阅读 下载PDF 职称材料

不同时间尺度多源时序数据的FEEMD分解比较研究 被引量：1

3

作者 王正 邱士可 +4 位作者 曾群 吕言利 王超 张起萍 李双权 《华中师范大学学报（自然科学版）》 CAS CSCD 北大核心 2023年第6期821-836,共16页

中国南海东北部海区的叶绿素a浓度及相关环境因子受多尺度物理强迫影响,具有非线性非平稳态特征,对该区域的数据进行分解存在一定困难.该文利用一种自适应、非线性、非平稳态的FEEMD方法对研究区8 d尺度和月尺度长时序叶绿素a浓度及相... 中国南海东北部海区的叶绿素a浓度及相关环境因子受多尺度物理强迫影响,具有非线性非平稳态特征,对该区域的数据进行分解存在一定困难.该文利用一种自适应、非线性、非平稳态的FEEMD方法对研究区8 d尺度和月尺度长时序叶绿素a浓度及相关环境因子数据进行分解,结果发现:1)FEEMD有效避免了EMD和EEMD的高频模态混叠问题;2)FEEMD的运行速度比EMD和EEMD快10倍以上;3)基于8天和月尺度数据分解出的21年数据总趋势一致;4)相较于月尺度数据,8天尺度数据能分解出更多具有实际物理意义的高频模态,计算这些高频模态的周期发现基于8天尺度数据能分解出短至约2个月、4个月(季节)、6个月的周期;5)8天尺度叶绿素a浓度数据能分解出长达5年左右周期,其他相关环境因子可分解出10~14年超长周期,而月尺度数据一般只能分解出年尺度周期.该文研究结果表明,FEEMD方法可在环境复杂、动态度高、因子多变的区域进行长时间序列数据分解,并能取得理想效果,能为复杂环境条件下多因子间驱动关系研究提供借鉴. 展开更多

关键词 feemd 数据分解 叶绿素A浓度 环境因子 南海东北部

暂未订购

基于FEEMD算法对小样本电磁信号的识别与分类 被引量：5

4

作者 郭钰荣 姚金杰 +1 位作者 白建胜 温雪芳 《国外电子测量技术》 北大核心 2023年第4期166-172,共7页

针对当前小样本条件下电磁信号识别算法在不同信噪比下识别准确率较低的问题,提出了一种模糊熵限阈经验模态分解(fuzzy entropy empirical mode decomposition,FEEMD)算法进行电磁信号特征提取,提取表征明显的数据展开短时傅里叶变换(sh... 针对当前小样本条件下电磁信号识别算法在不同信噪比下识别准确率较低的问题,提出了一种模糊熵限阈经验模态分解(fuzzy entropy empirical mode decomposition,FEEMD)算法进行电磁信号特征提取,提取表征明显的数据展开短时傅里叶变换(short time Fourier transform,STFT),然后选用Transformer模型分类识别各制式信号。该算法采用8种不同制式的电磁信号分别在-10、-5、0、5、10 dB这5种信噪比下的识别准确率,确定了该网络的最优超参数。仿真结果表明,在5种信噪比下,2FSK、AM、ASK、SSB这4种调制信号识别率均超过90%,QAM16、QPSK和OFDM的准确率由30%~40%提升到了70%以上,由此表明了该算法的有效性和可实施性。 展开更多

关键词 短时傅里叶变换 Transformer网络 feemd算法 信噪比

原文传递

基于FEEMD与TEO的贯通式AT同相牵引供电系统牵引网单端功率方向保护 被引量：2

5

作者 陈仕龙 陈俊澔 +2 位作者 蔡潇 毕贵红 赵四洪 《电机与控制应用》 2022年第8期73-78,86,共7页

根据牵引网线路边界对高频暂态量的衰减作用,提出一种基于快速总体平均经验模式分解(FEEMD)和Teager能量算子(TEO)的贯通式自耦变压器(AT)同相牵引供电系统牵引网单端功率方向保护方法。求采集到的电压电流信号故障发生时的瞬时功率,并... 根据牵引网线路边界对高频暂态量的衰减作用,提出一种基于快速总体平均经验模式分解(FEEMD)和Teager能量算子(TEO)的贯通式自耦变压器(AT)同相牵引供电系统牵引网单端功率方向保护方法。求采集到的电压电流信号故障发生时的瞬时功率,并对暂态功率进行Teager变换求得TEO波形突变点的极性来作为方向判据,判别是正向故障或反向故障;若为正向故障(区内或对侧区外),再对故障暂态电流信号进行FEEMD分解,提取故障信号的固有模态函数1(IMF1)分量,再对IMF1分量进行TEO变换,求出高频暂态电流信号的TEO谱瞬时值,然后求取其绝对值并求和,进而判断故障位于区内还是对侧区外。最终通过PSCAD/EMTDC仿真软件搭建贯通式AT同相牵引供电系统模型,在不同故障条件下进行大量仿真提取数据,仿真结果证明本方案能够有效区分区内外故障,保护牵引网线路全长。 展开更多

