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61篇文章
< 1 2 … 4 >
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：
利用混合深度学习算法的时空风速预测 被引量：1
1
作者 贵向泉 孟攀龙 +2 位作者 孙林花 秦三杰 刘靖红 《太阳能学报》 北大核心 2025年第3期668-678,共11页
风速预测的准确性始终不理想,为解决风速复杂的时空相关性和非线性问题,提出一种新颖的混合深度学习模型。首先,采用二次分解法将输入序列分解为具有不同频率振动模式的模态分量(IMF);使用图卷积神经网络(GCN)和双向长短期记忆网络(BiLS... 风速预测的准确性始终不理想,为解决风速复杂的时空相关性和非线性问题,提出一种新颖的混合深度学习模型。首先,采用二次分解法将输入序列分解为具有不同频率振动模式的模态分量(IMF);使用图卷积神经网络(GCN)和双向长短期记忆网络(BiLSTM)来预测高频分量;使用自适应图时空Transformer网络(ASTTN)来预测低频分量,以充分考虑输入序列的时空相关性。最后将高频分量和低频分量合并叠加,得到最终的预测结果。将该模型应用于甘肃省某风电场进行风速预测,实验结果表明,所提出混合深度学习模型能有效提高风速预测的准确性。 展开更多
关键词 风速 预测 深度学习 图卷积神经网络 双向长短期记忆网络 自适应图时空Transformer
原文传递
基于特征交叉注意力机制融合的轴承故障诊断方法 被引量：1
2
作者 赵国超 刘崇德 +2 位作者 宋宇宁 金鑫 李伟华 《振动与冲击》 北大核心 2025年第12期228-237,共10页
为了解决轴承振动信号特征提取不充分导致故障诊断准确率低的问题,提出一种基于特征交叉注意力机制融合的轴承故障诊断方法,建立CNN-BiTCN-CA诊断模型。采用变分模态分解和快速傅里叶变换对原始信号进行重构,分别使用卷积神经网络(convo... 为了解决轴承振动信号特征提取不充分导致故障诊断准确率低的问题,提出一种基于特征交叉注意力机制融合的轴承故障诊断方法,建立CNN-BiTCN-CA诊断模型。采用变分模态分解和快速傅里叶变换对原始信号进行重构,分别使用卷积神经网络(convolutional neural network,CNN)和双向时间卷积网络(bidirectional temporal convolutional network,BiTCN)提取时频特征,通过交叉注意力机制(cross-attention mechanism,CA)融合时频特征的能力,充分提取原始信号故障特征,利用全连接层实现滚动轴承故障类型的精确诊断。试验研究表明:在含信噪比为9.32 dB、标准差为2.98的高斯白噪声的环境下,使用CNN-BiTCN-CA模型轴承故障分类准确率为99.88%,相较于使用CNN、BiTCN和结合自注意力机制的卷积神经网络(CNN with self-attention mechanism,CNN-SA)诊断轴承故障,准确率分别提升约22.79%、4.85%和4.19%;在引入信噪比为3.31 dB、标准差为5.96的高斯白噪声时,该模型仍然可以达到96.12%的诊断准确率。CNN-BiTCN-CA模型能够深入提取轴承信号中的故障特征,有效提高故障分类准确性。 展开更多
关键词 滚动轴承 故障诊断 双向时间卷积网络(BiTCN) 时频融合 交叉注意力机制(CA)
在线阅读 下载PDF
基于VMD-CNN-BiTCN滚动轴承故障诊断 被引量：3
3
作者 徐志祥 玄永伟 +1 位作者 王洪洋 王壬杰 《微特电机》 2025年第2期68-73,共6页
