结合图半监督与广义回归神经网络的非侵入式海洋平台负荷监测
海洋平台微电网所处环境复杂,对其自动化和智能化要求较高,目前缺少对其负荷实时智能监测和管理的方法.从非侵入式负荷监测的角度,考虑海洋平台的经济性要求和特殊的工业环境,提出结合图半监督与广义回归神经网络的非侵入式海洋平台负荷监测方法.采用图半监督学习算法自动标记训练数据集,减少了人工标记数据的工作量,使系统能自动完成数据标记.并与半监督聚类算法对比分析,表明图半监督学习算法对数据标记具有更高的正确率.再利用广义回归神经网络较强的非线性分类能力,提升负荷识别的识别精度和减少计算复杂度.Matlab/Simulink仿真结果表明,所提出的负荷识别算法不仅减少了人工干预而且具有高精度的识别率.
海洋平台、数据标签、非侵入式负荷监测、图半监督学习、广义回归神经网络
48
国家重点研发计划项目资助;中国博士后基金项目资助;四川省科研创新团队研究项目资助
2020-05-07(万方平台首次上网日期,不代表论文的发表时间)
共7页
85-91