基于组合模量S变换能量熵的配电网故障选线方法

针对目前含逆变型分布式电源配电网故障选线方法无法在各种故障类型下准确选线的问题,提出一种利用组合模量特征结合S变换算法和信息熵理论的有源配电网故障选线方法。提取配电网各出线端的电流信号,通过组合模量行波电流变换以消除在不同故障类型下故障特征失效的情况;将组合模量行波电流进行S变换以提取故障信号处的幅值和相角信息,结合信息熵理论通过故障信号最大幅值处的短窗数据在多频段下求取各条出线的多尺度能量熵;通过故障线路与非故障线路之间能量熵差值的实例分析,选取差值最大的频段作为求解能量熵的固定频段以减少运算量;以各条出线固定频段下的熵值大小作为判据来定位故障线路。数值仿真结果表明,该方法对各种故障类型均能准确地选出故障线路,且不受故障初始角、故障距离以及过渡电阻的影响,特别是在高阻情况下仍然能够实现准确、高效的故障选线。     

全频带小波能量相对熵的小电流接地系统故障选线

为了提高小电流接地系统中故障选线方法的精度和鲁棒性,在详细分析系统暂态零序网络故障特征后,提出基于全频带小波能量相对熵的小电流接地系统故障选线方法.利用小波变换技术对信号特征的放大作用以及小波相对熵对信号细微差别的超强辨识能力,首先对各条线路故障后零序电流的一个周波采样数据进行小波多尺度分解,并对分解后的小波系数进行单支重构;然后利用单支重构后的系数计算各条线路在各个频带下的小波能量权重系数,构造出各条线路的全频带小波能量相对熵矩阵;最后比较小波能量综合相对熵值的大小进行故障线路选择.在仿真模型中随机设置不同的故障位置、故障角、过渡电阻、电弧接地等参数,仿真选线正确率达到100%.理论分析和大量的仿真结果表明,该故障选线方法具有很强的适应性,能够在各种情况下实现正确选线.     

一种混合双端直流输电线路暂态保护方案

为保证混合双端型高压直流输电系统安全运行,论文分析了混合双端直流输电线路两端边界元件的幅频特性。根据区内外故障下线路暂态电压瞬时能量差值的不同特征,利用改进局部均值分解方法（local mean decomposition,LMD）来提取故障分量,论文提出了一种基于改进型LMD分解的直流线路暂态保护方法。该方法有效降低了经典LMD分解在处理直流故障信号时的端点效应和滑动误差对仿真数据的影响。最后利用PSCAD仿真软件搭建了LCC-MMC混合双端型高压直流输电线路仿真模型,利用该仿真模型输出直流输电线路区内和区外故障仿真结果。并利用Matlab对故障数据进行处理,进行了算法仿真。仿真结果表明暂态电压信号的瞬时能量值在区内故障状态下明显高于区外故障和无故障状态。仿真结果验证了所提保护方法的正确性。该方法能够快速可靠的实现故障判别,具有较强的实用性。     

基于故障敏感分量和改进K近邻分类器的故障状态识别

针对故障状态下的滚动轴承振动信号非线性非平稳性强、噪声干扰大导致的故障敏感特征提取难的问题,在对轴承振动信号进行局域均值分解（local mean decomposition,LMD）的基础上,提出了一种基于故障敏感分量的特征提取与改进K近邻分类器（K-nearest neighbor classifier,KNNC）的故障状态辨识方法。该方法采用相关系数法对LMD分解出的振动分量进行故障敏感性的量化表征,然后对筛选出的信号分量进行时域/频域的特征提取,构建不同故障状态下的特征样本集。为加快故障状态识别速度,排除不良样本的影响,提出一种基于二分K均值聚类的改进KNNC算法,精简了大容量的训练样本,有效去除不良特征样本和干扰点。实验结果表明,以敏感分量特征作为输入的改进KNNC算法能够快速准确地识别轴承不同故障状态。     

基于LMD和SSA-SVM的电机故障诊断

针对电机故障诊断问题,尤其电机轴承方面的诊断,提出了LMD分解和麻雀搜索优化算法（SSA）优化支持向量机（SVM）的故障诊断方法。第一步采取小波降噪和LMD算法相结合去处理原始信号,经过小波降噪后的原始故障信号会去掉一部分的干扰,再分解得到原始信号的一系列PF分量,接着使用相关性分析法选择出有效的PF分量进行信号重构,重构后的故障信号再次经过LMD分解得到的PF分量求出各自的能量熵,直接用能量图展现出来。接着将各个PF分量的能量熵组成一组组特征向量输入到支持向量机的故障诊断模型里。利用麻雀搜索算法在支持向量机（SVM）对于电机故障的分类的模型上进行惩罚参数和核参数的挑选和模拟,选择最合适的参数组合建立SSA-SVM故障诊断模型进行仿真实验,通过仿真实验验证该方法的故障诊断准确率高达99.2％,与PSO-SVM和SVM故障诊断模型进行比较分析,实验证明提出来的方案有着更适合的故障识别能力,对电机故障诊断有着很好的适应性和发展性。     