针对滚动轴承故障诊断中,传统卷积神经网络(CNN)特征提取感受野受限、无法有效提取数据时序特征的问题,提出了一种CNN结合双向时间卷积网络(BiTCN)的模型,该模型能够扩展感受野并有效捕获数据的时序特征。将原始振动信号通过变分模态(V... 针对滚动轴承故障诊断中,传统卷积神经网络(CNN)特征提取感受野受限、无法有效提取数据时序特征的问题,提出了一种CNN结合双向时间卷积网络(BiTCN)的模型,该模型能够扩展感受野并有效捕获数据的时序特征。将原始振动信号通过变分模态(VMD)分解为K个本征模函数(IMF);将分解后的信号输入到CNN层中进行特征提取和信号压缩;将该信号送入BiTCN中,提取正反两个方向的时序特征,使用膨胀卷积最大化感受野;通过池化层和全连接层实现滚动轴承故障诊断。实验结果显示,该模型在特征提取能力和时序特征感知具有显著优势,能够在多个数据集中表现出良好的故障诊断性能和泛化能力。 展开更多
关键词 滚动轴承 故障诊断 卷积神经网络 双向时间卷积网络 变分模态分解
在线阅读 下载PDF
基于AF-BiTCN的弹道中段目标HRRP识别
4
作者 王晓丹 王鹏 +2 位作者 宋亚飞 向前 李京泰 《北京航空航天大学学报》 北大核心 2025年第2期349-359,共11页
针对弹道中段目标高分辨距离像(HRRP)的时序特征提取和识别问题,为充分利用弹道中段目标HRRP的双向时序信息,进一步提高识别性能,提出一种基于加性融合双向时间卷积神经网络(AF-BiTCN)的识别方法。对HRRP数据采用双向时序滑窗法处理为... 针对弹道中段目标高分辨距离像(HRRP)的时序特征提取和识别问题,为充分利用弹道中段目标HRRP的双向时序信息,进一步提高识别性能,提出一种基于加性融合双向时间卷积神经网络(AF-BiTCN)的识别方法。对HRRP数据采用双向时序滑窗法处理为双向序列;构建BiTCN逐层提取HRRP的双向深层时序特征,并将双向时序特征采用加性策略融合;利用更加稳健的融合特征实现对弹道中段目标的识别,并使用Adam算法优化AF-BiTCN的收敛速度和稳定性。实验结果表明:所提的基于AF-BiTCN的弹道中段目标HRRP识别方法较堆叠选择长短期记忆网络(SLSTM)、堆叠门控循环单元(SGRU)等6种时序方法具有更高的准确率和更快的识别速度,在测试集上达到了96.60%的准确率,并且在噪声数据集上表现出更好的鲁棒性。 展开更多
关键词 双向时间卷积神经网络 弹道目标识别 特征融合 高分辨距离像 滑窗算法
原文传递
基于模态分解和误差修正的短期电力负荷预测
5
作者 鄢化彪 李东丽 +2 位作者 黄绿娥 张航菘 姚龙龙 《电子测量技术》 北大核心 2025年第5期92-101,共10页
针对电力负荷非线性、高波动性和强随机性等特性导致无法充分提取时序特征引起预测误差较大的问题,提出了基于改进的自适应白噪声完全集合经验模态分解和误差修正的双向时间卷积网络-双向长短期记忆网络短期电力负荷预测方法。先由最大... 针对电力负荷非线性、高波动性和强随机性等特性导致无法充分提取时序特征引起预测误差较大的问题,提出了基于改进的自适应白噪声完全集合经验模态分解和误差修正的双向时间卷积网络-双向长短期记忆网络短期电力负荷预测方法。先由最大信息系数筛选出与负荷高度相关的特征集,以削弱特征冗余;通过改进的自适应白噪声完全集合经验模态分解将高波动性的负荷分解为频率各异的本征模态分量和残差,以降低非平稳性;引入样本熵将复杂度相近的分量重构成新子序列,以降低计算量;然后,结合并行双向时间卷积网络提取不同尺度的特征,利用双向长短期记忆网络对负荷序列初步预测,使用麻雀优化算法对神经网络超参数调优;最后,误差序列通过误差修正模块对初始预测值进行修正。经实验验证,与其他预测模型相比,RMSE最多降低51.42%,最少降低34.26%,验证了模型的准确性和有效性。 展开更多
关键词 电力负荷 短期预测 自适应经验模态分解 样本熵 双向时间卷积网络 双向长短期记忆 麻雀搜索算法
原文传递
基于BWO优化VMD和TCN-BiGRU的短期风电功率预测
6
作者 逯静 张燕茹 王瑞 《工程科学与技术》 北大核心 2025年第3期31-41,共11页
