基于改进SKNet-SVM的网络安全态势评估

为提高网络安全态势评估的准确率,增强稳定性与鲁棒性,提出一种基于改进选择性卷积核卷积神经网络和支持向量机的网络安全态势评估模型。首先,使用改进选择性卷积核代替传统卷积核进行特征提取,提高卷积神经网络感受野变化的自适应性,增强特征之间关联性。然后,将提取的特征输入到支持向量机中进行分类,并使用网格优化算法对支持向量机中的参数进行全局寻优。最后,根据网络攻击影响指标计算网络安全态势值。实验表明,基于改进选择性卷积核卷积神经网络和支持向量机的态势评估模型与传统的卷积神经网络搭建的态势评估模型相比,准确率更高,并且具有更强的稳定性和鲁棒性。

基于GS-SVR的架空输电线路工程投资估算预测研究

传统的投资估算编制模式存在过度依赖定额的现象,随着大量工程造价数据的积累,利用其实现投资估算,以弥补传统定额计价模式的不足,能够对建设项目工程造价起到总体控制作用。文章以架空输电线路工程为例,基于支持向量回归机(Support Vector Regression,SVR)研究架空输电线路工程投资估算问题。结果表明:通过选取影响架空输电线路工程投资估算的主要指标,构建基于SVR的架空输电线路工程投资估算模型,并利用改进的网格搜索法(Grid Search,GS)优化模型参数,得到基于GS-SVR的投资估算预测模型;与传统的线性回归和SVR模型相比,GS-SVR模型表现出更为良好的性能。

基于广域信息处理的配电网故障隔离技术研究

针对分布式电源并入配电网后,传统算法进行故障检测时存在定位准确度偏低、反应速度较慢的问题,文中基于广域信息处理技术提出了一种配电网故障隔离方法。该方法采用模态分解算法将故障复杂信号分解为多种类基础小信号,使用支持向量机对这些小信号进行数据分类。但由于传统支持向量机的收敛速度较慢,因此通过引入粒子群算法对其参数加以优化,从而提升模型的运算速度。实验结果表明,在加入分布式电源的电网中,所提算法的故障定位准确率为96.7%,平均运行时间则为43.9 s,且这两项参数在对比算法中均为最优。由此证明,该算法可应用于实际工程中,为配电网故障隔离提供技术支撑。

基于DBN-ELM的构网型并网逆变器控制参数自适应调整方法

“双高”电力系统中电网阻抗呈现宽范围时变特性,构网型并网逆变器控制参数缺乏自适应调整能力,存在失稳风险。对此,提出一种基于深度置信网络-极限学习机的构网型并网逆变器控制参数自适应调整方法。建立闭环极点映射模型,利用深层架构对控制参数与关键极点之间的映射关系进行训练;通过训练好的闭环极点映射模型预测得到相应的关键极点,识别出关键极点最接近参考极点时构网型并网逆变器的控制参数;通过自适应调整控制参数,确保系统在电网阻抗变化时跟踪参考极点,实现自适应稳定控制。理论分析和仿真结果均表明,所提方法能够实现控制参数的自适应调整,有效提高构网型并网逆变器对电网阻抗变化的适应性。

不同控制策略下直驱风电机组的机网耦合特性及稳定性分析

直驱风电机组与弱交流电网或柔性直流输电系统间相互作用易导致宽频振荡问题。现有研究普遍认为,直驱风电机组与交/直流电网间的交互特性主要取决于其网侧变流器,故通常忽略直驱风电机组的机侧系统动态。已有文献讨论传统矢量控制下机侧系统对直驱风电机组并网特性的影响,但针对不同控制策略下直驱风电机组的机网耦合特性尚缺少相关研究。文中针对4种典型控制策略下直驱风电机组的机网耦合特性进行比较研究。首先,推导并验证了直驱风电机组在不同控制策略下的详细阻抗模型;然后,基于机网耦合度指标对直驱风电机组的机网耦合特性进行对比分析,得出不同控制策略下机侧系统动态对直驱风电机组交流侧阻抗特性及并网稳定性的影响;最后,通过直驱风电机组并弱交流电网分析案例验证了理论分析的正确性。

