期刊导航
期刊开放获取
河南省图书馆
退出
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
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
检索
高级检索
期刊导航
共找到
2
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
采用特征优选和优化深层核极限学习机的短期风电功率预测
被引量:
1
1
作者
商立群
黄辰浩
+3 位作者
侯亚东
李洪波
惠泽
张建涛
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2023年第1期66-77,共12页
针对风电出力非线性、不稳定且用传统方法难以准确预测的问题,提出了一种基于对深层混合核极限学习机(DHKELM)参数进行优化的短期风电功率预测。利用核主成分分析(KPCA)方法进行特征优选得到的最优特征集,既能表达风电功率的有效信息,...
针对风电出力非线性、不稳定且用传统方法难以准确预测的问题,提出了一种基于对深层混合核极限学习机(DHKELM)参数进行优化的短期风电功率预测。利用核主成分分析(KPCA)方法进行特征优选得到的最优特征集,既能表达风电功率的有效信息,也能避免冗余信息的出现,有利于DHKELM模型的学习与训练,同时也降低了模型的复杂度。针对DHKELM超参数难确定的问题,利用改进的野犬优化算法(IDOA)对DHKELM的8个超参数进行寻优,可以发掘原始序列特征信息,从而使模型能够充分掌握数值天气预报(NWP)与风电功率之间的非线性关系。以国外某风电场真实数据为算例,结果表明:提出的预测模型相较于野犬算法、差分进化算法和粒子群优化算法的平均绝对百分比误差(MAPE)分别降低了0.979 3%、2.342 1%、3.383 2%,有效提高了风电功率的预测精度。
展开更多
关键词
短期风电功率预测
深层混合核极限学习机
改进
的
野犬
优化
算法
特征优选
核主成分分析
下载PDF
职称材料
基于IDOA-DHKELM的变压器故障诊断
被引量:
5
2
作者
商立群
侯亚东
+3 位作者
黄辰浩
李洪波
惠泽
张建涛
《高电压技术》
EI
CAS
CSCD
北大核心
2023年第11期4726-4735,共10页
针对溶解气体分析(dissolved gas analysis,DGA)诊断变压器故障准确率偏低的问题,提出了一种基于改进野犬优化算法(improved dingo optimization algorithm,IDOA)优化深度混合核极限学习机(deep hybrid kernel extreme learning machine...
针对溶解气体分析(dissolved gas analysis,DGA)诊断变压器故障准确率偏低的问题,提出了一种基于改进野犬优化算法(improved dingo optimization algorithm,IDOA)优化深度混合核极限学习机(deep hybrid kernel extreme learning machine,DHKELM)的变压器故障诊断方法。首先采用核主成分分析(kernel principal component analysis,KPCA)对气体数据降维并提取有效的特征量;其次将多项式核函数与高斯核函数加权结合,构造出新的混合核函数,并引入自动编码器对极限学习机进行改进,建立DHKELM模型。将反向学习、柯西变异和差分进化算法融入到野犬算法中,并利用2种典型的测试函数对IDOA性能进行测试,证明了IDOA具有更强的稳定性和寻优能力。利用IDOA对DHKELM的关键参数进行寻优,建立IDOA-DHKELM变压器故障诊断模型。最后,将KPCA提取的特征量作为模型的输入集,并对不同变压器故障诊断模型进行仿真验证。研究结果表明,相较于其他模型,IDOA-DHKELM具有更高的变压器故障诊断精度。
展开更多
关键词
变压器
故障诊断
溶解气体分析
深度极限学习机
混合核函数
改进野犬优化算法
下载PDF
职称材料
题名
采用特征优选和优化深层核极限学习机的短期风电功率预测
被引量:
1
1
作者
商立群
黄辰浩
侯亚东
李洪波
惠泽
张建涛
机构
西安科技大学电气与控制工程学院
出处
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2023年第1期66-77,共12页
基金
陕西省自然科学基础研究计(2021JM-393)。
文摘
针对风电出力非线性、不稳定且用传统方法难以准确预测的问题,提出了一种基于对深层混合核极限学习机(DHKELM)参数进行优化的短期风电功率预测。利用核主成分分析(KPCA)方法进行特征优选得到的最优特征集,既能表达风电功率的有效信息,也能避免冗余信息的出现,有利于DHKELM模型的学习与训练,同时也降低了模型的复杂度。针对DHKELM超参数难确定的问题,利用改进的野犬优化算法(IDOA)对DHKELM的8个超参数进行寻优,可以发掘原始序列特征信息,从而使模型能够充分掌握数值天气预报(NWP)与风电功率之间的非线性关系。以国外某风电场真实数据为算例,结果表明:提出的预测模型相较于野犬算法、差分进化算法和粒子群优化算法的平均绝对百分比误差(MAPE)分别降低了0.979 3%、2.342 1%、3.383 2%,有效提高了风电功率的预测精度。
关键词
短期风电功率预测
深层混合核极限学习机
改进
的
野犬
优化
算法
特征优选
核主成分分析
Keywords
short-term wind power prediction
deep hybrid kernel extreme learning machine
improved dingo optimization algorithm
feature optimization
kernel principal component analysis
分类号
TM715 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
基于IDOA-DHKELM的变压器故障诊断
被引量:
5
2
作者
商立群
侯亚东
黄辰浩
李洪波
惠泽
张建涛
机构
西安科技大学电气与控制工程学院
出处
《高电压技术》
EI
CAS
CSCD
北大核心
2023年第11期4726-4735,共10页
基金
陕西省自然科学基础研究计划(2021JM-393)。
文摘
针对溶解气体分析(dissolved gas analysis,DGA)诊断变压器故障准确率偏低的问题,提出了一种基于改进野犬优化算法(improved dingo optimization algorithm,IDOA)优化深度混合核极限学习机(deep hybrid kernel extreme learning machine,DHKELM)的变压器故障诊断方法。首先采用核主成分分析(kernel principal component analysis,KPCA)对气体数据降维并提取有效的特征量;其次将多项式核函数与高斯核函数加权结合,构造出新的混合核函数,并引入自动编码器对极限学习机进行改进,建立DHKELM模型。将反向学习、柯西变异和差分进化算法融入到野犬算法中,并利用2种典型的测试函数对IDOA性能进行测试,证明了IDOA具有更强的稳定性和寻优能力。利用IDOA对DHKELM的关键参数进行寻优,建立IDOA-DHKELM变压器故障诊断模型。最后,将KPCA提取的特征量作为模型的输入集,并对不同变压器故障诊断模型进行仿真验证。研究结果表明,相较于其他模型,IDOA-DHKELM具有更高的变压器故障诊断精度。
关键词
变压器
故障诊断
溶解气体分析
深度极限学习机
混合核函数
改进野犬优化算法
Keywords
transformer
fault diagnosis
dissolved gas analysis
deep extreme learning machine
hybrid kernel function
improved dingo optimization algorithm
分类号
TM41 [电气工程—电器]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
采用特征优选和优化深层核极限学习机的短期风电功率预测
商立群
黄辰浩
侯亚东
李洪波
惠泽
张建涛
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2023
1
下载PDF
职称材料
2
基于IDOA-DHKELM的变压器故障诊断
商立群
侯亚东
黄辰浩
李洪波
惠泽
张建涛
《高电压技术》
EI
CAS
CSCD
北大核心
2023
5
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部