针对风力发电过程中出现的不平稳、波动性大等特点,为了更好地提高风力发电的预测精度,提出一种基于白鲸优化算法(BWO)的变分模态分解(VMD)和时序卷积网络(TCN)-双向门控循环单元(BiGRU)联合构建的短期风力发电功率预测模型。首先,由于... 针对风力发电过程中出现的不平稳、波动性大等特点,为了更好地提高风力发电的预测精度,提出一种基于白鲸优化算法(BWO)的变分模态分解(VMD)和时序卷积网络(TCN)-双向门控循环单元(BiGRU)联合构建的短期风力发电功率预测模型。首先,由于风电功率受多方面气象因素的共同影响,采用随机森林(RF)方法来确定气象因素特征的重要性,对特征进行排序并提取出最优的特征。其次,利用VMD将原始功率数据由不平稳序列分解成较平稳的子序列,为解决VMD的两个参数即模态数和惩罚因子难以人工确定的问题,使用BWO对VMD的参数进行寻优,利用优化后的VMD对非平稳电力信号进行有效分解。然后,将分解后的各平稳子序列加上提取出的最优特征进行TCN-BiGRU组合模型预测。最后,将各子序列的预测值进行叠加得到最终的结果。以中国的某风电场的实际数据为例,通过多种单一模型与组合模型对所提出的预测模型进行了仿真对比。仿真结果表明,所提出的基于BWO优化VMD和TCN-BiGRU联合预测方法具有较高的预测精度,其均方根误差、平均绝对误差及平均百分比误差的指标精度均比其他模型有所提高。本文方法在风电功率预测中具有显著优势。 展开更多
关键词 短期风功率预测 变分模态分解 随机森林 时序卷积网络 双向门控循环单元 白鲸优化算法
在线阅读 下载PDF
基于多头注意力机制的TCN-BiGRU密度测井曲线重构方法 被引量：2
7
作者 王欢欢 赵彬 +3 位作者 刘建新 陶良清 高楚桥 廖文龙 《地球物理学进展》 北大核心 2025年第2期592-604,共13页
在测井过程中,受仪器故障、井壁坍塌等因素的影响,部分井段密度曲线常常出现失真或缺失,导致储层评价存在误差.为了提高储层评价的准确性,重构密度曲线显得尤为重要.鉴于传统的机器学习曲线重构方法难以满足精度要求,本文提出了一种融... 在测井过程中,受仪器故障、井壁坍塌等因素的影响,部分井段密度曲线常常出现失真或缺失,导致储层评价存在误差.为了提高储层评价的准确性,重构密度曲线显得尤为重要.鉴于传统的机器学习曲线重构方法难以满足精度要求,本文提出了一种融合时间卷积网络(TCN)、双向门控循环单元(BiGRU)和多头注意力机制(MHA)的密度曲线重构方法.该方法通过TCN的卷积特性捕捉测井数据的长期依赖关系,同时引入多头注意力机制增强BiGRU对重要特征的选择能力,实现精准的密度曲线重构.将该方法应用于研究区实测数据进行重构实验,首先验证了加入地层岩性指标对模型重构能力的影响,然后对比分析了本文网络与Gardner公式、多元拟合、门控循环单元、双向门控循环单元的重构结果,最后通过岩心标定验证本文网络的泛化性.结果表明,本文提出的密度曲线重构方法具有更高的精度,并表现出良好的泛化性. 展开更多
关键词 密度测井曲线重构 多头注意力机制 时间卷积网络 双向门控循环单元 物理约束
原文传递
基于融合通道与时间注意力的TCN-BLSTM模型的混装作业车间在制品库存实时预测
8
作者 庄泓 唐秋华 +2 位作者 成丽新 余淑均 齐航 《计算机集成制造系统》 北大核心 2025年第9期3174-3186,共13页
混装作业车间加工和装配两阶段间的在制品库存水平,可能直接导致装配生产中断或引起错装漏装,故需预测不同时刻库存水平,实现精准控制。提出了融合通道与时间注意力机制(CATA)的TCN-BLSTM模型。首先,利用去噪自动编码器进行特征降维,去... 混装作业车间加工和装配两阶段间的在制品库存水平,可能直接导致装配生产中断或引起错装漏装,故需预测不同时刻库存水平,实现精准控制。提出了融合通道与时间注意力机制(CATA)的TCN-BLSTM模型。首先,利用去噪自动编码器进行特征降维,去除数据噪声和冗余信息;通过时间卷积网络(TCN)捕获工件流在加工机器装配工位间的传递机制,并将通道注意力嵌入时间卷积网络中,挖掘关键特征;通过双向长短时记忆网络(BLSTM)模拟推拉时刻双向信息流的传递,设计含多个模块的时间注意力网络,增强所有时刻特征间关联关系,挖掘影响库存的关键时刻;通过反向传播更新注意力网络参数,实现精准预测。实验结果表明所提出的CATA-TCN-BLSTM模型有效挖掘了关键特征和时刻,大幅提高了预测准确率;并实现了不同生产场景下的预测模型迁移,预测准确率达98%以上。 展开更多
