基于混合神经网络的配电网用户窃电检测方法

针对传统的基于一维用电量数据挖掘分析的用户窃电检测方法检测精度低的问题,提出了一种基于混合神经网络的配电网用户窃电检测方法。首先,为了增强正常用户与窃电用户用电量的特征差异性,采用MTF(马尔可夫变迁场)对一维用电量数据进行图变换,实现用电数据的二维化;同时,为提高模型的准确性及泛化性,引入了用户用电量档案数据。然后,采用混合神经网络分别对预处理后的二维用电图像、档案数据进行特征量提取及融合,以实现配电网用户窃电检测。最后,通过两组对比实验,验证所提方法的有效性和精确性。实验结果表明:与其他模型相比,基于混合神经网络在窃电识别的准确率、查全率及ROC(接受者操作特征)曲线下面积均有较大的提升,具有较好的识别性能。

基于广域多时间尺度的CVT误差状态预测方法

针对现有电容式电压互感器(CVT)误差状态预测只考虑单一粒度构建时序模型的问题,本文提出了一种基于广域多时间尺度的CVT误差状态预测方法,首先,对CVT运行状态下二次输出数据进行STL时序分解,构建多元时序特征;其次,利用不同时间尺度的分解数据构造多元时间序列预测模型;最后,利用多元时间序列预测模型,实现不停电条件下CVT误差状态的精准预测。仿真数据表明,该方法能准确预测CVT超误差状态,与现有方法相比,验证了该方法的准确性与适用性。

基于RFID的定点识别语音介绍机器设备

在众多旅游景点及各种需要介绍的场景中,人工介绍往往缺乏且不能保证介绍的准确性;而当前市场上的介绍机器设备往往需要固定行走路线,限制游人的行走自由。因此,通过对先前语音介绍设备的研究,我们寻求创新与改进,使用RFID与STM32的通信连接,基于RFID的定点识别,不需要人来进行相应的指令输入;实现预先设计距离的智能识别,适应不同的场景需要;设计的定点识别机器设备造型小巧,实现便携功能。