GSM-SVM在地震震级预测中的应用

针对地震震级影响因子众多且关系重复等问题,为合理预测地震震级,提出了基于网格搜索法优化支持向量机(support vector machine,SVM)的地震震级预测模型。选取地震累积频度、累积释放能量、b值、异常震群个数、地震条带个数、活动周期和相关区震级等7个影响因子,利用主成分分析法(principal component analysis,PCA)去除因子间的冗余信息,降低输入维数,并利用网格搜索法(grid search method,GSM)确定SVM参数C和g,建立震级预测模型,并对测试样本进行预测,与遗传算法(genetic algorithm,GA)和粒子群算法(particle swarm optimization,PSO)预测结果相对比,结果表明:PCA-GSM-SVM模型预测结果平均相对误差为1.29%,具有较高的预测精度。

基于网格搜索优化支持向量机多分类参数识别不同工艺酱酒的应用研究

为提升支持向量机(SVM)在不同工艺酱酒分类预测中的准确度,该实验利用网格搜索优化支持向量机参数,建立最优参数的支持向量机分类预测模型。通过对不同工艺酱香型白酒客观结构特征定量分析,将提取的特征信息数据经过预处理(异常值处理、归一化操作等)后存储为样本数据集。其中样本数据分为训练样本与测试样本,通过训练样本对最优参数的SVM白酒品牌分类预测模型进行训练,测试样本对模型进行预测分类。经过试验验证,该模型的不同工艺分类识别率达到94.44%,较传统的SVM等分类算法能够快速、有效地对不同工艺的酱酒进行分类识别,显著改善分类的精度,改进后的方法实现过程也比较简单。

不平衡电压下双笼转子无刷双馈发电机的多目标控制

该文以双笼转子无刷双馈感应发电机为主要研究对象。为了解决不平衡电网电压带来的功率绕组(power winding,PW)定子绕组功率脉动和电流不平衡的问题,设计了简化矢量控制策略,对PW侧谐波功率和负序电流进行抑制。此外,通过建立控制绕组(control winding,CW)电流统一表达式,对各个控制目标之间的关系进行了数学推导和理论分析。在此基础上,建立了PW电流不平衡度约束条件下,针对PW有功功率脉动幅值和无功功率脉动幅值的多目标控制数学模型。并采用粒子群算法进行求解,对CW统一电流表达式中的系数进行优化,计算CW参考电流值从而实现多目标控制。最后在双笼转子无刷双馈感应发电机实验平台上,对所提出的控制策略的有效性和理论推导的正确性进行了验证。

多核支持向量机预测电网系统可靠性

为了改善电网系统可靠性预测性能,构建多个目标函数并采用多核支持向量机算法对配电网进行可靠性预测;从电网样本特征中筛选供电可用率、户均停电时间、户均停电次数3个关键指标,建立可靠性评价目标函数,且采用多核支持向量机训练可靠性指标特征;将高斯核函数、多项式核函数和Sigmoid核函数进行多核组合,采用多核支持向量机求解不同目标函数,获得电网系统可靠性预测结果,进而确定更佳的可靠性预测核函数组合。结果表明,合理选择核函数组合和电网可靠性指标,多核支持向量机对供电可用率、户均停电时间和户均停电次数指标预测准确率较高,且稳定性好,高斯核函数-Sigmoid核函数组合的可靠性预测准确性最佳,高斯核函数-多项式核函数-Sigmoid核函数组合的预测稳定性最好。

基于支持向量机的异常用电行为预测建模仿真研究

随着经济的发展,电网的安全运行成为社会经济秩序稳定发展的重要基础保障。异常用电行为的频繁发生会对电网的安全运行产生严重的威胁。当前,窃电等异常用电行为使用的手段越来越高科技化,如何精准高效识别出异常用电行为是当前急需解决的技术难题。对此,采用支持向量机算法对异常用电行为进行建模仿真研究,构建分类效果较好的预测模型,能够较为精准地识别出异常用电的行为用户,为电网的安全运行保驾护航。

基于SVM的智能电网继电保护方法研究

智能电网的发展对继电保护技术提出新的挑战,要求更高的准确性和响应速度。而传统继电保护方法在处理复杂电网故障时面临限制,迫切需要新的技术解决方案。因此,文章以支持向量机(Support Vector Machine,SVM)为基础,探索一种新的智能电网继电保护方法。研究构建一个新的基于SVM的继电保护故障诊断模型,相比于传统SVM网络模型,该模型能够更准确地识别故障类型。通过进行模拟实验,验证该模型在继电保护中的有效性,旨在进一步提高智能电网在面对复杂故障情况时的响应速度和准确性。

