宁晓光
- 作品数：2 被引量：91H指数：2
- 供职机构：华北电力大学控制与计算机工程学院更多>>
- 相关领域：电气工程自动化与计算机技术更多>>
- 基于增量优化极限学习机的电力负荷预测被引量：16
- 2016年
- 为了提高电力负荷预测精度和速度,针对极限学习机在电力负荷预测中需要人工设定隐层节点数目的不足,提出一种采用增量优化极限学习机的电力负荷预测方法。增量优化极限学习机算法是通过一个快速增量输出权值更新方法,对其进行增量优化改进,提高极限学习机算法的泛化性。最后,采用Mackey-Glass混沌时间序列和真实电力负荷时间序列数据进行算法性能测试。此外将提出的算法与主流电力负荷预测算法——支持向量回归算法比较预测性能,实验结果表明增量改进的极限学习机学习算法在具有较快学习速度的前提下,依然能够获得较好的预测性能和泛化性能。
- 宁晓光朱永利
- 关键词：时间序列预测极限学习机电力负荷预测
- 基于深度自编码网络的电力变压器故障诊断被引量：75
- 2016年
- 基于深度自编码网络(DAEN),构建了分类深度自编码网络(CDAEN)模型。结合电力变压器在线监测油中溶解气体分析(DGA)数据,提出了基于CDAEN的变压器故障诊断方法。所提方法利用大量无标签样本进行预训练,优化模型参数,并利用少量有标签样本进行微调。实例分析表明,与基于反向传播神经网络(BPNN)、支持向量机(SVM)的故障诊断方法相比,所提方法的诊断正确率更高。
- 石鑫朱永利宁晓光王刘旺孙岗陈国强
- 关键词：电力变压器故障诊断油中溶解气体分析反向传播神经网络支持向量机
