考虑气象参数预测误差条件分布的架空输电线路载流量概率预测方法

准确考虑气象参数预测误差是实现架空输电线路动态载流量精准预测的基本前提。通过统计与计算分析,首次发现在不同气象参数预测值与气象环境下,气象参数预测误差具有不同分布特征。然而,现有架空输电线路载流量概率预测方法并未考虑以上2种因素的影响,难以实现线路载流量的准确预测。为此,首先将气象参数预测误差分析问题构建为气象参数预测值与气象环境2种影响因素下的气象参数预测误差条件分布求解问题;其次引入Sklar定理及其Copula函数和非参数核密度估计法,构建了一种气象参数预测误差条件分布的求解方法;然后结合蒙特卡洛采样法,提出了一种考虑气象参数预测误差条件分布的架空输电线路载流量概率预测新方法。最后通过计算分析发现:相比于2种传统方法,所提方法在考虑气象参数预测值与气象环境2种因素对气象参数预测误差概率分布的影响后,预测区间覆盖率分别提高了5.51、1.99个百分点,预测区间标准化平均宽度分别降低了7.86、3.62个百分点,验证了该方法的准确性与实用性。

粒子群优化自适应小波神经网络在带电局放信号识别中的应用

XLPE中压电缆局部放电(PD)带电检测获得的信号可能源于电缆本体、电缆终端头,也可能来自于与之连接的开关柜中的电晕放电或表面放电等。由于不同来源的PD信号,对设备的危害不同,其判断标准也有所不同,故有必要对PD信号的来源进行识别。本文提出一种基于自适应小波神经网络的XLPE电缆PD识别方法,构建了一个4层自适应小波神经网络模型,对实验室获得的PD波形进行识别;提出使用粒子群算法先进行一次优化,后使用BP算法进行二次优化的训练方法;讨论了不同网络结构及小波函数对网络性能的影响。研究结果表明PSO-BP组合优化的自适应小波神经网络的训练效果明显优于单独使用BP算法,能够准确、可靠的对PD信号进行识别。

基于特征点的SAR影像配准方法

合成孔径雷达(Synthetic Aperture Radar,SAR)影像配准是合成孔径雷达干涉测量(Interferometric SAR,InSAR)数据处理的一个关键步骤,是生成良好干涉图的必要条件,但由于各种因素导致很难实现精确配准。针对常规的配准方法计算量大、误匹配率高以及配准精度差的问题,文中提出了一种利用特征点进行配准的方法。首先,使用加速鲁棒特征算子(Speeded Up Robust Feature,SURF)从主强度图中提取特征点;然后,结合外部地理数据剔除不当的特征点,并对剩下的特征点进行互相关处理;最后,通过多项式拟合计算主、辅影像之间的转换模型。通过珠江三角洲地区与智利地震的SAR影像的配准实验结果表明,文中提出的方法与标准的配准方法相比具有配准效率高、可靠性强的优点。

多普勒雷达在雷电临近预警中的应用浅析

利用广州市雷达资料,对2020年在广州地区发生的雷暴天气样本和非雷暴天气样本进行分析,其中着重研究了雷达回波强度和回波顶高在雷电临近预警中的作用。通过对现有雷达数据资料进行分析,发现将40 dBz回波强度的回波顶高超过0℃层作为雷电预警的特征指标较为合理。基于此种方法对雷电进行监测和预报,从而可以提前采取防控措施,减少雷击事故的发生。