关键词 贯通式自耦变压器同相牵引供电系统 牵引网边界 快速总体平均经验模式分角 TEAGER能量算子 单端功率方向保护

在线阅读 下载PDF 职称材料

基于FEEMD-LLE算法去强反射屏蔽方法

6

作者 严云钊 朱仕军 杨巍 《石油石化物资采购》 2023年第12期172-174,共3页

针对强反射层在实际地震资料分析中普遍存在的问题,创新性地开展基于快速经验模态分解(FEEMD)和局部线性嵌入算法(LLE)结合消除强反射屏蔽作用的方法,消除或降低强反射界面对储层响应的遮蔽作用,突出被强反射覆盖的储层的响应.在实例中... 针对强反射层在实际地震资料分析中普遍存在的问题,创新性地开展基于快速经验模态分解(FEEMD)和局部线性嵌入算法(LLE)结合消除强反射屏蔽作用的方法,消除或降低强反射界面对储层响应的遮蔽作用,突出被强反射覆盖的储层的响应.在实例中,地震资料经FEEMD-LLE处理后,既避免传统方法EMD处理出现的模态混叠现象和地震信号的时频分布失真的问题,还将地震数据结构特征保存完好,能提取更多的有效信息.处理后的地震信号横向连续性好,强反射层下伏地层响应更清晰,缝洞型储层流体的地震响应突出. 展开更多

关键词 强反射 feemd LLE 储层响应

在线阅读 下载PDF 职称材料

基于Teager能量算子瞬时能量的贯通式同相自耦变压器牵引供电系统牵引网纵联保护方案 被引量：2

7

作者 王龙 蔡潇 +3 位作者 高敬业 蔡旺 毕贵红 陈仕龙 《科学技术与工程》 北大核心 2021年第32期13728-13736,共9页

为有效提高贯通式同相自耦变压器牵引供电系统牵引网的供电可靠性。提出一种基于Teager能量算子瞬时能量的贯通式同相自耦变压器(auto transformer,AT)牵引供电系统牵引网纵联保护方案。牵引变电所出口并联电容与一段接触线构成牵引网边... 为有效提高贯通式同相自耦变压器牵引供电系统牵引网的供电可靠性。提出一种基于Teager能量算子瞬时能量的贯通式同相自耦变压器(auto transformer,AT)牵引供电系统牵引网纵联保护方案。牵引变电所出口并联电容与一段接触线构成牵引网边界,通过分析发现该边界对高频信号有很强的衰减作用。利用快速集合经验模态分解(fast-ensemble mode decomposition,FEEMD)分解提取故障电流高频分量,然后利用Teager能量算子计算故障电流高频分量的瞬时能量,并提取两端瞬时能量最大值。区外故障时,故障电流高频分量瞬时能量最大值较小;区内故障时,该值较大。根据该差异来构造保护动作判据,判别故障位置,决定保护是否动作。基于PSCAD(power systems computer aided design),大量仿真实验表明,所提保护方案能够准确判别区内、外故障,并且有较好的耐过渡电阻能力。 展开更多

关键词 贯通式同相自耦变压器(AT)供电系统 牵引网 快速集合经验模态分解(feemd) TEAGER能量算子 纵联保护

在线阅读 下载PDF 职称材料

基于主动导波和快速集成经验模式分解算法的轴类构件损伤识别 被引量：3

8

作者 吴伟林 肖涵 王涛 《机械设计与制造》 北大核心 2017年第6期34-37,共4页

为实现圆轴中损伤缺陷的识别与量化,解决超声信号处理过程中信号模式混叠和信号处理过程复杂的问题,以波动理论为基础,结合主动传感技术,利用快速集成经验模式分解(Fast Ensemble Empirical Mode Decomposition,FEEMD)算法对接收的导波... 为实现圆轴中损伤缺陷的识别与量化,解决超声信号处理过程中信号模式混叠和信号处理过程复杂的问题,以波动理论为基础,结合主动传感技术,利用快速集成经验模式分解(Fast Ensemble Empirical Mode Decomposition,FEEMD)算法对接收的导波信号进行分解,从分解的模式分量中提取出特征分量,提出基于FEEMD的透射系数并用于表征损伤严重程度。有限元仿真与实验结果表明,随着损伤程度的增加,透射系数单调递减,据此可检测出轴中所存在的缺陷并判定缺陷严重程度,可为轴类构件的结构健康监测提供一定依据。 展开更多

