提高宁东电网遥测估计合格率的方法

状态估计是高级应用软件的重要组成部分。而提高遥测估计合格率不仅是高级应用软件实用化的关键,更有助于自动化人员对SCADA不准确数据进行分析、处理。该文就网络建模、参数维护、基础数据质量等对遥测估计合格率的影响进行分析,有针对性的提出提高遥测估计合格率的方法,并在实际中得到更好的应用。     

自动电压控制中不良数据的辨识

自动电压控制(AVC)系统由于缺乏对发电厂遥测量数据真实性的有效和准确辨识,容易引起装置误动.支持向量机(SVM)是一种具有优良模式识别性能的数据挖掘方法.文中利用SVM建立发电厂遥测量不良数据的辨识模型:首先应用SVM非线性回归对各种运行情况下发电厂的遥测量数据进行曲线拟合,然后应用SVM训练分类网络.将实时遥测量数据输入到训练好的曲线拟合网络和分类网络中,就能够迅速判断该遥测量数据是否为不良数据.仿真算例验证了SVM模型的有效性和准确性.     

RSView 32监控组态软件在锅炉液位系统中的应用

应用RSView32监控组态软件设计了以罗克韦尔自动化三层网络为平台的锅炉液位监控与数据采集(SCADA)系统,实现对工业现场数据的采集,数据信息的存储、处理、显示和报表等功能;利用屏幕画面,对锅炉液位系统进行实时监控,对异常信息进行报警处理和建立数据库.系统设计合理,运行可靠.     

一种逻辑模型树算法在网络舆情中的谣言检测

网络舆情中的谣言对社会危害极大,因此有效地检测网络舆情中的谣言已是当务之急.目前,一些单一机器学习算法被相继应用到谣言检测中.针对这些单一机器学习算法在分类上的局限性,将一种融合逻辑回归与决策树的逻辑模型树方法用于谣言检测上.根据舆情分析报告上采集的数据集,实验结果表明:组合模型逻辑模型树的分类预测准确率比已应用到谣言检测的单一机器学习算法明显要高,逻辑模型树是一种有效的谣言检测方法.     

多分类问题的RBF 二叉神经树网络方法

神经网络是一种普遍使用的分类方法。当类别数目较大时 ,神经网络结构复杂、训练时间激增、分类性能下降。基于两类问题的树网络多分类方法将两分类方法和判决树相结合 ,利用两分类方法来减少神经网络的训练时间 ,利用树型分类器来提高识别率。提出了一种多分类问题的二叉神经树网络结构和训练算法。利用两分类网络的训练结果对类别进行排序处理 ,并应用排序后的类别序号构成树型分类器 ,使可分性最差的类别的识别率提高最大 ,从而提高了整体分类性能。使用径向基函数 ( RBF)网络作为节点网络 ,使节点网络结构适应两类间的可分性 ,从而最终优化了神经树网络的结构。仿真实验表明该方法的分类性能优于现有方法     

基于深度信念网络的天体光谱自动分类研究

把深度信念网络应用于天体光谱的分类.首先,使用小波变换对光谱数据进行降噪预处理,其次,采用PCA对光谱数据进行特征值提取降维,然后建立深度信念网络模型并构造分类器,最后使用该分类器对美国斯隆巡天项目的天体光谱数据进行激变变星的分类研究,并与受限波尔兹曼机网络进行了对比研究.由于深度信念网络对数据有深层次的学习能力,采用深度信念网络对天体光谱进行分类有一定优势.实验结果证明了分类方法的有效性.     

城市快速路实时交通流运行安全主动风险评估

基于上海市快速路系统采集的线圈检测器数据和事故数据,应用贝叶斯网络(BN)模型对快速路实时交通流参数与事故风险进行建模分析,并利用可有效应对缺失数据的高斯混合模型和最大期望算法分别对BN模型输入和参数进行估计,进而主动评估快速路实时交通流运行安全风险,并对事故状态提前做出预警.分别对可能事故点前后2组检测器和4个时间段的8组交通流数据进行了建模,结果表明使用事故发生地点上下游各一个检测器在事故发生前5~10min内的交通流数据建立的BN模型效果最好,事故预测准确率为76.94%.最后不仅与朴素贝叶斯分类、K近邻、反向传播(BP)神经网络等经典事故风险估计算法进行了对比分析,还与现有的实时风险评估成果进行了对比,结果表明BN模型预测效果最好.     

