改进快速群搜索算法在配电网无功优化中的应用

针对如何快速求解配电网无功优化模型的最优优化策略问题,提出一种经改进的快速种群搜索优化算法,克服传统群搜索算法全局搜索性能差、无法及时跳出局部最优解的不足。当算法停滞时,在粒子种群中引入新的游荡个体,适当加大游荡者数目,简化由n维搜索空间内的个体位置极坐标向笛卡尔坐标转换的过程。为使种群搜索行为更有效,在发现者及游荡者的搜索过程中增添搜寻目标循环平移因子,并引入遗传算法,防止算法陷入局部最优。对IEEE30节点电力系统进行建模仿真,结果表明该算法具有运算时间短、搜索能力强、收敛速度快的优点,优化后的系统各节点电压更趋合理,提升了配电网的电压水平。

基于小波包和RBF神经网络的瓦斯传感器故障诊断

针对瓦斯传感器故障诊断速度慢、诊断精度不高的问题,以常见的冲击型、漂移型、偏置型和周期型传感器输出故障为研究对象,提出了一种基于减聚类(SCM)与粒子群(PSO)算法优化的RBF神经网络进行模式分类与辨识的瓦斯传感器故障诊断方法。首先,利用三层小波包分解得到各个节点的分解系数,采用一定的削减算法使故障的瞬态信号特征得到加强,获取最优的特征能量谱。再利用SCM-PSO算法优化RBF神经网络,使粒子的搜索速度更快,更有利于发现全局最优解。最后通过实验对比分析,该方法具有训练速度快、分类精度高的特点,辨识正确率在95%以上,能够显著提高故障诊断的速度和准确性。

基于信息融合技术的电机故障诊断

为了能够从多方面反映电机系统状态,实现对电机故障模式的自动识别与准确诊断,将数据融合技术与神经网络相结合,建立电机故障诊断系统。在数据融合级上,将故障特征量进行分类处理,然后采用多层神经网络进行故障特征级融合与电机故障的局部诊断,获得彼此独立的证据,再运用D-S(DempserShafer)证据理论融合算法对各证据进行融合,最终实现对电机故障的准确诊断。诊断测试试验证明,该诊断系统提高了电机故障诊断的精度,并能满足诊断的实时性要求。

基于邻域粗糙集与支持向量极端学习机的瓦斯传感器故障诊断

针对于瓦斯传感器故障诊断速度慢、诊断精度不高的问题,以常见的冲击型、漂移型、偏置型和周期型传感器输出故障作为研究对象,提出一种基于邻域粗糙集(NRS)和支持向量极端学习机(SVM-ELM)的故障诊断方法。首先对瓦斯传感器的特征属性值进行归一化处理,然后利用NRS信息约简理论降低属性维度,提取出影响瓦斯传感器的关键属性构成约简集。将约简集作为SVM-ELM的输入进行训练,利用训练好的SVM-ELM对测试样本进行模式识别。最后通过实验对比验证该方法具有训练速度快、分类精度高的特点,辨识正确率在95%以上,能够显著提高故障诊断的速度和准确性。

基于ACC优化Elman神经网络的谐波检测方案

有源电力滤波器补偿性能与所采用的谐波检测方法有很大的依赖关系,针对现有的检测方法存在精度不高、对电网频率变化比较敏感、自适应能力不强的缺点,提出了一种基于蚁群聚类算法优化Elman神经网络的谐波检测方法。算法通过对Elman神经网络的权值、阈值寻优,建立了基于ACC-ENN算法的谐波检测模型。试验结果表明,该方法较其他检测方法具有更好的泛化能力和更高的预测精度。

煤矿配电网两阶段无功补偿优化配置方法

针对煤矿配电网无功优化存在的问题,综合考虑煤矿配电网负荷特点以及传统无功补偿装置的优缺点,提出利用静止无功发生器SVG以及电容器组配合实现配电网无功优化的两阶段无功优化方法.两阶段分别以有功网损最小和电压谐波畸变率最小为目标,根据灵敏度法确定补偿位置,运用改进的粒子群算法进行无功补偿容量的优化配置.研究结果表明:配电网的有功损耗明显下降,电压水平明显改善,为配电网无功优化提供了一种灵活高效,易于实现的有效方法.

基于SSA-AdaBoost-SVM的变压器故障诊断

针对支持向量机(SVM)诊断变压器故障的效果不稳定的问题,利用Ada Boost集成算法对其强化,得到的AdaBoost-SVM模型诊断结果比较稳定,但准确度依然有待提高。因此,提出利用麻雀搜索算法(SSA)对Ada Boost-SVM模型进行优化,指定其弱分类器权重αt、SVM惩罚因子c和核参数g的寻优范围,使用SSA对三种参数在指定的寻优范围内寻优,提高模型的准确率。将提出的SSA-AdaBoost-SVM变压器故障诊断模型与PSO-SVM、SSA-SVM、AdaBoost-SVM、AdaBoost-SSA-SVM和PSO-AdaBoost-SVM五种模型对比,提出的模型具有更高的准确率和稳定性,平均准确率可达91.58%。实验结果表明,提出的SSA-AdaBoost-SVM变压器故障诊断模型具有更好的表现。

当前企业消防安全管理工作的问题与对策分析

随着现代社会的快节奏发展,越来越多的大型商业活动聚集地产生。虽然经济发展依靠这些商业发展聚集地,但是其存在的安全隐患也不容忽视。在人群聚集的地方,疾病、火灾和其他危害人们生命财产安全的事情也非常容易发生。本文将从四个方面即企业消防安全管理工作的重要性、我国企业消防安全管理工作的现状、对我国当前企业消防安全管理工作问题的分析和提高我国企业消防安全管理工作效果的对策对当前企业消防安全管理工作进行分析。

基于改进Faster R-CNN的光伏电池内部缺陷检测

光伏电池近红外图像中复杂异构背景使内部缺陷检测成为一项极具挑战性的问题,为此,提出了一种基于深度学习的目标检测框架-残差通道注意力Faster R-CNN(residual-channel-attention-faster R-CNN,RCA-Faster R-CNN),该网络通过卷积层-池化层提取图像特征,再送入新颖的残差通道注意力RCA模块进行复杂背景特征抑制和缺陷特征突出,进而区域推荐网络推荐出更加精确的包含缺陷的候选框,最后利用分类与定位网络实现高精度的缺陷分类和位置估计。实验结果表明,RCA-Faster R-CNN的缺陷检测精度提升到了83.29%,证明了所提方法的有效性。

具有绝缘监视和闭锁功能的电动机综合保护装置

从电动机综合保护性能要求出发,采用多种数字集成电路，构成综保装置。重点介绍了全集成化的新型电动机综合保护装置的组成及其工作原理。该装置具有功能强、工作稳定、动作可靠、抗干扰性强，体积小、重量轻等优点。