关键词 在制品库存预测 时间卷积网络 通道注意力 双向长短期记忆网络 时间注意力
在线阅读 下载PDF
基于二次模态分解重构及BiTCN-BiGRU模型的光伏短期发电功率预测
9
作者 文斌 章学勤 +2 位作者 付文龙 丁弈夫 封宣宇 《电力系统保护与控制》 北大核心 2025年第18期74-87,共14页
针对光伏功率序列具有非平稳性和波动性的特点导致预测模型预测精度偏低的问题,提出一种基于二次模态分解重构、双向时序卷积网络(bidirectional temporal convolutional network,BiTCN)-双向门控循环单元(bidirectional gated recircul... 针对光伏功率序列具有非平稳性和波动性的特点导致预测模型预测精度偏低的问题,提出一种基于二次模态分解重构、双向时序卷积网络(bidirectional temporal convolutional network,BiTCN)-双向门控循环单元(bidirectional gated recirculation unit,BiGRU)组合模型及与多策略改进沙猫群优化算法(multi-strategy improved sand cat swarm algorithm,MSCSO)相结合的光伏短期发电功率预测方法。首先,利用Spearman相关系数选取气象特征作为模型输入,并采用模糊C均值聚类方法进行相似日分类。其次,采用改进完全集合经验模态分解、变分模态分解对光伏功率序列进行分解并采用样本熵对分量进行重构。最后,建立Bi TCN-Bi GRU组合预测模型进行预测并通过MSCSO优化模型参数,将各分量预测结果叠加得到最终光伏功率预测值。通过与多种预测模型在不同天气条件和不同地区的对比分析,验证了所提模型具有更高的预测精度和良好的适应性。 展开更多
关键词 二次模态分解重构 沙猫群算法 双向时序卷积网络 双向门控循环单元 光伏功率预测
在线阅读 下载PDF
基于联合特征筛选与混合深度学习框架的项目成本估算方法
10
作者 王艳丽 陈远 《高技术通讯》 北大核心 2025年第10期1108-1119,共12页
可靠的施工成本是项目规划和资源分配的关键。针对建筑工程领域高维数据冗余和时变数据的异构造成施工成本难以准确估算的问题,本研究提出了一种基于联合特征筛选的混合深度学习框架,融合了多层感知机(multi-layer perceptron,MLP)、时... 可靠的施工成本是项目规划和资源分配的关键。针对建筑工程领域高维数据冗余和时变数据的异构造成施工成本难以准确估算的问题,本研究提出了一种基于联合特征筛选的混合深度学习框架,融合了多层感知机(multi-layer perceptron,MLP)、时序卷积网络(temporal convolutional network,TCN)和双向门控循环单元(bidirectional gated recurrent unit,BiGRU),使用人工智能的方式用于项目成本的估算。首先,设计了基于Pearson-Spearman联合检验的双维度特征筛选机制,去除冗余特征,降低数据噪声。其次,构建具有并行架构的MLP-TCN-BiGRU混合模型,通过双通路设计分离处理静态特征和时序变量,TCN层通过膨胀卷积捕捉时序变量的长程依赖,结合BiGRU的双向门控机制对提取的特征进行非线性建模,MLP层则融合静态特征,所有的信息通过拼接层生成融合表征。最后,采用牛顿-拉夫森方法的优化器实现超参数的自适应调优。实例分析表明,本文所提方法通过隐式关联规律建模,在建筑项目的成本估算中具有更高的预测准确性,为建筑项目管理者提供了实时风险预警和决策支持工具。 展开更多