关键词 轴 波动理论 损伤识别 feemd

在线阅读 下载PDF 职称材料

基于二层分解技术的锂离子电池容量评估方法 被引量：7

9

作者 谢旭 蒲娴怡 +2 位作者 毕贵红 王凯 高晗 《电源技术》 CAS 北大核心 2022年第6期647-651,共5页

锂离子电池健康状态(SOH)能够表征当前电池老化程度,分析当前各类SOH估算方法,存在无法直接测量及确定数量合适的估算输入量等问题。为了解决这些问题,从容量角度定义SOH,选择可以在线测量的等压降放电时间作为健康因子,构建改进快速集... 锂离子电池健康状态(SOH)能够表征当前电池老化程度,分析当前各类SOH估算方法,存在无法直接测量及确定数量合适的估算输入量等问题。为了解决这些问题,从容量角度定义SOH,选择可以在线测量的等压降放电时间作为健康因子,构建改进快速集合经验模态分解(FEEMD)与可变模式分解(VMD)相结合的二层分解技术和粒子群算法优化长短期记忆网络(LSTM)实现锂离子电池容量估算,获得SOH值。基于NASA锂离子电池数据集进行实验。结果表明,利用该方法能够有效地对锂电池的健康趋势进行拟合,得到准确的SOH估算结果。 展开更多

关键词 feemd LSTM PSO 锂离子电池 健康状态

在线阅读 下载PDF 职称材料

基于Elman神经网络的高压直流输电系统换相失败故障诊断 被引量：1

10

作者 刘浩 邢超 +2 位作者 陈仕龙 杨鸿雁 严增伟 《软件导刊》 2020年第6期9-14,共6页

快速准确地诊断出换相失败故障,对后期采取适当控制措施避免保护装置误动有重要意义。首先建立永富弱受端直流输电系统的PSCAD仿真模型,对不同故障条件下的直流线路短路故障和换相失败故障进行仿真;利用FEEMD对不同故障条件下逆变侧的... 快速准确地诊断出换相失败故障,对后期采取适当控制措施避免保护装置误动有重要意义。首先建立永富弱受端直流输电系统的PSCAD仿真模型,对不同故障条件下的直流线路短路故障和换相失败故障进行仿真;利用FEEMD对不同故障条件下逆变侧的电流线模信号进行分解,并取IMF7-IMF10分量求样本熵值;然后将归一化后的样本熵值作为Elman神经网络的训练集和测试集,利用Elman神经网络的输出诊断直流系统运行状态,即正常状态(001)、线路短路故障(100)、换相失败(010)。对不同故障条件下的线路故障和换相失败故障进行仿真,实验结果表明,在训练集较少的情况下,线路故障的识别率为85.71,%、换相失败故障占比92.85%;随着训练集增加,基于FEEMD样本熵+Elman神经网络的方法对换相失败和线路故障的识别率达到100%,能够准确判断出故障类型。 展开更多

关键词 换相失败 弱受端直流输电系统 feemd 样本熵 ELMAN神经网络

在线阅读 下载PDF 职称材料

基于改进快速集合经验模态分解和Elman-Adaboost的短期风速预测方法 被引量：5

11

作者 王凯 毕贵红 +2 位作者 高晗 蒲娴怡 陈仕龙 《电力科学与工程》 2020年第5期32-39,共8页

针对风电场风速时序的不可控特性以及短期风速预测精度低的问题,提出基于改进快速集合经验模态分解(fast ensemble empirical mode decomposition,FEEMD)和Elman-Adaboost的组合预测模型。首先,采用加余弦函数改进FEEMD方法将风速数据... 针对风电场风速时序的不可控特性以及短期风速预测精度低的问题,提出基于改进快速集合经验模态分解(fast ensemble empirical mode decomposition,FEEMD)和Elman-Adaboost的组合预测模型。首先,采用加余弦函数改进FEEMD方法将风速数据分解为相对平稳的本征模态函数分量;然后,运用样本熵(sampleentropy,SE)计算分量复杂度并按复杂度对分量进行重构;最后,基于Elman-Adaboost方法的单步直接预测方法来预测重构后分量下一天24 h的风速值,将所有分量的预测叠加得到最终的预测结果。选择预测点时间前24、48和72 h风速数据作为神经网络的输入维数,比较不同维数对预测精度的影响。实验证明,改进FEEMD-SE-Elman-Adaboost组合预测模型可以有效地提高风电场短期预测的精度。 展开更多

