计及可拓理论与聚类算法的变压器异常状态检测

传统变压器异常状态检测算法的有效性与精度仍然有待进一步研究。文章提出了采用投影滑动窗口和可拓K-means聚类相结合的变压器状态异常检测一般模型及分析方法。将空间状态变量投影到坐标轴加以考虑,在可拓距离度量下构造指标关联函数,按照给定的规则建立异常检测模型。以湖州某变电站各项历史监测数据对上述模型进行算例分析,结果表明,该方法可定量分析在线监测数据与变压器异常状态之间的动态关系,为实施变压器状态异常检测提供了一定的理论依据。     

正交空间调制系统的性能分析

采用正交空间调制(QSM)方案系统模型,在分析其频谱效率后,详细地推导出平均误码率和发送空间向量符号之间最小欧式距离的关系,以及和接收天线数量的关系:在高信噪比情况下,接收天线数量一定时,平方欧式距离最小值越大,将获得更多发送分集增益,成对错误概率越小,则平均误码率越小;平方欧式距离最小值一定时,接收天线数量越大,将获得更多接收分集增益,成对错误概率越小,则平均误码率越小。并列出正交空间调制方案下不同频谱效率的平方最小欧式距离,与空间调制方案的最小欧式距离相比,相对增加了。在理想信道估计和最大似然检测条件下的MATLAB仿真,验证了在相同频谱效率时QSM方案的性能比SM方案的性能具有更大优势。     

容器内液化天然气分层涡旋事故的诊断与识别

以温度为表征参量,基于谱分析方法和时频分布理论,利用温度序列的AR模型的极点参数作为前端处理的特征参数,模拟了智能系统对温度信号的处理过程.来对液化天然气(LNG)分层涡旋事故进行有效的识别与诊断.过程中,为了压缩特征维数并选择可分性最好的特征,采用了基于距离准则的特征选择方法.对温度序列的特征提取表明:从分层第一阶段过渡到第二阶段后,温度信号频率的主峰中心频率部分发生了偏移,而且频率幅度增大;涡旋临界状态的AR谱比较杂乱,既有特征谱峰又有其他谱峰;两种状态的特征参数--中心频率、谱峰幅值、高频能量和高频能量比等区别较大.最后,通过AR模型参数的欧式距离对分层涡旋的发展阶段及状态进行了模式识别.结果表明:相同状态的欧式距离趋向于零,由于信号的随机性而呈现较小的非零量;不同状态之间的欧式距离值差异明显,能够实现分层涡旋的故障状态识别.     

AnomalyDetect:一种基于欧式距离的在线异常检测算法

异常检测是数据挖掘中的一项关键技术,在计算机和互联网领域有广泛的应用,包括网络安全、图像识别、智能运维等,特别是智能运维,近几年取得了长足的发展.已有的异常检测算法会有低准确度、离线、无法自动更新等问题.为此对智能运维背景下的真实异常检测问题进行研究,构建高准确度、在线、通用异常检测算法,并据此在已有时间序列异常检测算法的基础上,提出了一种新的基于欧式距离的在线异常检测算法.通过实际的运维时序数据实验,发现该算法可以实时快速准确地检测流式时间序列数据中的异常数据,验证了该算法的有效性.     

变权欧式距离模型在水质综合评价中的应用

在加权欧式距离模型的基础上进行改进,针对不同的待评价单元和不同污染性质的污染物,根据污染因子的污染贡献率计算其权重;以n个污染因子为坐标轴,以水质标准中的Ⅰ级水质作为n维空间的"原点",结合权重计算出每个待评价单元以及水质标准中其他各级水质与"原点"的变权欧式距离,并将后者作为划分每个待评价单元水质级别的标准,从而建立了适合水质综合评价的变权欧式距离模型。用该模型对1996-2006年钱塘江支流东阳江许村断面水质监测数据进行了综合评价,并与灰色聚类法和模糊综合指数法的评价结果进行比较,结果与水质实际情况符合较好,验证了变权欧式距离模型应用于水质综合评价的科学性和合理性。     

