尚海昆
- 作品数：16 被引量：231H指数：7
- 供职机构：东北电力大学电气工程学院更多>>
- 发文基金：中央高校基本科研业务费专项资金国家自然科学基金中央级公益性科研院所基本科研业务费专项更多>>
- 相关领域：电气工程自动化与计算机技术经济管理更多>>
- 基于统计特征参数与相关向量机的变压器局部放电类型识别被引量：7
- 2014年
- 针对传统的局部放电模式分类器存在的不足,提出了一种基于统计特征参数与相关向量机(RVM)的变压器局部放电类型识别的新方法。首先针对4种变压器局部放电实验模型的二维图谱提取出表征图谱特征的16个统计参数,然后设计一对一RVM多分类模型,将统计参数作为输入向量送入RVM分类模型,实现放电类型识别。测试结果表明,RVM分类器具有较好的放电识别效果,与支持向量机(SVM)相比具有计算复杂度低、相关向量少、训练及测试时间短等优点,两者识别精度相当,均高于BPNN。
- 尚海昆苑津莎王瑜靳松
- 关键词：统计参数相关向量机变压器局部放电
- 基于相关系数矩阵和概率神经网络的局部放电模式识别被引量：23
- 2013年
- 针对变压器局部放电模式分类过程中特征参数维数过高的问题,提出了一种基于相关系数矩阵的参数降维方法。利用提取出的变压器局部放电信号的特征参数构造相关系数矩阵,通过分析放电信号18个特征参数间的相关性,删除具有相似分类能力的特征参数,之后引入分离度指标来衡量特征向量的分类能力大小,提取出6个具有较高分类能力的特征向量,最后通过概率神经网络进行模式识别。结果表明该降维方法有效降低了特征参数的维数,简化了分类器结构,在小样本情况下对于概率神经网络模式分类器具有较高的识别率,识别效果优于传统BP神经网络。
- 苑津莎尚海昆王瑜靳松
- 关键词：概率神经网络变压器局部放电模式识别
- 平移不变小波迹消噪方法在局部放电检测中的应用被引量：6
- 2013年
- 针对变压器局部放电检测中存在较多干扰的问题,本文采用平移不变小波迹方法对放电信号进行消噪处理。该方法利用小波迹理论抑制信号噪声,并通过循环平移方法强化消噪效果。小波迹建立在小波变换基础之上,利用小波迹组合描述原始放电信号特征,去除了小波系数在各尺度之间的相关性,具有良好的放电特征保持性;循环平移则消除了小波基的平移依赖性,使消噪后的信号更加逼近真实放电信号。仿真及现场数据分析表明,基于平移不变小波迹消噪方法可以有效抑制局部放电噪声干扰,成功提取出有效的局部放电信号,消噪效果优于传统小波方法。
- 尚海昆苑津莎王瑜靳松
- 关键词：平移不变变压器局部放电消噪
- 基于极限学习机的变压器故障诊断方法研究被引量：63
- 2013年
- 针对基于传统智能学习方法的变压器故障诊断存在训练速度慢、需调整的参数多及参数确定困难的问题,提出了基于极限学习机(Extreme Learning Machine,ELM)的变压器故障诊断方法。文中根据变压器故障的特点选取输入特征向量,分析了激活函数、隐含层节点数目对诊断性能的影响,并与基于BP神经网络和SVM的诊断方法进行了对比。实验结果表明,文中提出的变压器故障诊断方法性能明显优于BP神经网络,与SVM的诊断正确率相当,需要预先设置的参数更少,训练速度更快,更加便于工程应用。
- 苑津莎张利伟王瑜尚海昆
- 关键词：变压器故障诊断极限学习机激活函数
- 基于长短期记忆网络的电网同调机群快速辨识被引量：3
- 2022年
- 基于长短期记忆网络(Long short-term memory,LSTM)提出了一种电网同调机群的快速辨识方法。首先针对两机振荡模型,挖掘相量平面内电压相量轨迹的分类特性,为机组的同调性辨识提供了依据;其次,基于短时响应数据,利用LSTM分别对机端电压实、虚部时序轨迹进行预测,并依据复合而成的相量轨迹判断机组的分群情况;最后,利用扩展等面积法则(Extended equal area criterion,EEAC)对上述分群情况进行验证,进而给出同调机群的最终辨识结果。IEEE-39节点系统算例验证了方法的有效性,具有较好的工程应用价值。
- 毛煜尚海昆于卓琦
- K-means聚类算法的研究
- 聚类分析是数据挖掘的一个重要的研究领域,是一种用于数据划分或分组的重要手段。K—means算法是一种传统的基于划分的聚类算法,其对大规模数据进行聚类时效率较高,从而被广泛应用在数据挖掘领域。本文在研究传统聚类算法的基础上...