关键词 成本估算 混合深度学习框架 时序卷积网络-双向门控循环单元 联合特征分析 参数优化
在线阅读 下载PDF
土石坝渗流预测的BiTCN-Attention-LSSVM模型研究
11
作者 傅蜀燕 杨石勇 +2 位作者 陈德辉 王子轩 欧斌 《水资源与水工程学报》 北大核心 2025年第1期118-128,共11页
为了克服常规机器学习模型在处理时序数据时难以有效捕捉长期依赖关系和局部重要性的局限,提出了一种基于双向时序卷积神经网络(BiTCN)、注意力机制(Attention)和最小二乘支持向量机(LSSVM)的土石坝渗流预测耦合模型。该模型利用BiTCN... 为了克服常规机器学习模型在处理时序数据时难以有效捕捉长期依赖关系和局部重要性的局限,提出了一种基于双向时序卷积神经网络(BiTCN)、注意力机制(Attention)和最小二乘支持向量机(LSSVM)的土石坝渗流预测耦合模型。该模型利用BiTCN从前、后两个方向捕获时序数据中的长期依赖关系,引入Attention机制帮助模型专注于与预测相关的关键局部特征,并将BiTCN-Attention深度处理后的特征输入LSSVM模型中进行预测,最后以2个不同的数据集分析了模型的预测效果。案例分析表明:与LSSVM、CNN-LSSVM和TCN-LSSVM相比,BiTCN-Attention-LSSVM模型预测的各项评价指标均为最优,在土石坝测压管水位预测中展现出更高的模型精度和稳定性;BiTCN与Attention的相互结合能够更好地提取时序数据中的相互依赖关系,将BiTCN-Attention提取的特征输入LSSVM中进行预测可获得良好的预测性能,数据集扩充处理后有效提高了模型的学习能力。 展开更多
关键词 土石坝测压管水位 渗流预测 双向时序卷积神经网络 注意力机制 最小二乘支持向量机
在线阅读 下载PDF
融合遗传算法的GRA-TCN-BiLSTM钢铁工业能耗预测 被引量：2
12
作者 马将 韩宏帅 +2 位作者 贾钰峰 陈子骐 杨爱民 《中国冶金》 北大核心 2025年第4期155-165,共11页
针对钢铁工业能耗数据中存在的周期性强、波动性大等特性,为进一步提高钢铁工业能耗预测的准确度,提出了一种融合遗传算法(Genetic Algorithm, GA)优化的深度学习模型GRA-TCN-BiLSTM。模型首先通过灰色关联分析(Grey Correlation Analys... 针对钢铁工业能耗数据中存在的周期性强、波动性大等特性,为进一步提高钢铁工业能耗预测的准确度,提出了一种融合遗传算法(Genetic Algorithm, GA)优化的深度学习模型GRA-TCN-BiLSTM。模型首先通过灰色关联分析(Grey Correlation Analysis, GRA)处理原始数据,降低计算复杂度;然后,集成时间卷积神经网络(Temporal Convolutional Network, TCN)的深度特征提取能力与双向长短期记忆网络(Bidirectional Long Short-Term Memory, BiLSTM)的深度多维时序感知能力,充分捕捉复杂动态数据中的全局时序模式与局部依赖性,在此过程中融合遗传算法优化超参数配置,提高计算效率。通过2组消融试验验证了模型各部分对总体性能提升的有效性;通过与7种能耗预测领域常用模型的预测结果对比,所提模型的平均绝对误差(Mean Absolute Error,E_(MA))、均方根误差(Root Mean Square Error,E_(RMS))和决定系数(R-Square,R^(2))均优于其他模型。其中,所提模型较基础结构模型在E_(MA)上的提升最高可达33.33%,在E_(RMS)上的提升最高可达35.60%;较强化组合模型在E_(MA)上的提升最高可达64.97%,在E_(RMS)上的提升最高可达51.29%,显示出其在捕捉高层抽象特征和时间依赖性方面表现突出,具有更高的预测性能。同时,所提模型在计算效率上表现良好,实现了性能与资源利用之间的协调平衡。 展开更多
