光纤分立式多点局部放电检测与定位技术

为了更准确地监测电力系统的运行状况,提出了一种应用于电力变压器局部放电(partial discharge,PD)检测的分立式多点检测方案。该方案基于光纤外差式干涉原理,传感系统由4个传感头构成,以实现多点检测和局部放电声源的定位。通过优化设计传感头的结构提高了传感器的灵敏度,同时传感器紧凑型的封装方式使其能够安装在电力变压器内部,提高检测结果的准确度。实验结果表明,该传感方案的单通道分辨率可达4 mrad,同时对构造的三相电力变压器模型进行了实验演示和分析,在对150 kHz局部放电超声多通道测量时,可实现声源定位的分辨率为1 cm。由于该方案结构小巧、分辨率高及成本低廉,其在电力系统安全检测中有着巨大的应用潜力。

一种基于改进KNN的大数据离群点检测算法

针对KNN算法在大数据离群点检测领域中难以处理高维数据和时间复杂度过高的这2个缺点,提出一种基于AOR(属性重叠率)的分类方法,并对KNN算法进行改进。首先对数据进行基于AOR的降维处理,使得数据可处理维度大大增加,然后对传统的KNN算法进行剪枝改进,减少了大量的无效计算。实验结果表明,本文算法对维度高、容量大的大数据样本在运行效率、准确度等方面有较大的提升。

基于主成分分析和凸优化的低压配电网拓扑识别方法

低压配电网拓扑结构是配电网管理系统的重要组成部分,也是各种分析计算的基础.然而,由于电力线路的重新配置、维护和检修,低压配电网的拓扑结构会发生变化,影响电网运行的稳定性和电能计量的准确性.因此,提出一种基于主成分分析和凸优化的低压配电网拓扑识别方法.该方法首先分析了低压配电网的典型拓扑结构,并基于电量测量时间序列和电能守恒定律建立了低压配电网的拓扑识别模型;然后利用主成分分析(PCA)对电量测量数据集矩阵进行降维压缩,从而保留了原始数据间的本质信息;最后结合范数逼近和凸松弛原理,将低压配电网拓扑识别问题转化为可解的凸优化问题,避免了算法陷入局部最优解.基于12节点的相位识别算例和大型低压配电网拓扑识别的仿真,验证了所提方法的可行性和高效性.此外,在电量测量数不充足的情况下,相比于传统主成分分析算法,拓扑识别准确率有所提高;含20 dB高斯噪声的电量测量数据集下的仿真结果表明,实现准确拓扑识别所需的电量测量数从248减少到200;实验表明,该方法的时间复杂度主要与低压配电网节点数有关,受电量测量数的影响为微秒级,当电量测量数分别大于82和90时,所提出的两种范数优化方法的仿真时间低于传统的范数优化算法,因此该方法在数据集规模较大的情况下具有较高的识别效率.

基于三角模糊数改进的块存储调度算法

OpenStack作为当前应用最广泛的开源云平台得到了业界的普遍认可,随之带来其块存储模块Cinder的应用也越来越广泛,但Cinder的调度算法以剩余存储空间作为节点调度的条件,这种调度显然并不能达到对综合性能最优节点的调度。文中提出了一种基于三角模糊数的调度算法,该算法同时考虑多个对存储节点的评价因素,可以实现对综合性能最优节点的调度。同时由于三角模糊数的引入,定性指标可以使用定量的方法进行描述,使得调度模型更加健壮。