基于改进蚁群算法的配电网故障定位研究

提升电网运行状态实时监控和故障定位能力对保障配电网的正常运行具有重要意义。文章采用了一种改进蚁群算法对配电网故障进行定位,结合配电网的结构特点,设计初始化信息素和动态更新信息素的策略,以提升算法的收敛速度和定位的准确性。仿真试验结果表明,采用改进蚁群算法可提升故障定位结果的准确性,同时,相对于传统的蚁群算法具有更好的收敛速度。

基于物联网的建筑电气设备安全智能监测系统设计

建筑内部的电气设备安全是消防安全的重点。本文介绍了一套基于物联网的建筑电气设备安全监测系统,用于实现电气设备安全的监测。这套监测系统包括前端采集模块和后端分析平台,前端基于ARM芯片,可采集配电终端的电流、电压、温度等信号,并采用有线或无线的方式传输到后端;后端可对采集的数据实行阈值报警,且能利用智能分类算法排除异常点,实现智能预警功能。

基于K-近邻与FOA改进聚类的数据异常分析模型及用电行为分析

对隐藏在大数据中的信息进行深层挖掘时,由于存在数据来源、统计口径、人员输入、行为异常等方面的问题,可能出现异常数据。针对此类问题,首先利用离散小波变换进行多尺度分解,然后采用K-近邻思想对局部区域的密度、距离重新定义,来提高对异常值的识别精度;最后结合改进的果蝇优化算法,对密度峰值聚类算法中的截断距离进行优化,提出基于K-近邻与改进果蝇优化的密度峰值聚类异常分析模型。从异常值检测角度进行仿真实验分析,根据用户数据多时间尺度特征,对不同时间尺度的复合数据进行聚类,对用电行为进行分析;选择多种标准测试函数,对基于知识学习的改进果蝇优化算法性能进行对比研究。结果显示,基于K-近邻的算法能够将变压器中不同于正常运行模式的少数异常曲线及单个用户的异常用电模式检测出来,其有效性得到了验证。在基于知识学习的改进果蝇优化算法中,随着果蝇个体数量增加其寻优能力也得到提高。