王文婷
- 作品数：9 被引量：73H指数：5
- 供职机构：东北电力大学电气工程学院更多>>
- 发文基金：吉林省科技发展计划基金国家自然科学基金吉林省社会科学基金更多>>
- 相关领域：电气工程自动化与计算机技术电子电信更多>>
- 基于互信息属性分析与极端学习机的超短期风速预测被引量：2
- 2016年
- 超短期风速预测对保证风电并网运行可靠性和维持电力系统安全稳定具有重要的意义,针对风速预测中不同因素对风速影响程度不同的特点,本文提出一种基于互信息属性分析与极端学习机的超短期风速预测方法。首先,选取与风速相关的68种候选属性因素,分别计算其相对于风速序列的互信息值,根据互信息,衡量属性对风速的影响程度,并选择输入属性;然后,由互信息值计算属性权值;之后,采用加权处理后的属性值来训练极端学习机,构建风速预测模型;最后,采用新模型预测未来4h内风速。采用北纬39.91°、西经105.29°的美国风能技术中心的实测数据开展实验,实验结果表明,新方法具有良好的预测精度,能够满足实际风速预测需要。
- 黄南天袁翀王新库张建业王文婷王文霞
- 关键词：风速预测互信息极端学习机
- 采用时—频分割的改进全局阈值的暂态电能质量信号降噪
- 2016年
- 针对噪声成分严重影响电能质量扰动信号分析的问题,引入基于时—频分割的图像平滑改进全局阈值的方法开展电能质量信号降噪。通过时—频分割,降低对信号整体采用统一阈值降噪导致的高频域微弱扰动成分损失缺陷。首先,通过S变换对电能质量信号进行时—频分析,根据不同扰动信号扰动成分时—频域分布特点,开展时—频分割;然后,利用图像平滑改进全局阈值降噪方法针对不同时—频区域计算最优阈值,开展去噪处理;最后,采用S变换逆变换对降噪后的信号进行波形还原。仿真试验表明,该方法有效降低了噪声干扰,且改善了采用单一阈值降噪导致的波形失真问题。
- 张丽影黄南天王文婷王燕涛杨尚群聂永辉
- 关键词：电能质量图像平滑
- 基于布谷鸟搜索优化支持向量机的短期负荷预测被引量：8
- 2016年
- 针对支持向量机(SVM)在短期负荷预测中,根据经验选取参数导致预测精度下降的问题,提出一种基于布谷鸟搜索算法(CSA)优化SVM的短期负荷预测新方法(CSA-SVM)。先以历史负荷、温度、湿度等属性构成训练样本集的输入向量作为SVM的输入,以负荷值作为输出,建立SVM预测模型;再根据训练误差,以CSA对SVM中惩罚因子和核参数进行寻优;最后,按照CSA寻优获得的最优参数建立基于CSA-SVM的预测模型并开展短期负荷预测。实际负荷数据试验显示,相较于SVM模型、粒子群(PSO)优化SVM模型、BP神经网络模型,CSA-SVM具有更高的预测精度,能够满足电力系统短期负荷预测精度需求。
- 胡智强黄南天王文婷王新库王洋甄颖
- 关键词：短期负荷预测支持向量机参数寻优
- 基于人工蜂群优化极限学习机的短期负荷预测被引量：15
- 2017年
- 针对极限学习机(Extreme Learning Machine,ELM)在训练前随机产生输入层权值和隐含层阈值导致输出结果不稳定,影响短期负荷预测精度的缺陷,提出基于人工蜂群(Artificial Bee Colony,ABC)算法改进ELM(ABC-ELM)的短期负荷预测新方法。首先,选用历史负荷、外界气象因素和待预测日星期类型等属性构成ELM输入向量,以负荷值为输出,构建ELM模型;其次,采用ABC对ELM输入层权值和隐含层阈值进行优化;最后,根据优化参数,建立基于ABC-ELM的负荷预测模型,并以该模型开展负荷预测。根据国内某大型城市实测负荷数据开展实验,验证方法有效性。实验结果证明ABC-ELM较ELM和BP神经网络具有更高的稳定性和预测精度。
- 王文锦戚佳金王文婷黄南天
- 关键词：短期负荷预测极限学习机人工蜂群
- 小波熵自适应阈值的电能质量信号去噪新方法被引量：4
- 2014年
