纵横投影的七段码“8”字型手写数字识别

根据电子屏幕只需七段码“8”字型就可将0-9这10个数字表示出来的情况，设想把数字作为一个整体放到七段码“8”字型中进行识别．本文提出了一种纵横投影的七段码“8”字型手写数字识别，其做法是根据数字的外形特征将数字对七段码“8”字的各框上进行投影，将手写符转化为标准符进行识别，从而简化字符特征的提取．与传统识别方法相比，更容易实现，实验证明了这种方法的有效性．

综合定量计算继电保护系统可靠性

提出了2个评估继电保护系统可靠性的指标。对影响继电保护系统可靠性的因素进行分类,并分别建立了软件数学模型、硬件数学模型及人员可靠性模型,得到数字保护系统的状态空间图,应用马尔柯夫过程求解系统在无备用和有备用情况下的综合失效率及可用度。以一实际保护系统参数为例进行计算,验证了所提出的指标和所建立模型的合理性和有效性。

基于分代修正的电力系统保护软件可靠性定量计算

微机保护软件的性能关系着电力系统保护的可靠性,本文阐述了评价软件可靠性的几个标准,指出以往一些软件可靠性模型的局限性,提出基于分代的微机保护软件可靠性模型、介绍了软件在各个生命周期的失效率的计算方法及软件换代概念,阐述了换代时间的推算逻辑,并以一例子推算及证明此模型的可测性与可算性。

基于小波包的永久性单相接地故障的故障选线的仿真研究

利用小波包的分频特性和重构算法,分别求取各线路中零序电流各频带能量,选出能量最大的频带为特征频带,对该频带的零序电流和系统零序电压通过模极大值和极性进行比较初步选定出可能故障的线路,然后在此基础上利用检测并联电阻投入瞬间在零序电流上所产生的二次奇异点最大值的方法来确定故障线路。仿真结果表明了该方法的有效性和正确性。

基于模糊神经网络的母线充电保护研究

针对当前母线充电试验时继电保护中存在的一些问题,提出了一种智能型的母线充电保护新方法。在分析母线正常充电和故障元件充电的基础上,找到了正确快速地识别两种情况的特征量,结合模糊神经网络这一新型的人工智能技术,综合利用母线充电时的多种电气量分别提取形成网络的特征输入量,并采用Simpson模糊极小-极大神经网络来形成区分母线正常充电和故障元件充电的模糊模式识别器。利用EMTP程序仿真来获取不同系统参数和各种不同故障情况下模糊神经网络训练和测试所需要的大量样本,通过对模糊神经网络的训练,使网络具备了很强的故障识别能力和较强的泛化能力,结果表明,训练后的网络能快速准确地区分母线在各种运行工况下的正常充电和故障元件充电,从而验证了该方法的有效性。

基于二等分放大的故障判别神经网络

介绍了一种基于二等分取样,并将预处理数据放大的故障判别神经网络。这种理论的实质类似于放大镜的原理,能更精细地区分2种差距很小的故障。仿真结果表明,与普遍的取样及预处理方式相比,该神经网络的输出更理想。

模糊超盒分类器在母线充电保护中的应用

针对目前母线充电保护存在的一些缺点和不足,在分析母线充电机理和过程的基础上,综合利用母线正常充电和故障充电情形下多种电气特征量值的差异,运用模糊超盒分类器来形成区分母线正常充电和故障元件充电的保护判据识别.通过EMTP程序的大量仿真得到模糊超盒网络的训练和检验样本,结果表明,该方法能够快速准确地判别出母线在各种运行工况下的正常充电和故障元件充电.

低压台区拓扑辨识方法综述

在对低压台区拓扑识别实现方法进行研究的基础上,文章分析了“基于用电信息的分析法”“电流注入法”“停复电分析法”“手机APP沿布图方法”4种拓扑辨识方法的原理及实现步骤,阐述了拓扑辨识CIM文件的标准及格式。从“建设成本、施工量、辨识精度、拓扑发生变化后是否能自动更新”4个角度总结对比了4种拓扑辨识方法的差异,施工单位可根据不同的需求和情境采用不同的方法。

电动汽车充电站智能负荷控制系统

部分大规模充电站存在负荷不足情况,如公交充电站,当夜间所有设备满功率充电时,对电网及变压器等一次设备的正常运行带来较大压力。本文通过对充电行为进行分析,提出一种优化控制充电设备充电功率的方案,通过监测变压器过负荷状态、选取需要调整负荷的充电桩,计算各个充电桩负荷控制幅度,通过ZigBee网络实时下发控制指令,在保证电网及变压器等设备的安全运行条件下,满足电动汽车充电负荷的要求。

基于图像全序列特征权重的多曝光图像融合方法

现有的多曝光融合方法一般只根据每幅图像自身的特征确定权重图,得到的融合图像存在部分信息缺失、细节不清晰等问题,尤其当图像中存在强光时,融合结果不理想。为了解决上述问题,提出了一种基于图像全序列特征权重的多曝光图像融合方法。该方法首先确定反映图像每个像素的亮度在图像自身中重要性的局部亮度权重、反映图像每个像素的亮度在图像全序列重要性的全局亮度权重、反映图像每个像素的局部梯度在图像全序列重要性的梯度权重;然后根据权重得到融合图像。实验数据选用包含各种场景的多曝光图像序列,结果表明,所提方法的平均多曝光融合结构相似性(MEF-SSIM)达到了0.980,平均信息熵达到了7.652,平均运行时间只有1.34 s。与传统方法和深度学习方法相比,所提方法得到的融合图像细节清晰、信息丰富、表现自然、更符合人眼的视觉效果,融合效果更优。