期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于KShape数据增广与混合神经网络的注水系统故障诊断 被引量：1
1
作者 于继飞 姬煜晨 +5 位作者 常振宁 隋先富 曹砚锋 杨阳 彭建霖 李昂 《科学技术与工程》 北大核心 2024年第24期10235-10243,共9页
为解决海上油田注水系统故障诊断问题,提出基于KShape数据增广与混合神经网络的故障诊断模型。首先采用KShape时间序列聚类算法实现样本数据增广,然后通过融合双向长短时记忆网络(bidirectional long short-term memory network, BiLSTM... 为解决海上油田注水系统故障诊断问题,提出基于KShape数据增广与混合神经网络的故障诊断模型。首先采用KShape时间序列聚类算法实现样本数据增广,然后通过融合双向长短时记忆网络(bidirectional long short-term memory network, BiLSTM)和全卷积神经网络(fully convolutional neural network, FCN)构建混合神经网络模型,最后应用贝叶斯优化算法对模型参数进行全局寻优。结果表明:提出的数据增广方法在数字油田大数据的基础上,能够有效扩充注水系统工况样本。提出的混合神经网络模型较BiLSTM和FCN单一模型效果更好,该模型综合了BiLSTM网络对时间序列数据依赖关系的良好捕捉能力以及FCN网络对局部特征的有效提取能力,较两者在准确率上分别提升4.9%和1.8%。贝叶斯优化方法在寻找更优超参数组合方面有显著效果,为提高模型的鲁棒性和泛化性能起到了重要作用。该方法较传统调参方法在准确率上提升5%,较网格搜索和随机搜索方法分别提升3.7%和1.9%。同时,该方法产生的不同超参数组合下的模型准确率中位数为84.5%,模型准确率在90%以上的占比达到18%。所提出的故障诊断模型,可有效识别地层堵塞、配水器堵塞和油管漏失等故障,为海上油田注水系统故障诊断提供了新的解决方案和有效的技术支持。 展开更多
关键词 kshape 数据增广 混合神经网络 贝叶斯优化 故障诊断 注水系统
在线阅读 下载PDF
基于改进kShape聚类的谐波污染分区方法
2
作者 张敏 樊瑞 +3 位作者 祗会强 张世锋 李慧蓬 赵军 《辽宁工程技术大学学报（自然科学版）》 CAS 北大核心 2024年第3期342-350,共9页
针对大量电力电子负荷接入后,谐波源数量大幅增加,全网谐波源位置追溯困难的问题,利用电能质量监测数据,提出一种基于双层聚类的谐波分区溯源方案。首先,使用基于波形相似性的kShape时间序列聚类算法,通过计算谐波电压序列的形态距离来... 针对大量电力电子负荷接入后,谐波源数量大幅增加,全网谐波源位置追溯困难的问题,利用电能质量监测数据,提出一种基于双层聚类的谐波分区溯源方案。首先,使用基于波形相似性的kShape时间序列聚类算法,通过计算谐波电压序列的形态距离来度量数据波动相似性,挖掘谐波污染关联信息;然后,引入自适应密度峰值聚类改进kShape算法,解决初始聚类中心随机选取导致的局部最小化问题,实现最佳聚类数目的自适应选择。该方法能够有效实现多谐波源的区域化定位,缩小主导谐波源的嫌疑范围,适用于大规模谐波源接入场景的溯源分析。基于IEEE123节点网络和监测平台的实测数据,验证了方法的有效性和实用性。 展开更多
关键词 谐波溯源 谐波污染分区 kshape聚类 时间序列相似性 自适应密度峰值聚类
原文传递
基于TL-LSTM的新能源功率短期预测 被引量：11
3
作者 郑真 朱峰 +2 位作者 马小丽 田书欣 姜皓喆 《综合智慧能源》 CAS 2023年第1期41-48,共8页
新能源功率预测是实现主动配电网运行态势精确感知的关键。针对新能源功率的不确定性和波动性,提出了一种融合迁移学习(TL)和长短期记忆神经网络(LSTM)的新能源功率组合预测方法。引入k-shape聚类算法对不同区域新能源提供的时序数据进... 新能源功率预测是实现主动配电网运行态势精确感知的关键。针对新能源功率的不确定性和波动性,提出了一种融合迁移学习(TL)和长短期记忆神经网络(LSTM)的新能源功率组合预测方法。引入k-shape聚类算法对不同区域新能源提供的时序数据进行聚类,同时利用各个聚类生成若干预训练模型;结合形态距离指标,选择与目标序列最接近的聚类作为辅助数据簇以准备迁移学习;借助辅助数据簇所对应的预训练模型来完成TL-LSTM模型的训练,且在所有模型的训练过程中利用差值化处理方法避免预测结果出现“滞后”现象。以我国某实际风电场和光伏电站为典型算例,验证所提预测方法的有效性。结果表明,该方法提升了新能源功率短期预测的精度,并能够在小样本环境下进行新能源功率的预测,有较高地泛用性。 展开更多
关键词 新能源功率预测 主动配电网 态势预测 迁移学习 长短期记忆网络 k-shape算法 小样本学习 态势感知
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部