- 尚海昆
- 关键词：聚类分析K-MEANS蚁群算法
- 文献传递
- 基于主动学习SVM的变压器局部放电模式识别被引量：3
- 2013年
- 对局部放电类型进行有效识别是准确评估变压器绝缘状态的重要前提。然而放电类型识别过程中往往需要大量训练样本的学习才能达到较高的识别精度。针对这种情况,提出一种基于主动学习支持向量机的局部放电模式识别新方法。该方法在选择训练样本的过程中采用主动学习的方法,挑选出对分类器最有价值的放电样本进行训练。研究结果表明,该方法在保障识别精度的前提下有效减少了放电信号需要的训练样本个数,缩短了训练时间,提高了样本的学习效率。
- 尚海昆徐扬苑津莎李洪强
- 关键词：SVM变压器局部放电
- 多核多分类相关向量机在变压器局部放电模式识别中的应用被引量：24
- 2014年
- 针对传统单核分类器存在的固有二分类属性及识别信息不够完整的问题,首次提出了一种基于多核多分类相关向量机(MMRVM)的变压器局部放电模式识别新方法。首先选用不同的核函数对4种变压器局部放电信号特征进行映射,解决了不同数据源的问题;然后利用粒子群优化算法对核参数进行优化选择,有效避免了核参数选择的主观性;最后利用构建出的MMRVM分类模型直接进行多分类,实现放电模式识别。文中以实验室4种典型缺陷的变压器局部放电信号为研究对象,采用传统单核SVM分类器、单核RVM分类器与MMRVM分类器对其进行分析对比。结果表明,MMRVM分类器融合了多种放电特征信息,能够较为全面的描述放电特征,与单核分类器相比具有更高的诊断准确率和更好的实用性。
- 尚海昆苑津莎王瑜张利伟
- 关键词：多核相关向量机变压器局部放电模式识别
- 改进的k-means聚类算法在供电企业CRM中的应用
- 2010年
- 针对k-means算法存在的不足,提出了一种改进算法。针对目前供电企业CRM系统的特点提出了用聚类分析方法进行客户群细分模型设计,通过实验验证了本文提出的k-means改进算法的高效性。实验结果证明聚类分析算法在CRM中实施类分析方法的客户群细分过程模型是行之有效的。
- 孟建良尚海昆边玲
- 关键词：聚类加权客户关系管理
- 基于集合经验模态分解法的局部放电信号去噪被引量：4
- 2016年
- 针对局部放电检测中存在较多白噪声干扰的问题,采用基于集合经验模态分解的方法对放电信号进行消噪处理。该方法首先利用集合经验模态分解(EEMD)把信号分解成多个经验模态函数分量(IMFs),然后利用3σ法则对各分量进行细节信息提取和能量估计,最后对IMF分量进行PCA变换,并根据IMF所含噪声能量选择主成分分量进行重构。EEMD建立在经验模态分解(EMD)基础之上,通过人为添加白噪声成分,并利用多次重复取均值的方式去除白噪声,同时抑制模态混叠现象。仿真数据分析表明,所提消噪方法可以有效抑制局部放电噪声干扰,成功提取出有效的局部放电信号。
- 尚海昆王坤李峰
- 关键词：局部放电消噪
