针对电力变压器遭遇短路故障时绕组变形问题,采用一种基于有限元的场路耦合研究方法,通过在有限元软件中建模,利用场路耦合方法获取变压器的短路电流、磁场分布,继而计算出绕组短路时辐向电磁力,然后按照绕组的实际参数进行结构屈曲分析...针对电力变压器遭遇短路故障时绕组变形问题,采用一种基于有限元的场路耦合研究方法,通过在有限元软件中建模,利用场路耦合方法获取变压器的短路电流、磁场分布,继而计算出绕组短路时辐向电磁力,然后按照绕组的实际参数进行结构屈曲分析,研究绕组辐向稳定性问题。以一台500 k VA的三相铁芯式配电变压器为例进行分析,结果表明,低压绕组在短路时承受较大的辐向电磁力,当该力超出临界屈曲值时绕组发生形变甚至绝缘层破坏,缩短电力变压器使用寿命。研究方法和结果对变压器绕组变形等相关研究具有一定实际意义。展开更多
模式分类过程涉及到对原始训练样本的学习,容易导致用户隐私的泄露。为了避免模式分类过程中的隐私泄露,同时又不影响模式分类算法的性能,提出一种基于主成分分析(PCA)的模式分类隐私保护算法。该算法利用PCA提取原始训练数据的主成分,...模式分类过程涉及到对原始训练样本的学习,容易导致用户隐私的泄露。为了避免模式分类过程中的隐私泄露,同时又不影响模式分类算法的性能,提出一种基于主成分分析(PCA)的模式分类隐私保护算法。该算法利用PCA提取原始训练数据的主成分,并将原始训练样本集合转化为主成分的新样本集合,然后利用新样本集合进行分类学习。选用Adult数据集和KDD CUP 99数据集进行仿真实验,并采用正确率和召回率进行性能评价,结果表明,该隐私保护算法通过PCA提取原始数据特征属性的主成分,可避免原始属性的泄露,同时PCA在一定程度上可实现去噪,从而使分类器的分类性能优于原始数据集的分类性能。与已有算法比较,该隐私保护算法具有更好的模式分类精度和隐私保护性能。展开更多
文摘针对电力变压器遭遇短路故障时绕组变形问题,采用一种基于有限元的场路耦合研究方法,通过在有限元软件中建模,利用场路耦合方法获取变压器的短路电流、磁场分布,继而计算出绕组短路时辐向电磁力,然后按照绕组的实际参数进行结构屈曲分析,研究绕组辐向稳定性问题。以一台500 k VA的三相铁芯式配电变压器为例进行分析,结果表明,低压绕组在短路时承受较大的辐向电磁力,当该力超出临界屈曲值时绕组发生形变甚至绝缘层破坏,缩短电力变压器使用寿命。研究方法和结果对变压器绕组变形等相关研究具有一定实际意义。
文摘模式分类过程涉及到对原始训练样本的学习,容易导致用户隐私的泄露。为了避免模式分类过程中的隐私泄露,同时又不影响模式分类算法的性能,提出一种基于主成分分析(PCA)的模式分类隐私保护算法。该算法利用PCA提取原始训练数据的主成分,并将原始训练样本集合转化为主成分的新样本集合,然后利用新样本集合进行分类学习。选用Adult数据集和KDD CUP 99数据集进行仿真实验,并采用正确率和召回率进行性能评价,结果表明,该隐私保护算法通过PCA提取原始数据特征属性的主成分,可避免原始属性的泄露,同时PCA在一定程度上可实现去噪,从而使分类器的分类性能优于原始数据集的分类性能。与已有算法比较,该隐私保护算法具有更好的模式分类精度和隐私保护性能。
