引入推理模型的大型电网设备的故障检测方法

针对大型电网设备中的故障信号稳定性较差,并且信号之间的关联性较弱,导致不能有效检测故障的问题,提出了一种引入估计推理模型的大型电网设备故障检测方法。系统依据贝叶斯网络的学习和概率分析能力,在传统的神经网络诊断模型中,引入一种推理估计模型,以电网设备中的测速机、脉冲发生器、传感元件的高频故障信号为基础,估计模型运算电网设备的故障概率,配合边缘化算对数据结构中的故障信息进行表达。仿真实验说明,算法可以解决电网故障信号的随机性特征,准确检测出电网设备中的故障信号。     

基于贝叶斯态势评估的智能电网故障检测系统

针对传统电网故障检测系统在自动化、实时性、测量精度与可靠方面的不足,构思了基于贝叶斯网络态势评估的智能电网故障检测系统,研究了贝叶斯网络在故障态势评估中的应用方法,提出了系统的模型与运行流程,并给出了实现的关键技术。根据仿真模拟实验结果,系统对提高电网监测系统的自动化水平和检测准确性具有重要的现实意义。     

高压电网地磁感应电流故障快速检测方法分析

传统方法受外界环境的影响,得到的故障检测结果准确性低,且实现过程复杂,所需检测时间长。为此,提出一种新的高压电网地磁感应电流故障快速检测方法。分析地磁感应产生机制,将地表电位分布和磁感应强度结合在一起,引入灰色关联理论,结合变比计算健全度,通过健全度对高压电网线路实际状态和正常状态间的一致程度进行描述,将其看作检测依据对高压电网地磁感应电流故障进行检测。鉴于变比对故障检测结果的重要性,把检测线路不同环节电流变比看作变量,计算变比值。实验结果表明,所提方法检测精度高,所需时间短,整体性能强。     

基于梯度的拥挤场景异常检测算法

针对在极度拥挤场景下,由于场景中包含了过多的人和物,同时由于人力的限制,无法快速找出异常行为的问题,提出了一种基于梯度的拥挤场景异常检测算法,该方法通过将视频进行分割,然后提取梯度信息,计算高斯模型参数,再应用SOM(自组织映射)进行分类从而找出异常行为。     

基于改进的K-means算法的异常检测

聚类算法通常用于数据的聚类。除此,它还可以用于异常数据的检测。首先介绍了基于划分的聚类算法K-means,然后给出改进算法I-K-means的算法描述,最后通过实例进行异常分析。     

基于节点电抗阵的电网运行方式的性能研究

随着社会经济的发展以及人们生活水平的提升,加强电网建设,保证电网建设和电力供应稳定,已经成为人们对于电力发展的基本要求.在电网建设中,判定电网运行稳定的标准除了电力供应的稳定外,就是根据电力供应过程中电网线路的运行故障以及电网设备对于线路故障事故的抵抗程度.对于电力供应过程中,电网运行中短路故障的影响较大的就是节点电抗阵的作用.本文主要对基于节点电抗阵的电网运行方式的性能进行研究.     

Wi-Fi网络非常态干扰下的故障节点定位算法

当前对Wi-Fi网络节点故障定位方法使用正交频分复用技术,采用直调直检的方法将Wi-Fi节点网络之间高速数据信号转换为分布式载波信号,实现节点故障节点检测,该方法很容易导致相邻节点信道间频谱主瓣重叠,在非常态干扰下定位不准。提出一种基于OFDM技术的Wi-Fi故障节点定位方法,采用同步算法来减小子载波间的正交性抑制,采用信息素更新策略实现在非常态干扰下对故障节点的定位检测。仿真实验表明,该方法能有效定位Wi-Fi故障节点,网络传输误码率降低明显,大幅提高网络传输效率,有效提高了Wi-Fi网络可靠性和应用性。     