关键词 钢铁工业 能耗预测 灰色关联分析 遗传算法 时间卷积神经网络 双向长短期记忆神经网络
在线阅读 下载PDF
融合机理模型与深度学习的加热炉钢坯温度预测
13
作者 冯旭刚 杨克 +5 位作者 安硕 王正兵 唐得志 王伟 柳传武 潘磊 《中南大学学报(自然科学版)》 北大核心 2025年第7期2719-2730,共12页
数据驱动模型在加热炉钢坯温度预测中存在机理模糊性与参数敏感性的局限,导致预测精度降低。为此,本文提出一种结合机理模型与深度学习的钢坯温度模型预测算法。首先,基于对流与辐射传热的一维非稳态传热模型(convection-radiation heat... 数据驱动模型在加热炉钢坯温度预测中存在机理模糊性与参数敏感性的局限,导致预测精度降低。为此,本文提出一种结合机理模型与深度学习的钢坯温度模型预测算法。首先,基于对流与辐射传热的一维非稳态传热模型(convection-radiation heat transfer model,CRHT),初步计算钢坯出段温度,并将其与加热炉工况参数进行融合,实现机理知识的整合;其次,采用tent混沌映射和动态自适应权重改进差异创意搜索(differentiated creative search,DCS)算法,实现双向时间卷积网络(bidirectional temporal convolutional networks,BITCN)与双向长短期记忆网络(bidirectional long short-term memory,BILSTM)融合模型的超参数协同优化;最后,通过加热炉实际生产数据,系统地验证了该模型的准确性。研究结果表明:在加热炉均热段的钢坯温度预测中,与常规BITCN-BILSTM模型的预测结果相比,所提出的预测算法所得结果的平均绝对误差、均方根误差的相对误差分别降低了52.8%和28.9%,模型预测精度得到明显提升。 展开更多
关键词 钢坯温度预测 机理模型 双向时间卷积神经网络 双向长短期记忆 差异创意搜索
在线阅读 下载PDF
基于序列成分重组与时序自注意力机制改进TCN-BiLSTM的短期电力负荷预测
14
作者 易雅雯 娄素华 《电力系统及其自动化学报》 北大核心 2025年第4期78-87,共10页
针对区域级电力负荷预测精度较低的问题,提出一种基于序列成分重组与时序自注意力机制改进时间卷积网络-双向长短期记忆网络(TCN-BiLSTM)的短期负荷预测方法。首先,通过中心频率法确定最佳初始分解数目,进而采用变分模态分解算法将原始... 针对区域级电力负荷预测精度较低的问题,提出一种基于序列成分重组与时序自注意力机制改进时间卷积网络-双向长短期记忆网络(TCN-BiLSTM)的短期负荷预测方法。首先,通过中心频率法确定最佳初始分解数目,进而采用变分模态分解算法将原始负荷序列分解为多个不同频率的成分序列;其次,基于各成分序列的样本熵对多个成分序列进行K均值聚类,以获得最佳聚类数量的重组负荷序列分量;接着,将各重组分量输入所提出的负荷预测模型,获得各重组分量预测结果;最终,线性叠加各重组成分序列预测结果以获得最终负荷预测结果。算例分析表明,该方法与其他相关对比模型相比,预测均方根误差降低46.37%、模型拟合效果平均提升3.24%,表明该方法负荷预测精度高、模型拟合效果好,适用于区域级电力负荷预测。 展开更多
关键词 负荷预测 变分模态分解 样本熵 K均值聚类 时序自注意力机制 时间卷积网络 双向长短期记忆网络
在线阅读 下载PDF
基于多元气象信息和改进组合神经网络的分布式光伏短期功率预测模型
15
作者 吴伟丽 米婵 李磊 《太阳能学报》 北大核心 2025年第11期181-192,共12页
