改进SSA优化BP神经网络的变压器故障诊断

变压器故障类型的准确诊断对保障电网的安全与稳定至关重要。针对BP神经网络与麻雀搜索算法(SSA)存在收敛缓慢和易陷入局部极值导致无法准确诊断的问题,提出将改进的麻雀搜索算法(ISSA)优化BP神经网络应用于变压器故障诊断。首先,引入非线性惯性权重和纵横交叉策略,从而提高算法的收敛速度和全局寻优能力;其次,将ISSA与传统SSA在收敛函数上进行对比分析,得到ISSA算法在迭代12次后以52%的准确率收敛,而SSA算法迭代23次后才达到25%的准确率,证明了ISSA在收敛速度和精度方面有明显提高;最后,将ISSA-BP、SSA-BP和BP诊断模型进行对比。实验结果表明,ISSA-BP模型准确率达到了97%,比SSA-BP、BP神经网络模型分别提高了4%和11%,可以认为提出的算法模型在变压器故障诊断领域具有更高的精度与良好的发展前景。

基于相似日聚类和VMD-LTWDBO-BiLSTM的短期光伏功率预测

针对光伏发电功率波动性、间歇性和预测精度较低问题,提出一种基于改进蜣螂优化算法(LTWDBO)对变分模态分解(VMD)中惩罚系数和分解层数参数以及双向长短期记忆网络(BiLSTM)中关键性参数进行寻优的组合光伏发电功率预测模型。首先,采用斯皮尔曼相关系数选取主要因素作为K-means++相似日聚类的输入,将历史数据划分为不同天气的相似日样本;其次,将不同天气下的强相关性特征和光伏发电功率数据进行VMD分解,并对各子分量构建LTWDBO-BiLSTM预测模型;最后将预测值进行叠加重构得到最终预测结果。仿真结果表明,所提VMD-LTWDBO-BiLSTM组合模型相较于其它几组模型,在不同天气下的平均绝对误差均显著降低,验证了其在不同天气条件下仍具有较好的精度和鲁棒性。

基于EBWO-SVM的变压器故障诊断研究

针对SVM在变压器故障诊断中存在诊断精度不高和BWO算法存在易陷入局部最优的问题,提出一种基于EBWO-SVM的变压器故障诊断方法。首先通过引入准反向学习策略和旋风式觅食策略对BWO算法进行改进,然后将EBWO算法与粒子群优化算法、灰狼优化算法、鲸鱼优化算法、白鲸优化算法在6种测试函数上进行寻优测试,验证了EBWO算法的优越性。其次利用EBWO算法对SVM中的核函数参数g和C进行优化,从而提高SVM的分类能力。最后提出其他方法与EBWO-SVM模型进行对比。结果表示:所构建的EBWO-SVM变压器故障诊断模型与BWO-SVM、WOA-SVM、GWO-SVM、PSO-SVM相比,综合诊断精度分别提高了7.7%、9.7%、11.6%、15.4%,且稳定性更强,验证了EBWO-SVM模型的可行性与有效性。

基于SSA-VMD-INGO-RF的短期风电功率预测

为解决风电功率输出的不确定性、弱化电网波动以及电网的提质增效等问题,提出一种基于变分模态分解(VMD)、Piecewise混沌映射、北方苍鹰优化(NGO)算法和随机森林(RF)的组合模型。该模型采用麻雀搜索算法(SSA)对VMD核心参数(K值和惩罚系数α)进行寻优,通过SSA-VMD将原始功率序列分解为多个有限带宽的特征模态分量,以降低原始数据的复杂度和非平稳性对预测精度的影响;然后,构建模态分量并在改进的北方苍鹰算法优化随机森林中进行预测;最后,将各分量预测结果叠加,得到最终预测值。以内蒙古某风电场的实测数据为研究对象,将所提组合模型与另外6种模型进行比较。结果表明,所设计模型预测结果平均绝对百分比误差(MAPE)为1.734%,均方根误差为0.068 MW,R^(2)为0.992,证明了该模型的有效性。

EPC模式下水利工程监理的实践探索

EPC建设模式在水利工程建设领域的应用近年已呈上升势头,但尚未形成规模效应,模式也不够成熟。为了使监理工作与EPC模式相适应,分析EPC模式的优点和现阶段的局限,以宁波市海曙区风棚碶泵闸工程监理实践为例,通过强化内控、提高服务水平,转变工作重心,全方位服务等措施取得了很好的项目监理工作成效。结果表明,强化事前布控、突出组织协调功能,完善法规制度体系,调整监理取费标准,加快监理队伍综合素质建设等,可以完善与EPC模式相适应的监理工作。

