-
题名基于5G通信的发电企业自动化安全监察系统
- 1
-
-
作者
杨艳芳
董志良
万宏
胡伟
俞剑锋
-
机构
国能信控技术股份有限公司
国家能源集团浙江电力有限公司
国能浙江北仑第一发电有限公司
-
出处
《电子设计工程》
2025年第24期88-93,共6页
-
文摘
为了提升发电企业自动化安全监察系统的效能,采用将蝙蝠算法(BA)与变分模态分解算法(VMD)相结合的方法,利用BA优化VMD初始参数以提升算法准确率,并融入5G技术加快信号传输。在经典Iris数据集上对比BA-VMD算法与PSO-CNN、GA-VMD、RF-RNN算法,同时在实际电站中将基于5G技术和BA-VMD算法的监察系统与传统人工监察系统、基于独立成分分析算法(ICA)的监察系统进行对比实验。结果表明,BA-VMD算法分类准确率达到0.97,误差率仅为1.1%,空间占用率为9.8%,计算耗时为0.98 s,各项性能均为最优;所构建监察系统对电站过载、电压、短路、元件故障检测准确率分别为97%、96%、94%、97%,监察耗时为1.2 s,资源利用率达到72.3%,电功率稳定性为0.93。该监察系统显著提高了监察准确率、速度及资源利用率,保障了电功率的稳定。
-
关键词
5G通信
发电企业
蝙蝠算法
变分模态分解
监察系统
-
Keywords
5G communication
power generation companies
Bat Algorithm
variational mode decomp⁃osition
supervision system
-
分类号
TN914
[电子电信—通信与信息系统]
-
-
题名覆冰导线振动数据降噪及状态识别
- 2
-
-
作者
陶慧
贺国帅
杨金显
艾朋伟
-
机构
河南理工大学电气工程与自动化学院
-
出处
《传感技术学报》
CAS
CSCD
北大核心
2023年第12期1935-1942,共8页
-
基金
国家自然科学基金项目(41672363,U1404510)。
-
文摘
为准确识别输电线路覆冰运动状态,提出基于SSA-VMD和E-KL散度的覆冰导线振动数据降噪及状态识别的方法。首先利用微惯性测量组合(Micro Inertial Measurement Unit,MIMU)采集导线运动三轴加速度和三轴角速度原始振动数据,构建排列熵、包络熵和相关系数结合的适应度函数,利用麻雀搜索算法(Sparrow Search Algorithm,SSA)优化变分模态分解(Variational Mode Decomposition,VMD)参数。用优化后的变分模态分解方法将真实振动信号与噪声分离,选取真实振动信号重构信号,完成振动信号降噪预处理,并通过仿真实验验证降噪算法对覆冰导线振动数据的适用性。搭建覆冰导线模拟系统采集数据,降噪处理后计算导线各维能量,构建E-KL(Energy-Kullback Leibler Divergence)散度对覆冰导线状态识别,估计覆冰导线幅值和频率变异程度。实验结果表明可有效识别覆冰导线状态并进行幅频估计。
-
关键词
覆冰导线
降噪
状态识别
麻雀搜索算法
变分模态分解
KL散度
-
Keywords
iced conductor
noise reduction
state recognition
sparrow search algorithm
variational mode decomp-osition
KL divergence
-
分类号
TM752
[电气工程—电力系统及自动化]
-
-
题名基于改进的LSTM电力碳排放分解预测模型
被引量：6
- 3
-
-
作者
于晓月
潘昊
王国刚
-
机构
沈阳化工大学信息工程学院
-
出处
《电子设计工程》
2024年第23期12-16,共5页
-
基金
国家重点研发计划(2018YFB1700200)。
-
文摘
针对当前碳排放预测精度不高和模型泛化性差等问题,提出了一种新的变分模态分解(VMD)、蜣螂优化算法(DBO)和长短期记忆(LSTM)神经网络组合的预测模型。VMD将碳排放时间序列分解成多个本征模态函数(IMF),以减少噪声的干扰;通过DBO优化LSTM模型参数,预测每个分解的IMF;将每个IMF的预测结果相加以获得最终预测值。通过均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)等评价指标对模型预测精度进行验证。实验结果表明,与其他预测模型相比,VMD-DBO-LSTM模型各项误差最小,RMSE、MAE和MAPE分别降低到0.005 2、0.004 1和0.101 4,能有效提高碳排放预测精度,泛化性强。
-
关键词
碳排放预测
蜣螂优化算法
变分模态分解
长短期记忆神经网络
-
Keywords
carbon emission forecasting
Dung Beetle Optimizer algorithm
variational mode decomp-osition
Long Short-Term Memory neural network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