基于MapReduce模型的电力数据并行化的异常检测

提出了基于MapReduce计算模型的电力数据异常检测的并行化设计,实现了多个计算节点对海量的电力数据进行并行化的异常发现,从而快速发现存在异常的采集点。     

正交通信信道载波均衡故障节点准确挖掘算法

大型云计算联合服务器中故障节点的快速挖掘模型构建可以实现对云服务器故障的准确定位和检测。传统方法中采用协议堆栈对节点进行约束与管理,达到故障节点快速挖掘的目的,然而该算法在Sink节点位置部署考虑欠好,在通信传输中很容易相邻节点信道间频谱主瓣重叠,故障节点挖掘性能不好。针对这一问题,提出一种基于正交通信信道载波均衡的云计算联合服务器故障节点快速挖掘算法,建立故障节点信息融合模型,进行特征分析,在信息融合过程中,组成新的云计算联合服务器接收端和发射端故障节点定位训练序列,构建基于OFDM系统的等效基带故障节点挖掘模型,通过正交通信信道载波均衡实现云服务器故障节点的快速挖掘。仿真结果表明,该算法在复杂云计算环境下,能实现对故障节点的准确定位,挖掘性能较高,检测概率较高,优越于传统模型。     

基于自适应RBF神经网络的电网变压器故障检测

变压器的故障诊断方法大部分以油中溶解气体为诊断基础,如目前较为常用的四比值法、三比值法等。但存在"编码盲点"、故障诊断准确度不够等问题。本文提出一种基于自适应RBF神经网络的电网变压器故障检测方案,算法输入层节点只会把信号传送到隐含层。在隐含层中,通常使用高斯函数来对所得到了输入向量响应。输出层则是使用一般的线性函数来对输出进行加权。这种模式是一种标准的前向网络模式,能够使得神经网络的输入空间与输出空间得到映射,进而为分类网络并实现函数逼近,提高了网络收敛速度。仿真实验结果表明,本文提出的自适应RBF网络在故障诊断的准确率以及诊断时间的表现皆优于BP、GA-BP神经网络,所在在变压器故障诊断时,可以优先考虑自适应RBF神经网络。     

基于模糊优选模型的电网企业软实力评价研究

面对特高压、智能电网和大规模电力输送的电力发展新形势,电网企业迫切需要提升自己的软实力,科学合理地评价,可以为电网企业的持续发展提供科学的决策依据.以企业竞争力理论为基础,结合电网企业的特色,从决策力、行动力、创新力和内聚力四个方面构建了电网企业软实力评价系统,运用多因素多层次模糊优选方法建立了评价模型.实证分析表明,该评价体系是评价电网企业软实力的一种有效方法.     

改进的蚁群引导电网系统云数据聚类故障检测

传统的蚁群算法在迭代过程中产生逆转变异,新的结点与链路也可能在任意时刻加入到云中,给电网系统云数据的云计算和故障数据预测检测带来很大难度,出现拥塞控制,导致聚类效果不好。结合云计算处理数据的特点,对传统的蚁群算法进行改进,提出一种改进的蚁群引导电网系统云数据聚类和故障检测算法,根据基因位随机数大小决定输出概率的精度,更新状态类别充分统计量,得到故障特征观测概率和初始概率,执行聚类中心更新规则。搭建的Hadoop集群云计算原型系统,在开源的云计算平台框架和HBase电网系统数据库下进行数据采集和算法实现。仿真结果表明,算法在数据聚类和故障检测中具有较好的应用性能。     

基于Node.js的撮合系统开发

利用十分普及的移动智能手机和新兴的互联网应用开发技术,帮助人们随时随地发出具有明确时间和地域特征的具体需求,同时帮助商家及时获取交易机会。具备时效限制的撮合系统,依靠现代技术Node.js、Socket.IO、MongoDB等实现。虽然采用这些新技术带来一定的学习曲线,但从整体上却能缩短项目开发周期,提升系统性能,同时也带来了开发思想的转变。     

