基于实时对称分量法的输电线故障测距新算法

本文就高压输电线路故障,提出了一种基于实时对称分量法的故障测距新算法.该算法是利用故障电流分布系数的幅角来求解故障距离.理论分析和仿真计算结果表明,该算法能消除负荷电流及过渡电阻变化对测距精度的影响,且只用线路测量端的电量就能精确地求出该端到故障点的距离.     

基于瞬时三相不平衡度的低压电网线损理论计算

考虑了三相不平衡度对低压线损的影响,采用实时的三相不平衡系数,以等值电阻法为基础改进了低压线路损耗的计算方法.针对大部分低压台区未安装负荷测试仪,无法采集到代表日整点电流数据的特点,提出了基于负荷分类曲线叠加以确定瞬时三相不平衡度的方法.利用某一台区的电量数据对改进算法进行了计算,并与传统算法的计算结果进行了比较.算例结果表明,该算法可行,且其计算结果更逼近线损的真实值.     

供电线路线损自动生成及在线分析系统的研究

根据实际配电系统对降低网损的要求,结合唐山供电公司实际线损管理的需要,前端开发工具采用PHP语言,后台数据库采用SQL Server2000,开发了一套基于B/S模式的供电线路线损自动生成及在线分析系统。功能包括线损分析、变电站线路出线电量数据维护、高压用户用电数据维护、负控用户用电数据维护、公用变台用户用电数据维护、预付费管理、未抄回表底数据管理和报警数据管理八大功能模块。通过对系统功能的测试与完善,最终建立起实用、高效的线损自动生成及在线分析系统。     

基于逻辑回归的增量式异常用电行为检测方法

用户异常用电行为的检测是电力公司需要重点解决的问题。目前异常用电检测通常采用数据分析的方法,主要包括聚类和分类两种,在处理固定数据集时校测准确率和效率均较高。但是此类方法在处理增量数据时,每次数据增量更新时均需要将增量数据与原始数据合并后重新建模才能获得新的检测模型,而用户的用电数据是频繁更新的且最新的数据更能体现出用户的用电习惯,因此在异常用电行为检测时必须考虑增量数据,而现有检测方法在进行增量式异常用电行为检测时效率很低。为解决数据增量式更新的情况下异常用电行为检测方法性能低下的问题,提出了一种基于逻辑回归的增量式异常用电行为检测方法,仅需对增量数据进行建模即可得到面向全局数据集的检测模型,无需对全局数据进行重新建模,提高检测算法的执行效率。当用户电量数据产生增量时,仅需对增量数据构建检测模型,再与原始数据的检测模型相结合,即可得到基于全部数据的检测模型。实验结果表明,该方法在保证检测结果准确性的同时,极大地提高了算法执行效率,且对计算和存储资源的需求较低。     

基于效用分类的智能电网实时电价算法

在智能电网实时定价过程中,针对家庭住宅用户,大工业、商业用户分别采用不同效用函数,改变了以往所有用户仅考虑单一效用函数的局限,使用多类效用函数模拟不同用户的消费偏好,研究了含有多类用户并存的社会福利最大化模型。根据市场供需平衡才能达到社会福利最大化原理,利用KKT最优性条件,分别计算供电侧的最优产电量和用电侧的最优用电量,得到了相应的分布式实时电价更新算法,保护了用户的隐私。通过数值仿真对分布式实时电价算法与固定电价算法相比较,证实了该算法的有效性、收敛性。     

建筑电气中供配电线路的设计探讨

目前,供配电线路设计已经成为了影响建筑物供电质量的关键性因素,建筑物能够有效供电是以供配电线路的合理设计为基准的。我国在供配电线路的设计领域上,收效并不明显,仍然存在电量损耗大、用电危险等不足之处。本文从供电线路基本理论出发,深入分析了建筑电气中供配电线路设计遵循的原则,并提出了改善供配电线路设计的方法和建议,以期对研究者有所帮助。     

基于HOG和SVM的非侵入式负荷识别

智能电网时代,准确高效的居民用电负荷评估对改善和调节电力网络的传输结构至关重要.对用户用电的电流、有功功率和谐波电流等数据进行数据预处理,基于对偶树复小波变换对数据降噪,建立基于HOG和SVM分类识别模型提取数据特征,并进行负荷识别.非侵入式负荷识别极大地降低数据收集和分析成本,对居民使用电器类型和数量的实时监测,为准确估算居民用电载荷提供可靠依据.     