一种改进YOLOv5模型的PCB板缺陷检测方法

针对传统PCB板检测方法中检测效率不高,检测精度较低等缺点,提出了一种改进YOLOv5模型的PCB板缺陷检测方法。为提升小目标缺陷检测精度,构建了基于BiFPN的网络连接方式,更加充分地利用了不同尺度的特征信息;为了更好地捕捉目标缺陷的位置,引入了Coordinate Attention注意力机制,使模型的定位和目标捕捉更加精准。实验结果表明,较原始的YOLOv5模型,所提出的针对PCB板表面缺陷检测方法的均值平均精度提高了3.2%。

基于改进AP聚类与优化GRNN的非侵入式负荷分解研究

泛在电力物联网的提出推动了智慧用电、负荷监测等技术的大力发展,为解决传统非侵入式负荷监测与分解方法耗时长、辨识精度低等问题,提出了一种通过半监督学习聚类数据建立特征集并结合果蝇优化广义回归神经网络模型的负荷分解方法。首先,该方法利用输入的设备有功功率和电流数据采取半监督学习优化相似矩阵,以近邻传播聚类算法为基础挖掘出用电设备的运行状态特性及功率信息,再使用数字编码方式将设备运行状态表示为分类标签;然后,输入总有功功率、无功功率以及电流的时间序列数据和对应序列的分类标签矩阵,利用果蝇优化算法的寻优能力求得广义回归神经网络模型的最优Spread值完成模型优化和训练;随后,输入测试时间序列数据,得到分类矩阵即各设备运行状态,并利用设备运行状态对应的功率信息进行总有功功率重构拟合,完成负荷分解。经仿真对比,该方法对所有用电设备运行状态辨识准确率达到86%左右,对单个用电设备运行状态辨识准确率达到96%左右,且耗时较短,显著提高了对负荷特性信息的挖掘能力和分解辨识能力。

构造故障诊断专家系统的新方法

以20000kN快锻液压机液压系统故障诊断专家系统的实现为例,论述了构造故障诊断专家系统的新方法。方法新在专家系统建造的软件环境,知识库和推理机的构造与传统方法背离,以及该专家诊断系统的优良特性。

基于KM-LSTM-AE方法的非侵入式工业负荷辨识

针对非侵入式负荷监测(NILM)具有静态建模的局限性和辨识精度低等问题,构建了长短时记忆网络(LSTM)自动编码器,并搭载K-means聚类进行数据清洗,提出了一种KM-LSTM-AE方法,针对NILM在工业领域的空白,选用某工厂的真实能耗数据作为KM-LSTM-AE的测试数据集,实验结果表明KM-LSTM-AE方法的辨识精确率较高,且耗时较短。

基于改进蚁群算法的分布式多机器人协同路径规划

针对多机器人协同路径规划问题,提出了一种基于改进蚁群算法的分布式多机器人协同的路径规划方法,将多机器人路径规划问题分为两个阶段解决.在路径规划阶段改进传统的蚁群算法,通过几何法对蚁群算法的初始信息素进行差异化设计,改变初始信息素分布方式,加快蚁群算法收敛速度;设计了一种以起始点和目标点为导向的启发式函数,解决了蚁群在寻优过程中迂回锁死的情况;改进信息素更新方式加快后期信息素积累过程,提高整个算法路径规划的收敛速度.在协同避碰阶段,设计协同避碰规则解决各机器人之间的相互碰撞,以找到较优或者最优的路径组合.仿真结果表明:所改进的蚁群算法在解决单机器人路径规划问题时的优越性和所提多机器人路径规划方法的可行性、有效性.