基于DOST能量相对熵的配网单相接地故障选线方法

针对小电流接地故障中,不同类型配电线路故障特征频带能量分布不一致的情况,提出一种基于离散正交S变换与能量相对熵的故障选线方法。首先提取各线路故障后首半个工频周波的暂态零序电流,利用离散正交S变换计算暂态零序电流各频带的变换系数及各频带暂态能量,结合能量相对熵对两个波形细微区别的识别能力,分别获取各线路在不同频带的能量相对熵,并综合得到每条线路的综合能量相对熵,据此熵值大小进行故障选线。Matlab仿真表明该方法不受接地电阻、故障初始角、故障距离等条件的影响,在间歇性电弧故障时仍然可准确实现线-缆混合线路单相接地故障选线。     

VP型宽频带倾斜仪故障信号的BBA-SOM智能诊断

针对现有VP型倾斜仪故障诊断主要依靠人工经验和诊断流程较为复杂的问题,提出以互补集合经验模态分解(complete ensemble empirical mode decomposition, CEEMD)多尺度近似熵和二进制蝙蝠算法(binary bat algorithm, BBA)优化SOM神经网络参数的VP型倾斜仪故障诊断新方。首先,将归一化后的仪器故障信号进行CEEMD分解,对6阶本征模态函数(intrinsic mode function, IMF)求取多尺度近似熵值;然后将网络输入法按比例分为训练集和测试集,以训练集的识别率为适应度函数,应用二进制蝙蝠算法(binary bat algorithm, BBA)优化SOM神经网络的竞争层维数和网络训练次数;最后应用上述得到的BBA-SOM网络模型对倾斜仪故障特征数据进行辨识。实验表明：CEEMD多尺度近似熵判据对倾斜仪故障特征的区分效果符合预期;相对于朴素贝叶斯、AdaBoost集成学习与LDA等学习模型,BBA-SOM模型可以准确进行故障诊断;该方法对实现VP型倾斜仪故障的自动诊断有重要现实意义。     

多频带分析的配电网单相接地故障选线

针对多年来一直未得到根本解决的配电网单相接地故障选线问题, 在分析故障选线现状和基于小波包选线方法的基础上,提出了多频带分析的选线方法.根据各线路暂态零序电流信号小波包分解的能量分布情况,提出对各线路选择能量集中的特征频带或组合特征频带;并根据故障线路和非故障线路暂态零序电流大小关系原理,比较各条线路特征频带或组合特征频带的暂态零序电流的能量以确定故障线路.现场数据和大量的Matlab仿真试验结果表明:该选线方法可以准确、可靠地实现配电网单相故障的选线.     

基于互补集合经验模态分解-模糊熵-深度信念网络的短期风速预测

针对原始风速序列具有非线性、非平稳性和不可控性的问题,提出基于互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)-模糊熵(fuzzy entropy,FE)-深度信念网络(deep belief network,DBN)的短期风速预测模型。首先,利用CEEMD方法将原始风速序列分解为一系列不同尺度的本征模态分量(IMF)以降低其非平稳性;其次,利用模糊熵方法将多个IMF分量进行重组以避免分量数目过多给预测精度造成的影响;最后,利用深度信念网络其强大的深度特征提取能力和非线性映射学习能力的优点,分别对新的分量进行预测和叠加获得最终预测值。实验表明,较BP神经网络模型和DBN模型,组合模型提高了预测精度,具有可行性和有效性。     

基于CEEMDAN能量熵的故障特征提取方法

作为武器装备的重要组成部分,复杂机械设备发生故障会严重影响其性能,如何将故障特征有效提取出来尤为重要。针对复杂机械设备振动信号非平稳非线性的特点,本文提出利用自适应噪声集合经验模态分解（CEEMDAN）结合能量熵的方法提取信号故障特征,并以某型装备柴油机为例进行验证。通过构建多分量调制信号,分析比较了EMD、EEMD、CEEMD以及CEEMDAN四种算法的分解效果。利用CEEMDAN对振动信号进行分解,提取相关性较大的IMF分量的能量熵作为特征向量,输入到支持向量机中进行模式分类。研究表明,CEEMDAN能够一定程度上抑制了模态混叠问题,对于不同类型的故障能够有效的识别。     