为提高光伏发电功率预测的准确性,提出一种考虑邻近电站气象信息的多元气象特征和改进组合神经网络的光伏功率短期预测模型。首先,考虑相邻分布光伏电站之间的地理因素和气候条件的相关性,利用灰色关联法确定待预测电站的主要影响因素,... 为提高光伏发电功率预测的准确性,提出一种考虑邻近电站气象信息的多元气象特征和改进组合神经网络的光伏功率短期预测模型。首先,考虑相邻分布光伏电站之间的地理因素和气候条件的相关性,利用灰色关联法确定待预测电站的主要影响因素,构成多元气象信息关键特征作为预测模型的输入序列。其次,结合时间卷积网络(TCN)对输入序列信息有效提取和双向门控循环单元(BiGRU)对数据双向学习的优势,搭建TCN-BiGRU组合预测模型,并采用改进后的灰狼优化算法(IGWO)对BiGRU进行超参数寻优,实现光伏发电功率的高精度预测。最后,利用实测数据对所提模型加以验证,并与同类方法进行对比。结果表明与多元气象信息结合,预测模型能够有效提高一年四季中不同类型天气的发电功率预测精度;与其他预测模型相比较,即使在气候条件剧烈变化或随机变化时,所提方法的预测结果也能呈现出良好的预测精度。 展开更多
关键词 光伏功率预测 神经网络 变分模态分解 双向门控循环单元 时间卷积网络 改进灰狼优化算法
原文传递
基于相似周和自适应二次分解的综合能源系统多元负荷预测
16
作者 潘鹏程 孙龙华 +1 位作者 胡继岚 魏凯林 《电力系统及其自动化学报》 北大核心 2025年第11期62-71,共10页
针对综合能源系统负荷数据的高波动性导致自身关联性难以有效挖掘、预测精确度不足等问题,提出一种基于相似周和自适应二次分解的多元负荷预测方法。首先,通过综合相似距离法筛选相似周序列,并利用最大互信息数方法筛选出相关性较强的特... 针对综合能源系统负荷数据的高波动性导致自身关联性难以有效挖掘、预测精确度不足等问题,提出一种基于相似周和自适应二次分解的多元负荷预测方法。首先,通过综合相似距离法筛选相似周序列,并利用最大互信息数方法筛选出相关性较强的特征,以构建相似周数据集;然后,采用改进的完全自适应噪声集成经验模态分解将负荷数据分解成不同的本征模态函数,针对分解得到的高频分量进行变分模态分解,以降低序列的不平稳性,并引入冠豪猪优化算法对变分模态分解的分解数量及惩罚因子进行优化,实现变分模态分解的自适应性;最后,将各本征模态函数分量与气象信息结合,输入时序卷积网络与双向门控循环单元进行预测。研究结果表明:相较于原始数据集,采用相似周数据集的WMAPE为0.889%,降低了0.513个百分点。 展开更多
关键词 综合能源系统 多元负荷预测 相似周 二次模态分解 时间卷积网络 双向门控循环单元
在线阅读 下载PDF
基于改进BiGRU-TCN混合模型的风机轴承温度异常预警方法
17
作者 张佳 关启学 姜月秋 《沈阳理工大学学报》 2025年第4期13-20,29,共9页
为解决风力发电机轴承温度预测准确性较低而影响故障预警系统性能的问题,提出一种基于改进双向门控循环单元(bidirectional gated recurrent unit,BiGRU)和时间卷积网络(temporal convolutional network,TCN)的风机轴承温度异常预警方法... 为解决风力发电机轴承温度预测准确性较低而影响故障预警系统性能的问题,提出一种基于改进双向门控循环单元(bidirectional gated recurrent unit,BiGRU)和时间卷积网络(temporal convolutional network,TCN)的风机轴承温度异常预警方法(BiGRU-TCN)。首先采用bin方法对噪声数据进行清洗,减小其对预测模型准确性的干扰;然后引入TCN捕捉序列依赖性,并结合BiGRU建立融合模型,对清洗后数据进行特征提取,再加入自注意力机制,提高模型在数据波动幅度较大时的预测能力;最后采用滑动窗口算法分析预测值与真实值之间的残差,设置故障预警阈值。实验结果显示:相较于其他常见模型,本文模型预测结果的平均绝对误差(MAE)平均低0.571,均方误差(MSE)平均低3.601;基于本文模型设置的预警方式实现了在异常发生前3天预警,为风电场的运维管理提供了有力支持。 展开更多
关键词 风机轴承 温度预警 数据清洗 时间卷积网络 双向门控循环单元 注意力机制
在线阅读 下载PDF
矿用电机车混合储能系统功率分配控制
18
作者 尹昊 祝龙记 《工矿自动化》 北大核心 2025年第5期114-119,154,共7页