钻井布局方案最优化方法

本文研究钻井布局最优方案,提高已有井的使用率。通过建立非线性规划模型分别在欧式距离(l∞模距离)和纵横距离(l2模距离)下求解具体布局方案。     

改进DM-SVDD算法的异常检测研究及应用

针对传统异常检测模型在数据不平衡情况下对少数异常类样本识别效果较差的问题,提出了一种基于改进扩散映射的支持向量数据描述算法(DM-SVDD),构建新的模型并将其应用于工业异常检测。通过引入欧氏距离和马氏距离两种距离度量公式,构造新的近邻图改进扩散映射算法,结合支持向量数据描述算法进行建模,新模型不仅提高了对多数正常类样本的识别性能,且对少数异常类样本的检测性能也优于传统模型。实验数据选取多晶硅铸锭生产过程中的配料数据,研究结果表明:对于异常类样本较少所形成的不平衡数据,与传统的异常检测模型相比,所提出的改进模型可使G-Mean最优提升15.73%,F-Score最优提升19.37%,满足工业异常检测的需求,可用于指导实际生产过程,降低生产成本。     

基于改进k-means聚类算法的车轮踏面损伤检测研究

为提高列车车轮踏面检测效率,设计了一套基于机器视觉的车轮踏面动态检测系统,分析了k-means聚类算法,通过加权欧式距离对该算法进行改进,利用聚类法具有保持最大相似性的特性,将基于加权欧式距离的k-means聚类算法用于机器视觉的图像处理。先对原始图像作图像增强、图像灰度化等预处理,再以特征聚类思想对图像作阈值分割,使图像中的各部分特征更加突出。图像处理结果显示,基于加权欧式距离k-means聚类算法的车轮踏面损伤视觉检测系统可以有效地检测出踏面损伤。     

基于加权距离邻域选取策略的多模态过程故障检测

针对多模态过程数据密度不规则性提出的一类基于密度的方法,大多是以欧式距离为基础来比较彼此间的相似性,从而检测过程是否发生故障。然而多模态数据密度在较小范围内变化较大,采用欧式距离很难获得全面的数据信息。本文提出了一种新的基于加权距离选择邻居的策略,该策略首先对距离进行合理的加权,再根据新的加权距离重新选择样本点的邻居,能有效地避免数据信息不全面的问题。在仿真实验中,首先通过比较基于传统的欧式距离和基于本文加权距离选取的邻居,说明本文策略的优越性;进而将该策略与局部离群因子(Local Outlier Factor,LOF)结合用于TE过程,对TE过程的仿真结果表明该策略在应用于基于密度的检测方法上获得了的良好效果。     

基于变权欧式距离模型的大气环境质量评价

通过利用待评价单元中各大气评价因子的环境污染贡献率确定相应因子的权重,并由此对每个待评单元衍生出适合其自身的距离等级评价准则,从而实现对加权欧式距离模型的改进,建立起大气质量评价的变权欧式距离模型。该模型由于使用更尊重客观实际的权重系数和评价准则使模型更合理科学。最后,将该模型应用于大气环境质量评价实例中,并将本法与模糊综合评价的结果比较分析,获得良好的效果。     

基于特征组合分析的主泵异常检测方法

为了解决传统阈值法在核电站主泵状态数据异常检测中的误判、实时性差等问题,提出一种基于单维状态数据特征分析和多维状态数据特征分析相结合的方法。对于单维状态参量,使用AR(auto regressive)模型拟合获得模型参数,再结合SOM(self organizing maps)神经网络的量化结果得到单维状态参量随时间变化的过渡概率序列;对于多维状态参量,使用OPTICS(ordering points to identify the clustering structure)算法聚类生成不同的模式组;然后根据两类特征提取结果综合分析,得到异常检测模型;最后将检测模型应用于主泵状态数据异常检测,并与其他方法进行比较。实验结果表明此模型在准确性、实时性上更具优势。     

基于数据挖掘的网络状态异常检测

针对目前网络状态异常行为检测正确率低的问题,提出一种基于数据挖掘的网络状态异常检测模型.首先提取网络状态信号,通过小波变换对信号进行预处理,并提取网络状态异常检测的特征;然后通过回声状态网络对网络状态异常检测进行建模,并通过遗传算法对回声状态网络的参数进行优化;最后采用网络状态异常数据集对模型的有效性进行测试.测试结果表明,数据挖掘技术可以准确检测各种网络状态异常行为.     