基于射线模型的超宽带栅状路由冲突重整算法

在使用无线网格网技术建设的网络中,其拓扑结构呈格栅状,通过路由协议快速形成超宽带网络,超宽带格栅状网络路由因为协议局限导致路由冲突,需要进行路由冲突在线重整,保证网络通信协议的安全稳定。传统的重整算法采用调制码元帧格式扫频方法实现路由信道均衡,优化任务调度,当网络信道的扩展损失呈突变衰减时,路由冲突重整效果不好。提出一种基于射线模型的超宽带栅状路由冲突重整算法,使用线性异域网络编码方式构建格栅状网络环式路由模型,采用射线模型构建邻居节点网络路由统计学模型,分析路由冲突信号的超宽带特征。计算超宽带格栅状路由协议的链路跨层信息,得到网络通信信道系统函数,根据多目标优化理论,把路由冲突协议叠加到射线模型的波动方程,实现基于射线模型的路由冲突优化重整。仿真实验结果表明,该算法能有效提高路由负载的均衡度,展示了算法优越的性能。     

基于SOM聚类的电网可视化数据挖掘模型

面对电力系统中海量的多维数据,传统的可视化数据挖掘无法满足空间数据处理的需要,多维数据可视化也不利于用户获取知识。因此提出了基于SOM(自组织特征映射网络)聚类的电网可视化数据挖掘新模型VSDMmodel,模型利用改进的SOM聚类算法对高维电网数据进行降维,提出一种基于颜色映射的可视化方法,对聚类结果进行低维展现,加快了用户对挖掘结果的理解,并且允许用户对结果中感兴趣的区域加以深入分析,实现对电力系统海量数据的可视化挖掘。     

基于边缘检测的图像缩放算法

论文提出了一种保持边缘特征的图像缩放算法,算法首先检测图像中物体的边沿,并在传统边沿检测方法的基础上增加“不确定度”这个参数来提高边沿检测的鲁棒性;对边缘区域像素的插值沿边缘方向进行,对非边缘区域的像素的插值用三次卷积的方法生成。该算法能有效消除传统插值算法在物体边缘部分出现的锯齿,提高了缩放后图像的视觉质量。仿真结果表明,对人造图像和自然图像,本算法均能保持良好的边缘特征,取得较理想的图像缩放效果。     

采用奖惩规则格栅建模的机器人避障规划算法

针对传统的蚁群算法设计机器人避障路径规划,自适应能力差,全局优化能力和搜索速度不好的问题,在传统算法的基础上,提出一种采用奖惩规则格栅建模的机器人避障规划算法。提出构建模型主体的行为规则和避障规则,通过在栅格环境中设置量子遗传进化的多个有效的行为规则,设计了信息素更新的奖惩规则,修改其路径上的信息素,改变量子本身携带的信息素,得到优化避障最小距离。最终获得了复杂环境下的最优路径。仿真实验表明采用该算法进行机器人避障路径规划,在未知复杂环境下能够快速地规划出安全的优化路径,机器人避障路径规划具有很好的自适应性,相比传统的蚁群算法,其全局优化能力和搜索速度都得到了显著提高。     

融合Logistic方程与Markov模型的开放政府用户参与行为分析

[目的/意义] 开放政府是新时代下支撑社会管理的重要元素,从用户参与行为的视角剖析开放政府的认同度、互动力以及传播力,对消除政府与用户间数字鸿沟、提高用户参与度具有重要研究意义。[方法/过程] 本文融合Logistic方程与Markov模型探索并预测了开放政府的用户参与行为随时间变化的趋势,并以"思想火炬"为样本官微实证了用户的参与度水平。[结果/结论] 研究表明：用户参与行为间具备相互作用关系,转发行为更易受到点赞行为与评论行为的影响;融合模型能够预测用户参与行为的发展脉络,进而指导官微进行实时预警;当信息资源聚焦国际关系时,公众参与度显著提升。