王瑜
- 作品数：19 被引量：223H指数：8
- 供职机构：华北电力大学电气与电子工程学院电子与通信工程系更多>>
- 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河北省自然科学基金更多>>
- 相关领域：电气工程自动化与计算机技术电子电信动力工程及工程热物理更多>>
- 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
- 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
- 基于风场实验的三维叠加尾流模型特性研究
- 2023年
- 针对目前存在的尾流模型对叠加尾流空间分布特征描述不完整的问题,提出了一种基于双高斯函数的三维叠加尾流模型(3DJGF-M模型),以达到对叠加尾流更准确、全面地预测。首先,修正了三维双高斯全尾流模型(3DJGF模型)的尾流膨胀系数,该系数不需要多次试验计算来确定,可减少计算成本;其次,通过引入风切变的影响,修正了速度亏损叠加原理;此外,以3DJGF模型为基础,利用考虑风切变的叠加原理推导了3DJGF-M模型;最后,利用激光雷达进行了风场实验,验证了3DJGF-M模型的准确性。结果表明:3DJGF-M模型在预测整个尾流区水平剖面以及垂直剖面的相对误差基本都在5%以内,预测效果良好,对于风电场布局优化有较大的应用潜力。
- 张绍海高晓霞徐施耐朱霄珣王瑜王喜
- 关键词：风力机
- 基于小波迹方法的局部放电信号消噪研究被引量：4
- 2019年
- 在检测电力系统变压器稳定性时,通常会发现变压器放电信号存在各种各样的干扰,尤其是噪声干扰。文章提出一种基于传统小波迹方法的平稳小波迹阈值消噪方法,有效消除了信号采样中的噪音。通过重新定义小波迹字典的方法,改进了传统小波方法中的不足。对所要处理的放电信号进行循环平移,有效消除小波基的平移依赖性,提高小波变换在奇异点附近的特殊性,从而达到消除随机振荡的目的。通过与传统小波包消噪和传统小波消噪的比较,选取阈值、小波基和分解层数,得到了信号消噪的最佳值,进而构建一个适用于局部放电信号研究的平稳小波迹阈值消噪方法。结合MATLAB仿真实验信号和部分某变电站变压器局部放电实际信号验证,该方法能有效抑制局部放电噪声干扰,提取有效信号,消噪效果优于传统小波和小波包方法,可以达到识别的需求。
- 吕天成靳松王瑜宋丽翠
- 关键词：变压器局部放电消噪
- 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
- Beta分布在风电预测误差模型中的适用性被引量：13
- 2020年
- Beta分布凭借自身的特征优势,已经成为建立风电功率预测条件误差的主要模型。当前,大多数有关Beta分布建模的研究都集中在储能规划和经济调度方面,而针对复杂多变的风电功率预测条件误差,研究Beta分布适用性影响因素的成果较少。为了填补这方面的不足,论文做了如下工作:研究了Beta分布的参数和形态特征;根据这些特征给出了条件误差的非标准定义形式、异常数据的四分位区间处理方法,以及评估Beta分布适用性指标和步骤;针对不同容量的实际功率数据,完成了Beta分布在分组数量、异常点检测、参数估计方法、功率特征等关键因素影响下的适用性仿真;并根据仿真结果总结了Beta适用性的变化规律和一些经验准则。
- 杨宏闫玉杰王瑜
- 关键词：风电功率预测BETA分布
- 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
- 基于点对称图像的变压器局部放电信号故障诊断被引量：12
- 2020年
- 局部放电是变压器工作过程中常见的故障,该文提出一种基于点对称图像的局部放电信号处理及故障诊断研究方法。对局部放电故障的点进行观测及采集数据,进而分解及处理得到所需状态信号,并通过点对称图形的方法将数据的形式转换成图像,提取出信号所含的显著特征,对比正常和故障信号的图像,实现局部放电故障是否发生的判断。相对于其他特征提取方法,该方法可以更加准确直观地展示出不同状态之间的差异。文章进行实验验证,并对比多组数据,最终实现变压器故障与否的判别,证明该文方法的有效性和先进性。
- 王瑜刘铟王玉鑫
- 关键词：局部放电信号处理故障诊断变压器
- 面向三维多核片上系统的热感知硅后能耗优化方法
- 2016年
- 高能效(Energy efficiency)已成为目前嵌入式多核片上系统(System-on-Chips,SoCs)设计中的首要优化目标.基于电压/频率岛设计的三维多核片上系统能够为构建高能效系统提供一种有力的解决方案.然而,不断增加的工艺偏差导致制造后芯片中电压/频率岛的性能参数偏离其额定值.在较大偏差的影响下,可能无法满足任务的截止时间约束.另外,已有的研究工作大多针对二维平台,无法很好地解决因三维集成而不断恶化的发热问题.面向采用电压/频率岛设计的三维多核SoC,文中提出一个硅后优化框架,在最小化系统能耗的同时,能够满足任务截止时间和系统热约束.除了能效感知的任务调度和电压/频率分派方法,提出的优化框架还采用任务迁移平衡核栈的功耗以实现热优化.实验结果表明,与已有的热平衡方法比较,文中提出的方法能减少平均18.6%的能耗.同时,与经典的能耗优化方法比较,文中提出的方法能降低平均5.6℃的峰值温度.
- 靳松韩银和王瑜
- 关键词：系统能耗任务调度热优化