基于VMD样本熵与随机森林的非侵入式设备状态检测方法

非侵入式负荷监测可以保护用户隐私并对用电情况做出细分,为了提高设备状态检测辨识精度,提出一种基于变分模态分解样本熵特征数据集结合随机森林分类的非侵入式负荷状态检测方法。采用变分模态分解算法利用其良好的抗噪性、鲁棒性对暂态特征进行提取;计算模态样本熵,将处理后的数据集作为决策树、支持向量机和随机森林等算法的输入进行负荷状态辨识。实验分析表明,随机森林的强分类性使得负荷辨识结果较好,且拟合效果优秀,成功结合了所提算法并解决了单设备运行和多设备运行时的非侵入式设备状态的检测问题。

《C语言程序设计》课程教学改革探索

针对学生普遍反映的C语言课程枯燥无味、授课内容单调,部分教师发现学生结课后编程能力弱,无法将所学知识应用于工作领域。结合实际情况,对教学内容与教材做了改革。经实践证明,教学改革极大提高了学生的学习热情,且可以将所学知识应用到相关专业领域,教改初步取得了良好的成果。

基于聚类特征及seq2seq深度CNN的家电负荷识别方法研究

非侵入式负荷分解技术能够挖掘用户内部信息获取各用电设备负荷信息,使智能电网更加贴近日常生活,为泛在电力物联网感知层建立提供有效数据。为解决传统非侵入式负荷分解方法输入数据复杂,考虑因素较多,采样硬件要求高以及辨识准确率较低等问题,文章首先利用改进迭代K均值聚类提取用电设备运行状态建立负荷特征集,之后将特征集输入构造的序列到序列的一维深层卷积神经网络模型以及序列到序列的单、双向长短时记忆网络等模型中进行负荷分解挖掘各设备运行状态。最后通过REFITPowerData数据集进行验证,一维深层卷积神经网络模型虽然耗时较大但负荷识别准确率达到93%以上,表明基于特征数据集及序列到序列的一维深层卷积神经网络非侵入式负荷分解方法与其他深度学习模型方法、人工神经网络方法相比表现出更显著的信息提取能力以及辨识能力。

网络控制系统时延解决方案的研究

网络系统中存在着延时、丢包等问题,在传统的控制系统中引入网络作为信号传输媒介后,会降低系统的控制性能,甚至造成系统的不稳定。传统的控制方法对于网络控制系统已经不再适用,因此采用预测控制的算法对网络系统的时延问题进行了深入研究。通过Matlab仿真,结果显示网络预测控制能够在不稳定时延的网络环境中保证良好的控制输出。针对网络时延的预测控制的数学实现方法进行了详细介绍,对广大工程应用能够起到积极的引导作用。

工程监理专业如何适应行业发展的需要

简述了工程监理行业的发展现状和工程监理专业进展情况,得出了工程监理专业发展跟不上行业发展步伐的结论,并分析了这种现象产生的几种原因,然后提出了工程监理专业的改革措施,为工程监理专业适应行业发展需要提供了参考。

关于《水利工程施工》课程教学的几点思考

针对专业课程的教学现状,提出了关于《水利工程施工》课程教学改革的几点建议。

培养应用型人才的C语言教材改革探索

C语言是一门通用计算机编程语言,应用极其广泛,对训练学生的抽象思维能力和实际问题解决的能力具有重要作用。教师通过长期的教学研究得出,常规的C语言教材无法让学生将所学知识与实际应用结合起来。现有C语言教材年代久远,教材中很多案例不能与现代IT互联网产业与时俱进,在大力推广教学改革的背景下,C语言教材也应做出改革以适应新时代环境。本文介绍了基于项目化教学的"C语言程序设计"教材改革的教学目标和具体实施方案,并结合实际工程实例,阐述如何实施培养应用型人才的C语言教材改革。

工程造价的影响因素及其控制

浅析了工程结算造价的组成,详细论述了工程结算造价的几个影响因素,并提出了相关控制措施,澄清了人们对工程造价控制的一些错误认识。

浅议如何提高结构优化设计的效率

介绍结构优化设计的一般过程,指出了影响结构优化设计效率的主要因素,并有针对性地提出了改进措施,从而提高结构优化设计的效率。

水利工程项目施工管理的重难点及策略分析

水利工程是关系到国计民生的基础性工程,其施工质量不仅关系着企业本身的经济效益,还会产生比较广泛的社会影响。现阶段,我国社会主义市场经济制度正不断完善,社会各行各业的竞争日益激烈,水利工程的施工企业要想获得长久发展,就必须加强施工管理,将施工质量放在首位。为此,本文首先水利工程项目施工管理的现状,对管理中的重点和难点问题进行了简单概括,然后结合自身的工作经验,总结出了几点解决重难点问题的策略,希望能为大家提供参考意见。