对变压器异常运行及检查处理的探讨

只有正确地认识和掌握变压器的运行规律,在变压器处于异常运行状态时才能做出准确的判断,才能及时正确的处理异常情况.本文从变压器投入运行前的检查,变压器运行中的检查,变压器的异常运行及检查处理等方面进行阐述.     

油浸式大型电力变压器表面温度预测模型

为了早期发现油浸式电力变压器长期连续运行时可能存在的温升异常问题,该文提出了一种新的油浸式电力变压器表面温度预测模型,可以预测出变压器表面的正常温度。通过比较预测值与实测值的误差来预知变压器表面温度是否存在异常,进而判断变压器运行状态是否正常。预测模型参数是基于现场数据采用偏最小二乘法估计出来的,克服了传统最小二乘法参数估计结果不稳定的问题。并且从传热学原理、预测误差的均值、方差及其正态分布性等方面,合理地选择用于参数估计的数据长度。用该模型计算分析了一年的现场数据,预测结果表明该模型是正确、有效的。     

基于转移和频率特征的协议异常检测

协议异常检测是目前入侵检测领域研究的新方向.本文研究状态的转移特性和频率特性,在此基础上建立模型进行协议异常检测.模型的训练和检测使用DARPA 1999年的数据集,实验结果验证了所建立模型的准确性.     

基于Gross认知重评的机器人认知情感交互模型

为了增强机器人的认知情感分析能力,依据AVS情感空间和有限状态机(FSM)提出了一种基于Gross认知重评策略的认知情感交互模型.首先,通过分析情感状态之间的欧式距离,研究外界情感刺激对情感状态转移概率的影响;然后,采用有限状态机描述了受到认知重评策略影响的情感状态转移过程;最后,根据情感状态转移概率和7种基本情感的空间坐标,得出受到刺激后机器人情感状态的空间位置.实验结果表明,与不受认知重评策略影响的情感交互模型相比,所提模型能够减少机器人对外界情感刺激的依赖,从而有效地促进了和谐的人机交互体验.     

电力变压器运行温度异常原因及防范分析

提出电力变压器运行温度异常表现特征,根据其特征对温度异常原因进行分析,指引设备异常处理思路。结合多年来工作经验,提出电力变压器温度异常的检测方法与预防措施。     

一种关联层次赋权与离散模糊数的变电设备评估方法

为了解决变压器状态评价指标的单一性导致其状态评价可靠性低的问题,提出一种基于层次赋权与离散模糊数的变压器状态评估模型.首先,通过构建层次分析法赋权模型,关联变压器设备多个关键指标形成评价体系.进一步地,为了更合理地区分评价等级,降低不同等级之间的交差性和相似性,采用多等级的模糊语言描述变压器状态,将基于多指标的设备评价通过离散模糊矩阵映射到隶属度空间,再根据隶属度原则确定设备状态.最后在实际案例上测试.结果表明,模型评价等级基本与实际变压器状态一致,验证了基于上述模型的评价结果能够合理反应变压器状态,进而为电力系统设备评价决策、检修、延长设备使用寿命等提供参考依据.     

基于LSTM-WGAN的时间序列数据异常检测

在时序数据中发现隐藏的异常行为或事件,可以保障生产安全,具有重要意义。目前的异常检测模型存在训练不稳定、容易产生梯度消失的问题,影响异常检测效果,针对该问题,提出一种LSTM-WGAN模型,WGAN负责捕获变量之间的潜在关联,进一步提升了LSTM的检测能力。同时,以Wasserstein距离代替交叉熵损失训练判别器和生成器,结合重构损失以及判别损失实现异常检测。在NAB公开数据集上的实验结果表明LSTM-WGAN相较于基准模型在准确率、召回率以及F1得分上都有较大幅度的提升。     

面向变压器状态评估的数据集市的设计

变压器状态评估需要综合利用变压器状态信息，这些信息散布于电力部门的不同班组中。本文提出了一个面向变压器状态评估的数据集市框架，并在此基础上进行联机分析操作。建立基于数据集市与数据挖掘技术的变压器故障诊断模型，为变压器故障诊断提供技术支持。