单一蓄电池供电的矿用电机车存在续航里程不足、充电时间长、重载启动困难等问题,导致运行效率低,难以满足安全性与稳定性要求。提出在矿用电机车上采用铅酸蓄电池与超级电容的混合储能技术,设计了矿用电机车混合储能系统,以满足重载启... 单一蓄电池供电的矿用电机车存在续航里程不足、充电时间长、重载启动困难等问题,导致运行效率低,难以满足安全性与稳定性要求。提出在矿用电机车上采用铅酸蓄电池与超级电容的混合储能技术,设计了矿用电机车混合储能系统,以满足重载启动时高瞬时功率要求,增加续航时间。针对混合储能系统中储能元件的功率分配问题,通过仿真分析低通滤波与小波分解的优缺点,设计了低通滤波与小波分解相结合的功率分解方法,从矿用电机车总负载功率中分解出高低频分量;再根据储能元件的荷电状态(SOC),引入动态协调机制,对储能元件功率分配进行二次调控,得到蓄电池和超级电容的目标功率。仿真结果表明:应用组合分解方法得到的矿用电机车总负载功率的低频分量与原始功率的吻合度较高,瞬态响应性能优越;基于SOC的二次调控策略可动态调整混合储能系统的功率分配,减少了超级电容放电次数,增加了超级电容有效放电时间,使蓄电池稳定放电。 展开更多
关键词 矿用电机车 混合储能 功率分配 铅酸蓄电池 超级电容
在线阅读 下载PDF
基于TCN-Attention-BiGRU的锅炉受热面壁温预测
19
作者 曹熠云 茅大钧 陈思勤 《计算机仿真》 2025年第7期91-98,共8页
锅炉受热面频繁超温严重危害电厂的安全运行,准确地预测受热面壁温有助于提前采取控制措施,对电厂的安全运行有重要意义。对此,提出基于时间卷积注意力网络融合双向门控循环网络(TCN-Attention-BiGRU)的锅炉受热面壁温预测方法。首先,... 锅炉受热面频繁超温严重危害电厂的安全运行,准确地预测受热面壁温有助于提前采取控制措施,对电厂的安全运行有重要意义。对此,提出基于时间卷积注意力网络融合双向门控循环网络(TCN-Attention-BiGRU)的锅炉受热面壁温预测方法。首先,通过最大信息系数MIC筛选出关键特征变量,并利用VMD-WT方法剔除高频噪声;其次将时间卷积网络(TCN)的多尺度特征提取能力与注意力机制结合,以进一步突出关键特征的影响,最后融合BiGRU网络实现壁温预测。以某在役600MW超临界锅炉高温再热器为对象进行验证,结果表明,相较于其它方法,所提方法可在保证原始数据完整的同时最大限度地剔除噪声,能更准确地捕捉受热面壁温快速变化的趋势。 展开更多
关键词 超临界锅炉 壁温预测 时间卷积网络 注意力机制 双向门控循环网络
在线阅读 下载PDF
平衡圆周搜索的空调启动时间深度学习预测模型研究
20
作者 梁群立 徐靖 +1 位作者 赵全洲 庞伟 《暖通空调》 2025年第6期52-59,共8页
针对数据驱动建模方法只关注特征映射,没有考虑过程变量之间的长期相互依赖关系,缺乏数据之间的上下文信息,忽略了不同变量之间的重要性,从而导致预测性能欠佳问题,提出了一种结合时间卷积网络、双向门控循环单元和注意力机制的空调启... 针对数据驱动建模方法只关注特征映射,没有考虑过程变量之间的长期相互依赖关系,缺乏数据之间的上下文信息,忽略了不同变量之间的重要性,从而导致预测性能欠佳问题,提出了一种结合时间卷积网络、双向门控循环单元和注意力机制的空调启动时间预测模型,对该模型的4个重要参数进行了平衡圆周搜索,以提高该模型的预测性能。采用某卷烟厂实际运行数据进行了对比实验,结果表明:与基准模型相比,圆周搜索模型和平衡圆周搜索模型的预测性能分别提高了28.98%和37.91%;对于一些异常工况,与人工凭经验得到的启动时间相比,该预测模型获得的启动时间缩短了45%左右,从而降低了空调能耗。 展开更多
关键词 空调启动时间 时间卷积网络 双向门控循环单元 注意力机制 深度学习 平衡圆周搜索
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 2 … 4 下一页 到第 页
使用帮助 返回顶部