基于自适应VMD的光储微电网容量优化配置方法

光储微电网容量配置寻优过程较为复杂,导致光储微电网经济效益下降。为有效解决这一问题,设计基于自适应VMD的光储微电网容量优化配置方法。将自适应VMD与改进阈值函数相结合实施光储微电网电能质量扰动检测。根据电能质量检测结果构建微电网容量优化配置目标函数。基于人工鱼群算法与粒子群算法设计多目标AFS-PSO算法,实施目标函数的寻优,得到光储微电网容量配置的最优解,实现微电网容量优化配置。测试结果表明,在不同超级电容储能占比下,该文设计方法的年经济效益均保持在较高的水平,实际应用效果好。

基于自适应VMD和DD-cCycleGAN的滚动轴承剩余寿命预测

为准确预测强噪声干扰小样本情况下的滚动轴承剩余寿命(remaining useful life, RUL),提出一种基于自适应变分模态分解(variational mode decomposition, VMD)和双判别器条件循环一致对抗网络(double-discriminator conditional CycleGAN, DD-cCycleGAN)的滚动轴承RUL预测方法。将黑猩猩优化算法(chimp optimization algorithm, ChOA)与VMD相结合,给出一种基于ChOA的自适应VMD算法,选取有效模态分量进行重构,降低强背景噪声的干扰;开发一种DD-cCycleGAN生成新样本,这些生成的新样本不但保留了源域的样本信息,还与目标域的样本相似;将训练样本的重构样本和生成的新样本作为输入,训练长短时记忆(long short-term memory, LSTM)网络,用训练后的LSTM网络预测测试样本中滚动轴承的RUL。通过采用XJTU-SY滚动轴承加速寿命试验数据集验证该方法的有效性,试验结果表明该方法具有较强的抗噪能力和较高的轴承RUL预测精度。

基于自适应VMD-MPE算法的矿山爆破地震波信号降噪方法研究

实测矿山爆破地震波信号含有大量高频噪声,一定程度上掩盖了真实信号特征,不利于爆破有害效应分析。为了有效降低实测信号的噪声成分,提出了基于自适应VMD-MPE算法的矿山爆破地震波信号降噪方法。将原信号进行变分模态分解(intrinsic mode function,VMD)获得本征模态函数(variational mode decomposition,IMF),利用能量差参数ξ自适应确定模态数K,对IMF分量进行多尺度排列熵(multi-scale permutation entropy,MPE)的随机性检测,准确区分出真实IMF和噪声IMF,去除原信号中的噪声IMF以达到降噪目的。对3组实测矿山爆破地震波信号进行降噪处理,结果表明该模型能够较好地去除高频噪声,保留了信号真实成分;其降噪效果均优于EEMD-MPE、CEEMDAN-MPE算法,验证了自适应VMD-MPE降噪方法的有效性。

采用自适应VMD与能量管理控制的混合储能平抑风电波动策略

采用燃料电池/电解槽/储氢罐/超级电容构建混合储能系统来平抑风电功率的波动性,实现风电平滑并网。针对风电功率的波动特性,结合风电并网波动率标准,提出自适应VMD算法,实现风电功率的自适应分解,得到风电并网功率和混合储能系统功率指令,根据燃料电池和电解槽出力需求,结合超级电容的荷电状态和储氢罐的储氢状态,提出一种能量管理控制策略,实现储能系统内部功率分配。算例结果表明,所提算法能自适应实现风电功率的最优分解,所提控制策略能完成储能系统内部功率的合理分配并有效地平滑风电出力波动,同时保证超级电容的荷电状态、储氢罐的储氢状态工作在合理区间。

混合LSTM-VMD在股价趋势预测中的应用

为提高分析和应对股市波动的能力,本文构建了一个基于LSTM-VMD的股价预测模型。在混合预测框架的基础上采用自适应VMD再分解机制来自动寻找最优的分解次数,将深度学习和信号处理相互融合,通过多次分解来减少噪声,提高模型的预测精度。实验结果表明,混合LSTM-VMD模型在多个数据集上展现出更优的鲁棒性和预测准确度,特别是在捕捉时间序列数据的长期依赖特征和减少预测误差中的噪声干扰方面表现出色。