海量用电数据并行聚类分析

针对用电数据量大、用电数据挖掘效率低等问题,采用理论分析和实验的方法,进行用电数据并行分析构架的研究,研究了Canopy和K-means两种典型的聚类算法,提出一种新的聚类思路,使用Canopy先对用电数据进行粗略处理,得到聚类个数和聚类中心,再用K-means精确聚类,既利用了K-means算法简单、收敛速度快的优势,又使其不容易陷入局部最优.为达到处理海量数据的目的,把提出的算法部署到MapReduce框架上进行实验.研究结果表明:提出的算法在海量用电数据的处理方面高效可行,并且具有良好的加速比.     

电厂关口表处理器数据采集方法的改进和实现

发电厂或变电站用电能量计费系统(也称关口表系统)子站采用的电表处理器多为"瑞士兰吉尔系统",该系统提供两个串行接口,其中一个串口(com1)接MODEM把子站关口电量数据实时传送到省调度中心;而另一个为备用串口(com2),可以供用户当地使用。但是,当前发电厂和变电站关口电量向省电力公司调度中心上传的功能改造为:com2串口和RJ45连接通过网络传输至省电力公司调度中心,COM1口仍接MODEM做为向省电力公司调度中心通传输关口电量的备用通道;而电厂或变电站本地却无法按照原来方式实时记录下来关口电量数据,如何适应这一改变要求成为急需解决的问题。     

不均衡数据分类算法的综述

传统的分类方法都是建立在类分布大致平衡这一假设基础上的,然而实际情况中,数据往往都是不均衡的.因此,传统分类器分类性能通常比较有限.从数据层面和算法层面对国内外分类算法做了详细而系统的概述.并通过仿真实验,比较了多种不平衡分类算法在6个不同数据集上的分类性能,发现改进的分类算法在整体性能上得到不同程度的提高,最后列出了不均衡数据分类发展还需解决的一些问题.     

雷达近场成像中SVM的目标识别方法

雷达近场成像中,在精确定位的基础上,为解决目标形状识别问题,提出了利用支持向量机（SVM）预测目标信息的方法.根据时域算法——后向投影（BP）算法和频域算法——频率波数域（F-K）偏移算法得到的场强值作为SVM的特征数据,并利用时域有限差分法（FDTD）进行仿真.仿真结果表明,基于BP算法的SVM识别方法具有特征数据提取时间长、SVM预测时间短、多目标时目标信息全和虚警较多等特征,基于F-K算法的SVM识别方法具有特征数据提取时间非常短、SVM预测时间非常短、多目标时目标漏检的特征;两者都能较好地识别目标的形状,且前者的识别能力高于后者,而后者更适合实时成像.     

基于量子演化理论的行人检测改进算法

对视频中移动摄像头下的行人检测问题进行了研究,在AdaBoost行人分类算法、支持向量机(SVM)理论和多目标优化原理的基础之上,并结合三者的特点,提出了一种基于量子演化算法的行人检测优化算法。首先,使用传统的AdaBoost算法对行人进行粗粒度的分类,然后使用支持向量机(SVM)设计精度更高的行人检测器。针对SVM的分类器参数多、关系复杂,而且无好的调节准则,根据核函数的构建条件,将实值量子演化算法引入到SVM参数的寻优问题中,对于分类性能采用多目标优化的方法,取得了较好的效果;同时从理论上分析了算法的复杂度。经过实例测试,算法与经典多目标优化算法NSGA-II的相比,改进效果明显。最后的实验说明了算法检测的准确性。     

基于SVM的在线无监督入侵检测系统

针对已有的审计日志, 在使用具有实时数据处理能力的频度加权算法计算私有程序运行时, 对每个进程中相异系统调用的频度取值. 将得到的进程向量集合进行线性扫描, 再根据向量间的距离关系为进程向量添加表示数据“正常”或“异常”标号, 在无人为干预的情况下取得SVM(Support Vector Machine)训练数据. 最后通过支持向量机计算用于监测目标系统的程序正常行为轮廓, 从而构造一个切实可行的在线且无 需人为干预的入侵检测系统.     