信息病毒查杀的电网主机操作安全性保护平台

以保障电力系统主机操作网络安全运行为目的,构建基于电力信息病毒查杀的电网主机操作安全性保护平台.该平台利用站内联网交换机和防火墙连接保护子站和操作子站内若干电网主机后,连接电网主机操作单元,用户通过该单元执行数据下载、数据分析、Zookeeper服务等电网主机操作,同时使用集成第三方软件的病毒查杀单元内Mcafee、Avira和Kav杀毒软件,查杀用户执行电网主机操作过程中软件内存在的病毒.以支持向量机算法作为基础,建立电网主机操作安全等级审计模型,然后电网主机操作单元认证电网主机操作软件,并对电网主机操作安全等级进行审计后,执行相关电网主机操作,同时连接外网防火墙,并利用Web发布服务、物联网APN专线以及电信专用服务器等,将电网主机操作结果呈现在移动终端APP上,完成电网主机操作安全性保护过程.

集成型车载充电系统并网模式模型预测控制策略

相较于传统车载充电系统,集成型车载充电系统(integrated onboard charger system,IOCS)在成本、功率密度等方面具备显著优势。文中基于六相永磁电驱系统设计了一台IOCS,并研究了模型预测电流控制(model predictive current control,MPCC)算法在该系统并网模式下的应用。首先,分析所提IOCS的电路拓扑并建立数学模型,同时介绍传统MPCC的实施流程。然后,针对传统MPCC计算量大、稳态性能差等不足,提出一种基于占空比优化的MPCC(MPCC based on duty cycle optimization,DCO-MPCC)策略。一方面,减少备选电压矢量数量,降低电流预测环节带来的计算负担;另一方面,提出一种占空比优化技术,改善系统稳态性能。最后,通过实验验证了所提算法的有效性与优越性。实验结果表明,DCO-MPCC策略能够显著提升系统稳态性能并减少算法计算量。充电与车网互动(vehicle to grid,V2G)工况下,网侧电流总谐波畸变(total harmonic distortion,THD)分别降低6.18%与5.92%,算法运行时间减少17.54μs。

基于边界圆限定的风电并网逆变器模型预测功率控制

随着风电机组单机容量不断增长,要求风电并网逆变器的开关频率较低以降低损耗,为此提出一种新型单边界圆限定模型预测功率控制策略。该策略根据当前时刻功率误差与预设边界圆的位置关系决定下一时刻最优矢量的选择原则,无需复杂的坐标变换即可将功率误差限制在系统允许范围内,同时通过选取合适的边界圆半径减小了风电并网逆变器的平均开关频率。最后,在Matlab/Simulink仿真软件中验证了该策略的有效性和正确性。

基于BP神经网络和SSA-SVM的接地网腐蚀速率组合预测

为提高接地网腐蚀速率预测精度,提出了一种接地网腐蚀速率组合预测方法。首先,采用SSA算法对SVM进行优化,建立接地网SSA-SVM腐蚀预测速率模型;然后,采用6-11-1的BP神经网络对SSA-SVM模型的预测残差进行修正,建立了基于BP神经网络和SSA-SVM的接地网腐蚀速率组合预测模型;最后,采用接地网腐蚀实验数据进行算例分析。结果表明,所提接地网腐蚀速率组合模型预测结果的均方根误差、平均相对误差和相关系数分别为0.192、4.98%和0.974 6,在模型稳定性、预测精度、预测结果与实际值的相关性均优于其他模型,验证了所提模型的正确性和优越性。

并网逆变器简化矢量选择定频预测电流控制

双矢量模型预测控制需要用遍历法预测基本电压矢量组合作用下的系统行为,计算量较大,同时因为缺乏调制单元而存在开关频率不固定和并网谐波含量高的问题。为此,提出一种并网逆变器简化矢量选择预测电流定频控制。通过判断电流预测差值所在扇区,每个周期采用3个电压矢量控制,通过电流无差拍计算每个电压矢量作用时间,结合不连续DPWM1调制得到开关信号,实现计算量减小,输出电流定频控制且谐波含量降低。仿真和实验结果验证了所提方法的可行性和有效性。