模拟网络在线分块诊断新方法

提出了一种多端口网络的分块诊断新方法,这种方法是先将网络分成子网络,而后再诊断有故障的子网络此方法简便,不需复杂的运算,是一种较为适用的诊断方法．     

图实现的成对分解方法

在Ｍａｙｅｄａ 的由矩阵实现为图的方法中,当存在多个Ｈ 子矩阵时形成一对Ｍ 子矩阵较困难,对此,该文研究了连通块的连接性质,提出了利用连通块的邻接概念对Ｈ 子矩阵进行分类判断,解决了在各种情况下一对 Ｍ 子矩阵的形成问题。该文又提出了图实现的成对分解法,它不但具有Ｍａｙｅｄａ 方法的优点,而且适用性和实用性更强,简便有效。     

基于连通性指标的网络分解方法

为减少由网络分解造成的网络分析精度损失,基于系统科学中节点删除的方法,提出一种度量节点间连通性影响的指标——相对连通系数.以该指标为依据,应用主成分分析方法提取与目标相关的节点来生成子网的方式建立了新的网络分解方法,在解空间损失较小的情况下降低了网络分析的计算复杂性.求解最短路径的试验表明:该方法可有效控制网络分解造成的精度损失;网络规模压缩至原有的20.12%,而最大误差为13.85%;计算时间由秒级降至百毫秒级.     

计算机网络数据通信大整数分解加密算法应用研究

简单介绍网络通信系统,密码技术及分类,重点讨论大整数分解加密算法原理、流程、密钥产生步骤、计算方法及算法的安全性。     

基于空间域分解的交通网络仿真并行化方法

为了提高交通网络微观仿真的速度,节省仿真运算时间,将并行计算技术应用于微观交通仿真中,建立了交通网络并行仿真模型并在工作站集群上实现.模型中采用了基于空间域分解的并行方法,该方法可以将不同地理位置的交通子网分配到集群中的每台结点机进行仿真运算.通过在5个不同规模路网上的并行仿真实验,对提出的交通并行仿真模型进行了测试.实验结果表明,该并行仿真模型可大大减少交通网络仿真计算时间,与单机仿真相比,并行仿真平均可节省62.9%的运行时间.同时由于随着结点机数量的增加,并行仿真中的通信开销也会相应增加,因此对于特定的交通网络方案及仿真逻辑,存在最优的结点机数量使得仿真运算时间最少.     

相关性及候选K故障诊断的新方法

本文通过全体支路Ｚ参数矩阵正交投影，研究了诊断子矩阵整体相关结构，给出了用反投影法确定候选ｋ元件故障的新方法，大大减少了计算工作量．     

测井约束多尺度储层厚度反演

在多尺度小波分解理论的基础上,提出利用速度剖面和测井曲线的多尺度小波分解结果,在测井约束下分别确定砂体的位置、几何形态,计算薄砂体的视累计厚度和含油气砂体的视累计厚度;并将各尺度下计算的视累计厚度作为人工神经网络的输入,反演得到最终精确的薄砂体的累计厚度和含油气砂体的累计厚度。经三维地震资料连片处理证实：该方法稳定可靠,确定的砂体位置准确,反演结果具有较高的精度     

Complex networks theory for analyzing metabolic networks

The completion of the Human Genome Project started the post-genomic era. The hot topic of biologi- cal research is now shifting from the study of single genes or proteins to whole genome analyses. All kinds of “omics” technologies such as genomics, tran…     

长江防洪系统网络分析分解协调优化调度研究

针对复杂的长江防洪系统优化调度问题,将大系统分解协调原理和网络分析方法相结合,提出了长江防洪系统网络分析分解协调优化调度方法,并运用１９３１年、１９３５年和１９５４的资料进行模仿真验证,计算结果表明：程序运算时间明显减少,更利于实时调度;通过不同方法比较分析,提出的方法在精度方面有所提高,适一处理三峡水库的分级调度问题。     

极小最小二乘问题在神经网络中的应用

为了解决在神经网络的前馈算法中矩阵的极小最小二乘的失效问题,在Matlab和C 的平台上研究并比较了奇异值分解(SVD)、超松弛迭代(SSOR)和共轭梯度法(CG)几种算法在解上千阶矩阵最小二乘问题的优劣。SSOR算法在百阶的条件下,具有实用性;CG算法和SVD算法在千阶的条件下,可以取得比较好的收敛速度和比较高的精度。这两种算法还可以继续完善。CG算法可加预处理方法使其更加稳定,收敛更快。该文研究表明SVD和CG算法可以有效的解决经典算法如QR算法在大中规模矩阵条件下,解最小二乘问题失效的问题。