基于高维映射感知器网络的机器学习分类方法

利用Rosenblatt感知器网络的权值学习方法,提出一种解决线性不可分样本的多类分类方法.该方法不需要考虑使用何种核函数,将高维坐标值作为分类信息的函数,直接解决非线性多类分类问题.对双螺旋线数据分类应用的结果表明:基于高维映射感知器网络的多类分类机器学习方法可以有效解决非线性数据的分类问题,并能够提高分类效率和准确度.     

基于残差网络的掌纹识别研究

为了探索深度学习在掌纹识别领域的应用,提出了一种利用残差网络技术自动提取掌纹特征的方法,该方法根据掌纹的几何特征对掌纹图像进行预处理,将预处理后的掌纹图像进行归一化得到一个二维图像矩阵,作为残差网络的输入,再利用随机梯度下降算法对网络进行迭代训练,获取最优的网络参数,最后使用分类器Softmax对掌纹进行分类识别.模型在香港理工大学的掌纹数据库上进行了实验验证,实验结果证实了利用残差网络对掌纹进行分类的可行性,并取得了不错的分类效果.     

自动电压控制中不良数据辨识的研究

自动电压控制（AVC）系统由于缺少对发电厂遥测量数据的真实性进行有效和准确地辨识,容易引起装置误动。支持向量机（SVM）是数据挖掘中一种具有优良模式识别性能的新方法。本文提出了利用SVM建立辨识发电厂遥测量中不良数据的模型：首先应用SVM非线性回归对各种运行情况下发电厂正常的遥测数据进行曲线拟合（即训练）;然后运用训练好的模型对历史遥测数据(包括正常遥测数据和不良遥测数据)进行预测,取得预测值与实际遥测数据的误差百分比;再结合历史遥测数据正确与否,应用SVM分类功能训练分类网络;最后将实时遥测数据输入到训练好的曲线拟合网络和分类网络中,就能够迅速判断该遥测数据是否为不良数据。仿真算例验证了SVM模型的有效性和准确性。     

基于SCADA和GIS技术的市政管网管理系统

根据市政管网的特点和管理部门的需求,开发一套可监控和管理市政管网的管理系统.本系统以GIS、SCADA和数据库技术为基础,将GIS应用平台和SCADA系统高度集成,实现了空间数据和实时数据的一体化管理.基于ArcGIS的GIS平台与SCADA技术相结合,可对市政管网进行动态监控和集中管理,为市政管网的安全运行和预警、防灾、减灾提供强有力的保障.     

基于混合量测技术的电力系统状态估计研究

电力系统状态估计是能量管理系统(EMS)的重要组成部分,也是电力系统在线监测、分析、控制的基础,如何快速、高效地对电网的状态信息进行预测估计已成为电力系统研究中的热点问题.该文在分析状态估计理论和广域监测的基础上,提出了一种利用电力广域测试系统(WAMS)和监测控制和数据采集(SCADA)混合量测的静态状态估计算法,此算法可以直接利用电流相量量测量,高效快速地进行电网信息的状态估计.相关的仿真和实验结果证明,这种算法具有良好的估计性能,并能够对不良数据进行有效的检测和辨识.     

基于残差网络的树叶分类

现有的树叶分类方法的精确率已超过90％,但可分类的树叶种类较为有限.为此,本文提出一种基于残差网络迁移学习的大规模树叶分类方法.首先使用大规模数据集预训练残差网络;然后在保留其他节点参数的基础上,对已预训练好残差网络进行部分结构调整,使之适用于树叶分类;最后,使用树叶数据集对调整后的残差网络进行再训练,以使网络具备树叶...     