基于MPSO-SVM的扇形区域故障诊断研究

针对一类线性定常系统,基于扇形区域,研究了执行器单一部件故障诊断与可靠控制的问题。首先,对于文中极点信息难于获取的问题,给出全维状态观测器的设计方案,实现对极点信息的实时观测。同时为解决支持向量机在故障诊断中选取参数易受主观先验知识影响的缺陷,提出用MPSO-SVM(ModifyParticleswarm optimization algorithm optimize the SVM)建立优化模型,设计惯性权重自适应调整公式进行算法优化,既能获取核参数及惩罚因子最优参量,又能克服PSO-SVM算法的传统不足。该方法与SVM(SupportVectorMachine,SVM)、Gridsearch-SVM、PSO-SVM相比,诊断准确率明显得到改善,从而验证MPSO-SVM模型对执行器故障诊断是可靠的。     

基于无监督学习的实时公交动态调度的研究

针对广州智能公交调度的优化问题,提出一种基于无监督学习的实时公交动态调度算法,结合乘客利益和公交公司利益总体最优为目标,通过无监督学习方法学习到公交客流出行特征表达的提取,利用吸引子传播(affinity propagation,AP)聚类算法的优化数据集与支持向量机(support vector machine,SVM)的训练样本集相结合建立预测模型训练,运用公交线网发车间隔和加权系数的目标函数优化调度数学模型,将多源信息融合及多策略的实时公交动态调度算法引入到求解模型中,利用深度学习的异常突发事件分类检测方法实现调度优化模型的实时调整。实验结果表明,AP聚类算法程序运行耗时16 s、高峰发车间隔5 min,比遗传算法运行效率更高、时间间隔更精确,实例证明模型和算法具有实用性和可靠性。     

一种重复二分CSP4类运动想象脑电信号特征提取算法

针对脑机接口（BCI）系统中4类运动想象的脑电信号ERD/ERS现象进行研究,提出了一种重复二分共同空间模式（RB-CSP）算法用于4类运动想象脑电信号的特征提取,并运用SVM进行分类研究. 实验结果表明,该方法与传统的4分类CSP扩展算法OVR-CSP相比,减小了算法复杂程度,缩短了信号处理时间,提高了准确率,为在线脑机应用提供了一种新的解决方法.      

基于无线体域网的人体姿态多级分层识别算法

为解决无线体域网WBAN(Wireless Body Area Network)中人体姿态识别率低、算法复杂的问题, 设计了一种以多层分级理论为基础的人体姿态多级分层识别算法。考虑到使用者的舒适度, 将九轴加速度陀螺仪传感器(VG350) 做成腰带佩戴在腰部实时采集数据。运用加速度向量幅值(SVM: Signal Vector Magnitude)、角度、角加速度和位移等参量, 通过对实际测量数据的分析, 将坐、蹲、弯腰、慢走和跑等姿态进行识别。实验结果表明, 该算法简单, 姿态识别率高达96. 5%。     

基于Fisher准则的SVM参数选择算法

支持向量机(support vector machine,SVM)分类性能主要受到SVM模型选择(包括核函数的选择和参数的选取)的影响,目前SVM模型参数选择的方法并不能较好地确定模型参数。为此基于Fisher准则提出了SVM参数选择算法。该算法利用样本在特征空间中的类别间的线性可分离性,结合梯度下降算法进行参数寻优,并基于Matlab实现选择算法。实验结果表明参数选择算法既提高了SVM训练性能,又大大减少了训练时间。     

基于PSOGWO-SVM的网络入侵检测方法

针对SVM算法的核函数及参数选择不科学会导致检测的准确率比较差的问题,提出了一种融合粒子群搜索的灰狼优化算法,利用PSOGWO算法优化SVM的参数,确定SVM分类器的最优检测模型,并基于NSL KDD数据集进行对比实验。结果表明：基于PSOGWO SVM的入侵检测方法实现了SVM的参数最优化,而且在检测率、收敛速度、模型平衡性等方面有明显提升,该方法在网络入侵检测方面具有更好的性能。     

基于生理信号的实时情感识别系统设计与实现

设计并实现基于生理信号的实时情感识别系统.以视频为刺激材料诱发受试者高兴、惊奇、悲伤、愤怒、恐惧、平静6种情感,通过MP160生理信号记录仪采集受试者相应情感下的心电、呼吸、脉搏波、皮肤温度、肌电、皮肤电导6种生理信号,采用PCA和SVM结合的算法实现情感的实时分类.最后,系统对4名在校学生进行了实验,6种情感的平均识别率为70%.