基于BP神经网络和模糊逻辑的绝缘子污秽等级预测

针对复杂地理环境下的绝缘子污闪问题,提出一种基于BP人工神经网络和模糊逻辑补偿的绝缘子污秽等级预测新方法.该方法首先利用BP神经网络预测在温度、湿度、降雨量、风速等基本因素下绝缘子的污秽等级,然后充分考虑与复杂地理位置相关的海拔高度、气压比、覆冰水电导率等因素对绝缘子污秽度的影响,采用模糊逻辑补偿的方法进行校正.算例结果表明方法的正确性和有效性.     

关于线路绝缘子污秽程度判定方法的研究

本文主要根据输电系统中绝缘子污秽处理的局限性,提出了绝缘子污秽程度判定方法,包括应用高压输电线路绝缘子污秽在线监测系统来预测绝缘子污闪的新思路和提出了基于污秽物在微波波段的辐射特性差异来检测绝缘子绝缘状况的方法。     

基于等值附盐密度的绝缘子污秽等级判定系统

随着工业和经济的快速发展,环境污染日益严重,高压架空线路所处地区的污秽等级不断升高,绝缘子表面积污加快,从而导致高压架空线路污闪事故增多。为了用等值盐密(ESDD)来确定线路的污秽等级,正确划分各地区的污秽区。用Java技术与Oracle数据库技术,建立了基于等值附盐密度的绝缘子污秽等级判定系统,以提高数据精度,减少误差,去除人为判断因素的干扰,提高盐密测量的工作效率,为电力系统的绝缘子防污清扫工作提供自动化的数据管理与分析。     

用局部表面电导率法研究绝缘子的积污规律

研究绝缘子的积污规律对合理确定清扫时机 ,并保证绝缘子的安全运行有重要意义。用局部表面电导率法研究了不同类型绝缘子的积污状况随时间的变化规律以及积污在绝缘子表面的分布状况。测量结果表明 ,雨水的自清洗作用对积污状况有显著影响 ,说明了局部表面电导率法是检测绝缘子污秽度及研究积污规律的一种有效措施和实用方法     

基于全卷积神经网络的绝缘设备紫外图像评估算法研究

针对绝缘子表面沉积污秽容易导致闪络的问题,文中分析了全卷积神经网络(fully convolutional networks,FCN)的典型结构和训练方法,提出了基于全卷积神经网络的绝缘子紫外图像污秽度评估方法.该方法首先采用全卷积神经网络进行绝缘子放电紫外图像光斑分割提取,然后将分割的紫外光斑图像作为卷积神经网络(convolutional neural networks,CNN)的输入,实现绝缘子污秽度的评估.仿真算例的计算结果表明,FCN-16s模型融合浅层细节特征适中,应用于绝缘子放电紫外图像光斑分割的效果更优;验证了文中所提FCN-CNN算法能够实现绝缘子污秽度的评估,具有更高的准确度,为输变电系统的智能化运维提供了参考.     

基于图像色彩特征融合的绝缘子污秽等级检测

针对绝缘子污秽状态非接触检测问题,提出基于可见光图像RGB(red green blue)和HSI(hue saturation intensity)空间信息特征级融合的污秽等级检测方法.利用最佳熵阈值分割法(OET)提取绝缘子盘面区域,分别在RGB和HSI色彩空间进行特征计算,根据Fisher准则进行特征选择,得到可以有效表征污秽状态的特征量,利用核主元分析(KPCA)对两个色彩空间特征的组合进行降维融合,得到三维融合特征向量,结合概率神经网络(PNN)实现污秽等级识别.实验分析表明,基于核主元分析的图像信息特征级融合能够全面地反映绝缘子污秽状态,与单独利用RGB或HSI特征进行识别相比,其准确率有显著提高,可以实现绝缘子污秽等级的有效识别,为绝缘子污闪防治提供了新的方法.     

低气压条件下绝缘子污闪特性的研究

污秽绝缘子的闪络电压Ｕ和大气压力户之间的关系为Ｕ＝Ｕ。（Ｐ／ｐ０）ｎ，Ｕ０是该污秽绝缘子在标准大气压户。下的闪络电压。作者用固体污层人工污秽试验方法研究了不同形状绝缘子在不同污秽度下以及在不同大气压力下的污闪电压，并研究了在交流和直流电压分别作用下的污闪电压差别。试验结果表明，上述公式中的指数ｎ在交流电压下的数值大于直流电压。对于形状简单的绝缘子ｎ值不受污秽程度影响，对于形状复杂的绝缘子ｎ值受污秽程度的影响。ｎ值变化的原因在于绝缘子伞裙间的电弧桥络现象。     

变电站绝缘子污秽在线监测系统的设计

采用长期实时监测运行中绝缘子污秽泄漏电流的方法来监测变电站绝缘子的污秽程度。所开发的泄漏电流传感器频带宽度为 1 50 k Hz,且在 1 0 0～ 5× 1 0 5μA范围内具有足够的线性度 ;基于工控机的高速数据采集和处理系统能够适应泄漏电流的大范围内变化 ,实时监测绝缘子污秽程度 ,当绝缘子污秽过度时能够及时报警 ,从而可以减小变电污闪的几率 ,提高供电系统的可靠性     

GIS盆式绝缘子表面污秽模态分析检测方法研究

为探究气体绝缘金属封闭开关设备(GIS)盆式绝缘子振动模态与表面污秽状况之间的关联关系,采用模态分析方法对盆式绝缘子表面污秽状况进行了检测分析。通过三维有限元软件进行了数值仿真,研究了污秽质量、面积、位置、材料特性对盆式绝缘子模态特性的影响,并在220kV GIS模型上进行盆式绝缘子的模态试验,对其表面污秽状况检测技术进行了相关研究。研究结果表明:污秽质量是影响盆式绝缘子模态特性的关键因素,污秽面积、位置、材料特性对其模态特性的影响较小;当盆式绝缘子表面污秽质量增加时,相关系数会明显减小,在2 000～3 000Hz信号频段,污秽累加值显著增加,2 000～4 000 Hz信号频段内污秽指数明显增大。本文的研究结果为GIS盆式绝缘子表面污秽状况的带电检测提供了一种可现场实施的方法。     