构网型全功率风电机组网侧变流器耦合分析及抑制策略

随着风力发电的高比例接入电网,全功率风电机组的稳定运行能力面临着挑战。传统的网侧变流器采用锁相环(PLL)同步策略,构网型全功率风电机组的网侧变流器则基于功率同步策略,利用直流电压的动态特性实现直流电压同步的构网型控制。由于构网型控制存在功率耦合问题,无功通过耦合通道影响有功功率,进一步引起网侧直流电压的动态波动。该文针对网侧变流器构网型控制所存在的耦合问题,建立了直流电压-无功功率耦合模型,利用相对增益理论方法详细分析了系统参数对耦合效应的影响,并采用一种基于无功前馈的直流电压补偿方法,在实验中利用该方法可将由无功变化引起的直流电压动态超调降低81.8%。通过实验验证了理论分析的正确性及所提方法的有效性。

融合RMT特征值的电网异常状态检测

随着电网规模的不断扩大,电网监测数据变得越来越多元化、高速化、海量化,使得电网监测工作变得更加复杂和艰巨。针对传统方法处理电网高维数据效率低、同步性差的问题,本文研究了一种利用随机矩阵理论(RMT)提取监测数据特征值实现电网异常状态的检测方法。首先,设计了电网内异常扰动类型,构建了一个矩阵窗口来选择时间序列内的监测信号,从而建立高维矩阵;其次,应用M-P定律和单环定律进行矩阵变换,提取特征值并根据特征值分布情况来判断系统状态;然后,基于特征值的线性统计,构建了多种评价指标,包括最大特征值(MESCM)、最小特征值(EME)、最大最小特征值之比(MME)和平均谱半径(mean spectral radius,MSR)等指标;最后,比较了每个统计指标在电网出现短路故障、开路故障以及故障清除时的表现,以实现电网状态识别、异常事件检测和电网稳定性评估。案例测试结果表明,这些指标可以准确判断系统是否发生异常、检测异常的起止时间,并评估电网的稳定性。本文方法可以检测开路、短路等扰动事件,实现全局监测数据的同步处理,其计算量较小、效率高,适用于大规模电网异常状态的检测。

高光谱技术结合网格搜索优化支持向量机的桃缺陷检测

为快速区分完好桃、疮痂桃、腐烂桃(虫咬桃、鸟啄桃),实现久保桃外部缺陷的无损检测,该研究利用高光谱技术对久保桃的外部缺陷进行了研究。共采集302个久保桃样本(120个完好桃样本、120个缺陷桃样本、62个验证桃样本),对比经光谱学、基线校正、中值滤波(median filter,MF)等5种预处理方法建立偏最小二乘法模型的准确率,选取经MF预处理后的光谱数据进行后续建模研究。采用回归系数法、竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)提取特征波长,建立网格搜索法优化支持向量机(grid search optimized support vector machines,GS-SVM)模型、遗传算法优化SVM模型、粒子群算法优化的SVM模型并进行对比分析。结果表明,CARS-GS-SVM模型预测效果最好,其训练集的判别率为93.33%,预测集的判别率为96.77%,验证集的判别准确率为91.94%,运行时间为11.5 s。该研究利用高光谱技术结合CARS-GS-SVM模型实现了久保桃外部缺陷的检测,为开发水果的分级分选设备提供了理论基础。

弱电网下基于一阶复矢量滤波器的锁相环补偿控制策略及鲁棒性分析

LCL型并网逆变器的跟网型控制中,一般采用锁相环获取公共耦合点电压相位信息。在弱电网条件下,并网逆变器控制系统存在电网阻抗与传统同步旋转坐标系锁相环的交互作用,导致其出现鲁棒性较差甚至难以稳定运行的问题。首先利用阻抗模型分析并网逆变器在弱电网下失稳机理,揭示了锁相环和电压前馈将在输出阻抗中引入一个附加项,并得出该附加项将对系统鲁棒性造成影响,进而提出一种在锁相环和电网电压前馈通道前串联新型一阶复矢量滤波器的补偿控制策略。分析表明:该控制策略减小了电网阻抗、锁相环带宽等扰动量对逆变器等效输出阻抗的影响,在电网阻抗宽范围变化时仍可使系统具有足够的稳定裕度,提高了并网逆变器的鲁棒性。最后,通过仿真分析和实验验证了所提控制策略可有效提高系统对弱电网的适应性,且具有良好的动静态性能。