基于非线性状态估计的风电机组振动建模研究

本文引入振动加速度信号,与SCADA数据结合进行风电机组关键部件的状态监测及故障诊断。实验数据为某风电机组连续6个月SCADA数据,振动建模方法采用非线性状态估计技术,在风电机组故障高发部位——齿轮箱、发电机、主轴承等处加装振动加速度传感器,通过对各部位振动特性的分析,分别建立相应部位的振动模型进行故障监测与诊断,并验证其可行性。研究表明,利用非线性估计的方法建立风电机组关键部位的振动预测模型简单有效,预测精度高,为后续风电机组振动分析提供了新的思路。     

基于局部差异最小生成树脑网络的抑郁症分类研究

传统的最小生成树特征提取方法使用局部可量化指标来分类脑疾病,忽略了低权重的连接和集群在大脑网络中信息处理的重要作用,造成网络中一些有用信息的丢失。较其他网络特征而言,其特征有效性和分类准确率都明显偏低。为解决这些问题,本文以最小生成树拓扑指标作为特征,在局部差异最小生成树脑网络上进行提取特征并构建分类器,在抑郁症患者数据集上进行验证。实验结果显示,该方法相比于传统最小生成树特征提取方法可以提供更多有效特征,能够有效地提高分类精度。本文提出的新方法可以为脑网络的构建以及特征提取提供重要的可参考依据,也有助于医学辅助诊断和脑疾病的研究。     

基于TCGA数据库不平衡数据的改进分类方法

为解决癌症基因组图谱中DNA甲基化数据不平衡导致假阴率上升的问题,提出一种基于TCGA数据库不平衡数据的改进分类方法.使用合成少数类过采样技术和Tomek Link算法进行混合采样,解决数据不平衡问题.在此基础上,将经特征选择后的训练集数据输入改进模型进行训练、学习及分类.基于TCGA数据库6种癌症DNA甲基化数据的实验结果表明:改进方法对少数类样本的分类性能有显著提高,对多数类样本的分类性能也有一定的提升.     

网页超链抓取及自动分类技术实现

为网络环境下个性化信息服务系统实现自动建库功能,提出了一种网络蜘蛛程序的技术方案.该方案使用DELPHI集成开发环境提供的TIdhttp组件抓取网页文本,并利用正则表达式和Mshtml组件从中提取超链信息保存到指定数据库,并能对网页文本进行自动的统计分类.     

一种基于关联规则挖掘的IP定位方法

针对IP定位数据库如何及时更新IP定位数据并同时保证其定位准确率和覆盖率的问题,提出一种基于关联规则挖掘的IP定位方法(IPGEL).首先,结合traceroute网络测量数据和已有IP定位数据库中IP定位数据,获取关联规则挖掘的路由路径数据集.其次,利用国内互联网分层结构的路由特性和关联规则挖掘,在对路由路径数据集进行数据分析的基础上对数据集内的IP分类并定位,同时利用马尔可夫模型对数据集外的IP进行补充定位.最后,使用交叉对比验证和地标验证相结合的方法验证IPGEL方法的准确性.结果表明,IPGEL方法在提高IP定位准确率和覆盖率的同时有效提高了已有IP定位数据库的可信度.     

基于粗糙加权平均单依赖估计的入侵检测算法

入侵检测作为网络安全的重要方向,得到了越来越多的重视,大量传统的数据挖掘算法被尝试应用到入侵检测的数据分析领域。随着网络带宽不断提升,激增的数据量和类型繁多的协议格式使得这些传统算法在入侵检测方向的应用出现了识别精度差、运行效率不高或者参数选取困难等实际问题。该文提出一种基于粗糙集理论和贝叶斯理论的粗糙加权平均单依赖估计入侵检测算法,该方法基于粗糙集理论对网络数据进行属性约简,使用加权平均单依赖估计方法进行分类,完成对网络数据的入侵检测,算法资源消耗较低且易于实现。实验证明,该方法具有较好运行效率与准确度。     

基于改进Elman网络的动态系统测量数据检验方法

为了提高动态系统测量数据的准确性,提出了基于改进Elman网络的动态系统测量数据检验方法.采用一步前预测方法构造网络的训练样本,用带自适应学习率的动态BP算法进行网络的训练,通过训练后的网络对各测量参数进行估计,实现测量数据的在线检验.对某电厂CCS系统进行了仿真试验,结果表明该方法可避免形成简单的一一对应映射,能正确获取系统动态特性,具有较强的降噪能力,能够正确辨识出测量数据中存在的不良值,提高了系统监测的可靠性和健壮性.