- 针对电能质量信号去噪问题,提出改进的小波熵自适应阈值去噪法。利用小波变换分解电能质量信号,计算小波分解后信号子带区间的小波熵,将小波熵和自适应阈值相结合确定高频系数阈值门限,采用改进折中指数阈值函数对电能质量信号去噪处理,最后重构降噪后的电能质量信号。通过对四种典型带噪电能质量信号(电压突降信号、暂态振荡信号、电压中断信号、谐波信号)去噪处理,并与无偏风险阈值、极大极小阈值的去噪性能比较,对比可知在输入信噪比为20dB时,对于不同的电能质量信号,改进的小波熵自适应阈值去噪法的输出信噪比是最大的。
- 陈晓娟王文婷李楠
- 关键词：电能质量信号去噪自适应阈值阈值函数
- 基于小波熵自适应阈值的语音信号去噪新方法被引量：22
- 2014年
- 针对语音信号去噪问题,提出小波熵自适应阈值去噪法。首先利用小波变换分解带噪语音信号,计算小波分解后信号子带区间的小波熵,然后将小波熵和自适应阈值相结合确定各层高频系数的阈值门限,采用折中指数阈值函数对各层高频系数进行去噪处理,重构降噪后的语音信号,最后对比小波熵自适应阈值、极大极小阈值、固定阈值和无偏风险阈值去噪方法的性能。实验结果表明,当输入信噪比为5 dB时,小波熵自适应阈值去噪法的输出信噪比是最大的,且其输入输出信噪比曲线高于其他三种阈值去噪法的输入输出信噪比曲线,从而证实该算法具有更好的去噪性能。
- 陈晓娟王文婷贾明超宋娜
- 关键词：语音去噪自适应阈值
- 基于低频噪声检测光耦器件可靠性的频域筛选方法被引量：5
- 2015年
- 针对光耦器件可靠性筛选,提出全频段阈值筛选方法检测光耦器件内部低频噪声。根据光耦器件内部的低频噪声完成光耦器件可靠性的筛选。实验中利用光耦器件测试系统检测200只光耦器件内部的低频噪声,计算这200只光耦器件全频段平均噪声谱,确定筛选的阈值,再根据光耦器件可靠性分类标准,判断被测器件可靠性等级。
- 陈晓娟王文婷景非
- 输电线路故障层次化变步长Tsallis小波奇异熵诊断方法被引量：9
- 2017年
- 为提高熵方法输电线路故障信号时-频域的特征提取能力,提出层次化变步长Tsallis小波奇异熵(Tsallis Wavelet Singular Entropy,TWSE)方法用于电力系统故障诊断。首先,对采集到的电压信号进行小波分解与单支重构,构建时-频矩阵;之后,将奇异值分解与Tsallis熵理论相结合,对该时-频矩阵求滑动步长为1的Tsallis奇异熵,确定故障发生时刻;然后,对故障发生后1周期内的三相电压重构系数求滑动步长为1/4周期的TWSE,构建用于故障诊断的特征向量;最后,将TWSE特征向量输入到极限学习机(Extremly Learning Machine,ELM)分类器中,实现输电线路故障诊断。仿真结果表明,新方法具有更好的故障暂态信号特征表现能力,且分类结果不受故障时间、过渡电阻和故障位置等因素影响,相较基于小波奇异熵的线路故障诊断方法具有更好的诊断效果。
- 黄南天李富青王文婷于志勇聂永辉
- 关键词：TSALLIS熵
- 基于GA-ELM神经网络的逐时太阳辐照量预测被引量：8
- 2016年
- 太阳能辐照量是影响光伏发电的主要因素,准确的太阳能辐照量预测对于光伏发电具有重要的作用。为提高预测模型对环境因素的敏感性与预测精度,提出基于遗传算法(genetic algorithm,GA)改进极限学习机(extreme learning machine,ELM)的太阳辐照量预测方法。首先,选取与太阳能辐照量相关的候选属性因素,确定输入变量;其次,以2009年到2014年与待预测日相同日期前后15 d范围内数据为训练集;再次,采用GA优化ELM的隐含层输入权值及偏置向量;最后,采用优化后的GA-ELM模型,开展逐时太阳辐照预测模型。实测算例表明,相较ELM、BP神经网络,新方法具有更高的预测精度,能够适应外界气象条件突变情况下的辐照预测需要。
- 徐静黄南天王文婷戚佳金徐世兵于志勇
- 关键词：太阳能
