文章-世纪中文出版社

张珂邢金鹏《中国机械研究》 2018年6期

摘要:

针对传统阈值去噪方法在处理轴承故障信号时存在的不足,提出了基于小波改进阈值去噪与经验模态分解(Empirical Mode Decomposition,EMD)的滚动轴承故障信号的分析方法。为改善小波去噪产生的信号振荡和失真问题,构造了适用于滚动轴承振动信号的非线性阈值函数,并将其用为滚动轴承故障信号的噪声过滤器。采用经验模态分解将去噪后的信号分解成若干固有模态函数(Intrinsic Mode Function,IMF),并用统计分析的方法提取出谱峭度值、各固有模态函数与去噪信号之间的互相关系数最大的分量。最后,为了在频域内提取到故障特征频率,对抽取到的固有模态分量进行包络分析。仿真数据分析和模拟实验数据分析表明,所提方法可有效地提取轴承故障特征频率,实现轴承的故障诊断。

基于EMD-ARIMA模型的边坡位移分析与预测下载：12 浏览：164

王江荣刘硕靳存程刘静芳《工程与技术研究》 2020年10期

摘要:

针对波动性大、规律性差且含噪声的高速公路边坡位移监测时间序列,提出了一种基于经验模态分解技术(EMD)和自回归移动平均(ARIMA)相结合的预测算法,基本思想为"数据分解-数据预测-数据合成"。通过对重庆奉云高速公路247 d边坡位移监测数据的预测和分析,表明EMD-ARIMA具有较高的精度,好于单一ARIMA模型,可为工程建设及防灾减灾提供技术指导。

基于EEMD和LSTM的短期风速预测模型研究下载：49 浏览：408

陆冰鉴1 周鹏1 王兴1,2 周可1 《软件工程研究》 2020年5期

摘要:

由于风具有较强的阵性和局地性,影响因子较多,利用机器学习相关技术进行风速的预测,往往会受这些影响,降低预测的准确率,特别是对于瞬时大风的预测,准确度普遍不高。针对上述问题,提出一种基于集合经验模态分解法(EEMD)和长短期记忆神经网络(LSTM)相结合的短期风速预测模型,该模型采用EEMD将风速序列分解为多个频域相对稳定的子序列,进而改善经验模态分解法(EMD)模态混叠现象,再采用LSTM构建预测模型,实现短期风速预测。该方法与其他预测方法相比,预测的精度更高,误差更小,验证了本文预测方法的可行性和有效性。

抑制EMD端点效应的改进算法研究下载：63 浏览：246

董宝伟1 钱秋亮1 邵馨叶1，2 邵建龙1 《数据与科学》 2020年8期

摘要:

经验模态分解(EMD)是处理非线性非平稳信号的有效方法,但是在分解过程中存在端点效应,导致数据处理发生畸变,信号会失真。文章在平行延拓算法上改进了抑制EMD端点效应的算法-平行极值均值延拓。文章在平行延拓算法上进行极值平均后延拓,经仿真的分析结果表明,算法能够有效地抑制端点效应,并减少了模态分解个数和算法后处理时间。

基于补充的集合经验模态最优降噪整形算法下载：81 浏览：484

董宝伟1 钱秋亮1 邵馨叶1，2 邵建龙1 《数据与科学》 2020年7期

摘要:

为了准确提取噪声干扰的脉冲信号,本文基于补充的集合经验模态分解的最优降噪整形算法,算法基于固有模态函数构建不同的带通滤波器和方波整形,并依据均方误差、线性相关度和目标函数值指标来建立最优降噪整形算法的判断指标。采用脉冲信号、调幅调频信号和高斯白噪声信号合成数值模拟信号进行仿真实验,本算法能够准确地提取脉冲信号,表明数值模拟仿真实验成功,可应用于提取受噪声干扰的单位脉冲信号。

基于VMD与不同包络阶次构造的风电机组滚动轴承故障诊断下载：23 浏览：255

王建国1 林语桐1 田野2 杜鹏3 张培焱4 辛红伟1 武英杰1 《发电技术与研究》 2018年4期

摘要:

针对风电机组变工况滚动轴承故障诊断问题,将变分模态分解(variational mode decomposition,VMD)与计算阶比跟踪(computed order tracking,COT)、逆包络阶次谱(reversed sequence squared envelope spectrum,RE-SES)2种方法结合进行包络阶次分析;将非平稳的时间域信号转换成平稳的角度域信号,再经包络法找出滚动轴承故障特征信息。仿真与实验结果表明,VMD结合RE-SES包络阶次法可以更加有效地提取出调幅信号中的调制阶次,并且VMD滤波可以使得故障特征阶次更加凸显,易于故障识别,为风电机组变速工况下的滚动轴承故障诊断提供参考。

基于VMD-DESN-MSGP模型的超短期光伏功率预测下载：80 浏览：499

王粟1，2 江鑫1，2 曾亮1，2 常雨芳1，2 《电网技术研究》 2020年8期

摘要:

光伏功率时间序列受到多种因素影响,呈现出高度的随机性和波动性。针对光伏功率时间序列可预测性低的问题,提出了一种结合变分模态分解(variationalmodal decomposition,VMD)、深度回声状态网络(deepechostate network,DESN)和稀疏高斯混合过程专家模型(mixtureof sparse gaussian process experts model,MSGP)的超短期光伏功率预测方法。首先采用VMD将光伏功率时间序列分解为不同的模态,降低数据的非平稳性;为提高模型在超短尺度时序的预测能力,对各模态分别建立DESN预测模型,将各模态预测结果进行求和重构;为进一步提高模型预测精度,对误差的特性进行分析,采用MSGP对预测误差进行补偿;最后将误差的预测值与原功率的预测值相叠加作为最终预测结果。仿真结果表明,该方法在光伏功率时序预测中的效果比传统预测模型更好,有效提高了超短期光伏功率时间序列预测的准确性。

基于UTCI-MIC与振幅压缩灰色模型的用户侧微电网短期负荷预测方法下载：83 浏览：485

薛阳张宁吴海东俞志程李蕊《电网技术研究》 2020年6期

摘要:

短期负荷预测是保障用户侧微电网经济、安全运行的基础。现有研究表明,综合考虑气象、地理等影响因素的负荷预测模型在一定程度上提升了预测准确率。但在具有明显城市特征的用户侧微电网负荷预测中存在局限性,其预测结果呈现显著偏差,使得基于该结果的潮流计算偏离实际情况,危及系统的安全运行。针对此问题,提出了一种新型热气候指数–最大信息系数(universalthermalclimateindexmaximal information coefficient,UTCI-MIC)与振幅压缩灰色模型的用户侧微电网短期负荷预测方法。首先,该模型采用经验模态分解将用电负荷分解为波动负荷和趋势负荷曲线;其次,建立了考虑相似日的MIC矩阵与涵盖多时刻气象、地理区位、城市特征因素的UTCI热环境评估方法,用于波动负荷预测;最后,将基于振幅压缩灰色模型获得的趋势预测结果与波动预测结果重构,得到用电负荷预测结果。案例验证表明,所提方法可有效预测城市特征明显的用户侧负荷变动情况,其预测准确率可达96.91%以上,为城市电网的能量管理系统和电力市场交易提供重要参考。

基于EEMD-GRU-MLR的短期电力负荷预测下载：88 浏览：494

邓带雨1 李坚1 张真源1 滕予非2 黄琦1 《电网技术研究》 2020年5期

摘要:

针对电力负荷随机性较强,预测精度不高的问题,通过构建集合经验模态分解(ensembleempiricalmode decomposition,EEMD)以及门控循环单元神经网络(gated recurrent unit neural network,GRU)和多元线性回归(multiple linearregression, MLR)组合而成的EEMD-GRU-MLR(EGM)预测方法,有效提高了电力负荷短期预测精度。首先通过集合经验模态分解将电力负荷数据分解为频率由高到低的不同本征模态函数(intrinsicmodefunctions,IMF),不同频率的本征模态函数分量代表了电力负荷不同的部分特征,随后分别使用多元线性回归方法和GRU神经网络方法对低频部分和高频部分进行快速准确的预测,最后将所得各预测结果组合后得到完整的预测结果。EGM预测方法不但能够对电力负荷的变化趋势进行有效预测,而且能够准确预测随机性较强的局部特征。最后通过实验验证,该方法有效地提高了负荷预测精度。

基于VMD能量相对熵的配电网单相接地故障选线方法下载：46 浏览：305

田录林1 王伟博1 田琦2 罗燚1 张盛炜1 《电气学报》 2019年8期

摘要:

针对目前配电网单相接地故障选线存在的问题,提出一种基于变分模态分解(VMD)和能量相对熵结合的故障选线新方法。该方法首先采集线路故障后一个周期的暂态零序电流信号,运用VMD方法对其进行分解得到有限个不同尺度的本征模态函数(IMF)分量;计算各IMF分量的能量和作为线路的暂态能量;再结合能量相对熵对线路的暂态信号特征进行量化放大;最后通过比较各条线路的能量相对熵大小进行故障选线。Matlab仿真对其可行性和有效性进行验证,结果表明:该方法不受消弧线圈补偿度、故障距离、故障初相角和过渡电阻的影响,均可实现对故障线路的正确选线。

基于变分模态分解的风电场风速降噪研究下载：52 浏览：433

许杏花潘庭龙吴定会《建模与系统仿真》 2019年2期

摘要:

风电预测是在现有数据基础上进行的,风电中采集到的风速数据夹杂着不同类型的噪声,为提高预测精度,需要进行降噪处理。传统的EMD(Empirical mode decomposition)降噪方法存在模态混叠现象,为了提高降噪效果,提出采用变分模态分解来进行降噪。变分模态分解是一种新的分解方法,具有良好的抗噪性,且不存在模态混叠现象。为深入研究该方法在降噪上的应用,对江苏某风电场的数据进行了降噪处理,对其分解重构,有效滤除了噪声,并将其降噪效果与EMD进行对比分析,验证了该方法的有效性。

特征模态函数缺失和等比例缩小对系统非线性特征影响下载：83 浏览：506

黄巍1 杨永锋2 《动力技术研究》 2018年10期

摘要:

针对经验模态分解得到的特征模态函数,研究了其缺失和等比例缩小时Duffing系统和Lorenz系统的最大Lyapunov指数.结果表明:低阶特征模态函数对吸引子破坏较小,最大Lyapunov指数较大;当缺失、比例缩小低阶特征模态函数时,系统的最大Lyapunov指数有较为明显的减小;特征模态函数缩小比例越大,最大Lyapunov指数和原信号相比减小越多.

基于数值模式的南海北部深层内潮季节变化特征分析下载：73 浏览：478

张小将1 孙惠1 冀承振2 《海洋研究》 2018年5期

摘要:

本文基于MITgcm非静力数值模式,采用实际地形、层结和潮流强迫,开展南海北部内潮数值模拟敏感性试验,分析夏冬两个季节南海北部深层内潮的差异。结果显示在南海北部深层,冬季K1和M2内潮流速振幅比夏季强10.1%和44.7%。垂向模态分析结果进一步表明,尽管南海北部深层冬季第一模态内潮动能密度比夏季低15.5%,但第二和第三模态内潮则是冬季比夏季高约25.1%和33.2%,导致冬季深层流速的垂向剪切大于夏季,表明冬季较强的高模态内潮可能是冬季南海深层强混合的一个原因。

基于多源信息融合的新能源日前电价预测方法研究下载：137 浏览：1555

高阳1 孙妍妮1 钟丹田1 谷彩连1 许傲然1 修唯2 《中国能源进展》 2023年7期

摘要:

日前电价预测的准确性对电力市场参与者的现货市场参与程度、交易策略选择、经济收益情况均有较大影响。针对电力现货市场日前电价序列具有较强的波动性，提出了一种基于互补集成经验模态分解-改进麻雀搜索算法-最小二乘法支持向量机的日前电力市场价格预测模型。首先，采用灰色关联分析法筛选得到预测日的相似日集合，然后利用互补集成经验模态分解法将相似日的历史电价序列分解；其次，以改进的麻雀搜索算法优化最小二乘法支持向量机得到改进麻雀搜索算法-最小二乘法支持向量机预测模型，并分别对分解结果进行预测，将预测结果叠加，最终得到日前电价预测值。经过算例仿真，其结果表明：与其他预测模型对电价的预测相比，所提方法具有更高的预测精度。

	在线客服
	客服电话：400-188-5008
	客服邮箱：service@ccnpub.com
	投诉举报：feedback@ccnpub.com

	在线客服：：点击联系客服
	联系电话：：400-188-5008
	客服邮箱：：service@ccnpub.com
	投诉举报：：feedback@ccnpub.com