基于迁移学习的电能表运行状态评估方法

针对智能电能表运行状态评估维度单一、现场状态数据不平衡的问题,构建了一种基于迁移学习的电能表运行状态评估方法。首先,通过实验仿真获取不同运行状态下的电能表运行数据、环境数据以及属性数据,采用Adaboost算法构建运行特征、环境特征、属性特征与运行状态之间的关联模型;其次,通过迁移学习将实验室建立的Adaboost评估模型进行适应性调整,以适用于评估电能表现场实际运行状态。结果表明,所提方法在智能电能表状态识别的查准率、查全率以及调和分数等指标上均具有较好的识别性能。

RBF神经网络的关口计量装置故障诊断方法研究

为解决目前关口计量装置面临的快速有效针对关口计量装置故障进行预警及计量装置故障类型判别困难两个主要问题,提出一种基于RBF神经网络的关口计量装置故障分析方法。该方法利用RBF神经网络算法对采集的电力计量二次回路数据进行目标对应训练,并利用MATLAB仿真平台进行实例测试,结果显示基于RBF神经网络诊断模型可以达到很好的预警和识别效果。该模型在关口计量装置故障诊断领域具备前沿性和应用价值,可以进一步研究和推广。

基于COMSOL Multiphysics电磁屏蔽研究

文章研究一个位于开口四边形金属外壳的点源,对其辐射能量进行分析。透明的开口金属网用来防止电磁泄漏。通过在COMSOL Multiphysics建模下对带有金属网的泄露电磁场与未带金属网的电磁场进行模拟。在实验仿真中,建立观测器位置与带金属网或未带金属网的电磁场强度模型,从而对屏蔽效能进行有效评估。