关键词 快速集合经验模态分解 端点效应 余弦窗函数 Elman-Adaboost

在线阅读 下载PDF 职称材料

基于二层分解的PSO-LSTM模型风电功率超短期预测 被引量：9

12

作者 蒲娴怡 毕贵红 +2 位作者 王凯 谢旭 陈仕龙 《电机与控制应用》 2021年第5期86-92,共7页

为提升风电功率预测精度,提出基于二层分解技术和粒子群优化长短期记忆(PSO-LSTM)神经网络组合的超短期风电功率预测模型。对风电功率原始数据,采用快速集合经验模态分解(FEEMD)方法将其分解为一系列本征模态函数(IMF)分量和余项,针对... 为提升风电功率预测精度,提出基于二层分解技术和粒子群优化长短期记忆(PSO-LSTM)神经网络组合的超短期风电功率预测模型。对风电功率原始数据,采用快速集合经验模态分解(FEEMD)方法将其分解为一系列本征模态函数(IMF)分量和余项,针对高频分量采用变分模态分解(VMD)进行二层分解。运用样本熵来解决分量个数过多、计算量繁杂的问题。通过偏自相关函数(PACF)筛选出与预测值关联程度高的元素确定输入维数。最后,选用PSO来优化LSTM相关参数建立预测模型并叠加获得最终值。试验结果表明,该组合模型有效提高了预测精度。 展开更多

关键词 风电功率预测 快速集合经验模态分解 偏自相关函数 二层分解 粒子群优化 深度学习

在线阅读 下载PDF 职称材料

EEMD改进算法在异步电机轴承故障诊断中的应用 被引量：8

13

作者 吴勇 朱建军 邹奔 《中国舰船研究》 CSCD 北大核心 2022年第6期111-117,共7页

[目的]为了克服传统的集成经验模态分解(EEMD)方法凭经验选取参数(集成次数及白噪声幅值系数)的弊端,同时降低该方法的计算时间成本,提出一种快速集成经验模态分解(FEEMD)方法来提取特征频率。[方法]通过改变添加白噪声的分布密度,得到... [目的]为了克服传统的集成经验模态分解(EEMD)方法凭经验选取参数(集成次数及白噪声幅值系数)的弊端,同时降低该方法的计算时间成本,提出一种快速集成经验模态分解(FEEMD)方法来提取特征频率。[方法]通过改变添加白噪声的分布密度,得到不同的信号包络线。进一步通过求解移动均值滤波器最优的搜索窗口宽度来实现寻找最优的包络线,从而避免EEMD方法凭经验选择参数的缺陷。同时,在信号中的异常分量分解出来后,对剩余分量进行经验模态分解(EMD),从而进一步节省计算成本。最后,将该方法与Hilbert包络解调技术相结合应用到对异步电机轴承内环故障特征频率诊断中,并与传统的EEMD方法进行比较。[结果]结果表明,FEEMD方法能够更高效地完成对故障频率的提取。[结论]FEEMD方法可克服传统EEMD方法凭经验选取参数的弊端并缩短计算时间,有效应用在轴承故障频率的提取试验中。 展开更多

关键词 异步电机 故障诊断 快速集成经验模态分解 包络解调

在线阅读 下载PDF 职称材料

基于二层分解技术和改进极限学习机模型的PM2.5浓度预测研究 被引量：27

14

作者 罗宏远 王德运 +2 位作者 刘艳玲 魏帅 林彦兵 《系统工程理论与实践》 EI CSSCI CSCD 北大核心 2018年第5期1321-1330,共10页

准确的PM2.5浓度预测对于保护公众健康和提高空气质量有重要意义,然而,由于PM2.5浓度序列的随机性、非线性以及非平稳性等特征增加了对其准确预测的难度.本文提出了一种基于二层分解技术和改进极限学习机（ELM）模型的PM2.5浓度预测方法... 准确的PM2.5浓度预测对于保护公众健康和提高空气质量有重要意义,然而,由于PM2.5浓度序列的随机性、非线性以及非平稳性等特征增加了对其准确预测的难度.本文提出了一种基于二层分解技术和改进极限学习机（ELM）模型的PM2.5浓度预测方法,该方法融合了快速集成经验模态分解（FEEMD）和变分模态分解（VMD）两种分解技术以及经过差分演化（DE）算法优化的ELM模型.为了验证所提出预测方法的有效性,本文使用该方法对北京市和石家庄市的PM2.5浓度序列进行了预测研究.结果表明：1）相比于单层分解技术,本文提出的二层分解技术可以更加有效地降低PM2.5浓度序列的非线性及非平稳性特征;2）基于二层分解技术的DE-ELM预测模型可以显著提高PM2.5浓度的预测精度. 展开更多

关键词 PM2.5浓度预测 快速集成经验模态分解 变分模态分解 差分演化算法 极限学习机

原文传递