带电水蒸气冲洗污秽绝缘子时的交流闪络特性研究

针对带电水蒸气清洗绝缘子污秽进行了试验研究,绘制了3种不同绝缘子随盐密变化的平均闪络电压、闪络电压梯度曲线和不同清洗方式下的闪络电压曲面,并进行了带电水蒸气冲洗污秽绝缘子时闪络电压的拟合计算和影响因素分析.结果表明:在相同盐密下,FXBW4-35型绝缘子时的闪络电压和闪络梯度最高,XP-70型绝缘子次之,FC-70型绝缘子最低;幂函数可拟合带电水蒸气清洗污秽绝缘子时的闪络电压,但非最优拟合函数;采用自下而上清洗方式闪络电压最高;绝缘子污秽盐密低于4×10~(-4)g/cm~2无过电压出现情况下,带电水蒸气清洗可保证系统安全.     

甘蔗收获机剥叶性能评价中权重确定的BP网络方法

为了解决甘蔗收获机械剥叶性能评价中权重确定的关键问题,构建了三层前馈BP神经网络,并采用正交试验数据构造训练样本,以提高训练速度及精度．在此基础上通过运用经训练后的BP神经网络的各连接权值,确定了反映各目标因素对评价指标影响程度的权重值．运用BP神经网络方法可确保经确定的权重能如实地及映出各目标因素对评价指标的重要程度．     

BP神经网络在清洁机器人路径规划中的应用

为了解决清洁机器人完全覆盖路径规划中最大覆盖率和最小重复率的要求,在清洁机器人犁田式全局路径规划算法的基础上,提出了BP神经网络方法作为清洁机器人的局部路径规划.运用基于深度优先遍历的改进型BP神经网络算法.解决清洁机器人的清扫死区问题.仿真的结果表明所提出的BP神经网络方法和改进型BP神经网络算法能够解决清洁机器人在家庭内的完全覆盖路径规划问题.     

西安市空气污染指数的神经网络预测模型

将BP神经网络模型引入到大气污染预测预报领域,利用西安市2005-2010年逐日空气污染指数,建立了一个空气污染指数的非线性时间序列神经网络模型.实验结果表明:独立样本的日空气污染指数的预测值的平均相对误差分别为27.4%,23.2%,12.2%,25.7%,独立样本的日空气污染指数的预测值与真实值的线性相关系数高.该...     

人工神经网络在苏州空气污染预报中的应用

人工神经网络在预测预报领域的应用越来越广泛。简单介绍了BP神经网络的基本原理,较详细地回顾了国内BP神经网络在空气污染预报领域的研究应用情况,并建立了苏州市区SO2浓度预报的BP神经网络,预报结果表明:该模型具有简便、快速、准确的优点,可推广用于其它空气污染物的预报。     

鱼群算法与神经网络结合的节能减排效果评价

从污染物减排率、单位工业增加值减排量、治理工业污染投资总额、GDP相关指标、能耗下降率5个方面建立节能减排效果评价指标体系,分析BP神经网络与鱼群算法结合的可行性,探讨鱼群算法优化神经网络的步骤。最后对7个地区2006~2009年节能减排效果评价指标,在专家打分测评的基础上,运用神经网络及鱼群算法优化神经网络方法进行节能减排效果评价。研究结果表明:在收敛过程中,运用神经网络所得实际输出值与专家评分的误差长时间停留在0.7左右,而运用鱼群算法优化神经网络方法能够以较大的斜率快速收敛到期望误差;在误差为0.001时,前者经过202次训练后能够达到目标,而后者只需要75次训练就能达到目标,这表明鱼群算法优化神经网络具有准确、快捷、简易等优点,此方法用于节能减排效果评价行之有效。     

基于多BP神经网络与D-S融合的车型识别研究

为了提高BP神经网络对车型的识别率,克服单个BP神经网络所存在的网络结构和训练样本数量之间的矛盾,针对大量训练样本采取多个BP神经网络进行训练,进而采用训练好的多个网络进行车型识别. 利用D-S理论将各个BP网络的识别结果进行数据融合以改善最终的车型识别结果. 实验结果表明:随着训练样本数量的增加,多BP网络数据融合方法比单BP神经网络有更高的识别率.     

基于小波神经网络的空气污染指数预报

针对空气污染指数时间序列的非线性及多分辨率特性,提出了一种空气污染指数的小波神经网络预报模型。利用小波对原始的空气污染指数序列进行多尺度分解,以各尺度上的小波单支重构序列和重要的气象因子作为输入,使用该模型对兰州地区的空气污染指数进行了预测。仿真结果表明,与传统的BP神经网络相比,该模型具有更高的预测精度、更快的收敛...     

一种改进的BP人工神经网络模型

针对人工神经网络 BP 模型在实际应用中会遇到一些问题。该文指出了 BP 神经网络模型结构和算法的一些不足,并针对 BP网络模型算法存在的局部极小问题、BP 网络学习速度较慢以及 BP 模型网络结构训练过度和降低网络归纳能力等问题提出了引入规则、选择激发函数和转换函数、采用隐含神经元以及改变网络拓扑结构等一些改进措施,对于提高 BP 模型在实际应用中的效果具有重要意义。通过实际应用,证明了改进后的算法是行之有效的。