CN118917442B 一种基于超容储能的误差变化预测方法 （西安热工研究院有限公司）_第1页
CN118917442B 一种基于超容储能的误差变化预测方法 （西安热工研究院有限公司）_第2页
CN118917442B 一种基于超容储能的误差变化预测方法 （西安热工研究院有限公司）_第3页
CN118917442B 一种基于超容储能的误差变化预测方法 （西安热工研究院有限公司）_第4页
CN118917442B 一种基于超容储能的误差变化预测方法 （西安热工研究院有限公司）_第5页
已阅读5页，还剩27页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明公开了一种基于超容储能的误差变数据信息，利用深度学习模型进行智能故障检法不仅能够有效降低单一模型的局限性和不稳2采用小波变换方法对修正后的数据进行多尺度分析，提取单元的充电状态和放电状态；所述环境数据包括超容储能系统运行环境的外部环境数据；所述容量数据包括超容储能单元的剩余容量和充放X,=μ;对于多个连续的异常数据点进行修正，使用线性插值法，根据3使用滑动窗口对缺失数据进行填补，窗口大小为w，窗口内数据点的平均值作为填补n'将所有修正后的数据按照时间序列整理成X(t)，X(t)表示修正后的原始数据时间序使用离散小波变换DWT和连续小波变换CWT4Xj,k(将径向基函数核、多项式核和自编码器的输出结合，计算高维空间5最终预测结果通过加权投票结果和次级学习器结果的组8.一种计算机设备，包括存储器和处理器，所述存储器处理器执行时实现权利要求1至7中任一项所述的一种基于超容储能的误差变化预测方法6[0001]本发明涉及超容储能技术领域，尤其涉及一种基于超容储能的误差变化预测方型往往难以应对各种复杂的实际应用场景。传统的预测模型，如随机森林、支持向量机7[0014]X=y；X=w-oa,,t，t8(t)是尺度函数，定义为：每个多尺度分量xix(o)计算幅值和相位；利用历史数据计算每个尺度和综合特征函数F()：9征映射D(x)具体如下：,表示输入数据x与训练样本xu的内积；m为[0052]使用次级学习器对单模型预测结果进行组合，计算次级学习器的均方根误差fe{RF,SVM,LSTM},PRP表示随机森林模型对输入数据X的预测结果；RSV表示支持向量机模型对输入数据x的预测结果；Rsmw表示长短期记忆网络模型对输被处理器执行时实现基于超容储能的误差变化预测[0063]图1为本发明一个实施例提供的一种基于超容储能的误差变化预测方法流程示意[0079]X=y；X=w-oa,,t，t[0106]f(t)=a,+a1t+azt2；行拟合：[220,221,225,223,222]；;[0113]使用拟合的多项式计算异常数据点的修正值。假设异常数据点对应的时间点为t=4和t=5:[0121](t)是尺度函数，定义为：每个多尺度分量xix(o)计算幅值和相位；利用历史数据计算每个尺度和综合特征函数F()：征映射D(x)具体如下：表示输入数据x与训练样本xu的内积；m为[0146]使用次级学习器对单模型预测结果进行组合，计算次级学习器的均方根误差的权重，gs(X为次级学习器对输入数据X的预测结果，RMS

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论