基于数据分类重建的10 kV变压器负载损耗超标预警方法

10 kV变压器运行数据中心在存储过程中可能会出现电力系统数据采集与监控(SCADA)数据残缺,传统变压器负载损耗超标预警方法中无法识别缺失数据,影响预警结果。为此,设计一种基于数据分类重建的10 kV变压器损耗超标预警方法。设计适配变压器的数据采集装置总体架构,分别重构采集到的SCADA数据,修复缺失数据,将变压器输入特征量归一化处理,计算负载损耗,结合衰退指标构建超标预警架构,完成10 kV变压器负载损耗超标预警。测试结果表明,提出方法可有效识别负载损耗数据,且负载损耗的计算值与实际情况更接近。

基于数据分类重建的风电机组故障预警方法

为预警风电机组潜在故障、增强机组出力安全性,基于监控和数据采集(SCADA)系统,提出一种异常数据重建的风电机组故障预警方法。首先,充分利用同风场风机SCADA数据,分别重建输入类与输出类目标机组数据,克服了部分数据信息丢失、数据异常问题;其次,使用提取的代表性数据建立故障预警模型,所得预警模型更贴近机组运行动态特性;最后,采用改进的衰退指标预警潜在故障,直观展示机组阶段性衰退程度。案例研究中使用某风电场SCADA故障数据,并使用3种标准确定所提策略参数设定值,结果表明可至少提前3周预警风电机组齿轮箱潜在故障,验证了所提故障预警方法的时效性。

多源数据融合实景三维重建研究进展

文章对融合多源数据重建大场景、高精度实景三维的课题进行了研究,总结了激光点云与多视影像密集匹配点云融合重建实景三维的方法,对目前主流融合方法进行了分类,并指出现行融合方法的不足,对后续融合方法研究进行了展望。

基于重建分类网络特征增强的盲域自适应分类器

领域自适应算法能解决源域样本与目标域样本分布不同的问题,提高分类性能。但是通常的领域自适应算法都需要预先获取部分目标域样本用于模型训练。而在现实场景中,来自目标域的测试样本在模型训练时是未知的甚至是不可获取的,该问题称为盲领域问题。文章采用重建分类网络(Reconstruction-Classification Network,RCN)运用于盲领域自适应。仅使用源域样本训练源域RCN模型,并利用源域RCN模型重建管道增强目标样本的信息,缩小目标域与源域分布差异。增强后的目标样本通过源域RCN模型的分类管道进行分类。在基准数据集上进行的实验证明,该文的方法在跨域视觉识别方面优于其他最新方法。

日本震后固体废弃物分类处置的实践经验与启示

日本是一个地震多发国家,在地震灾后的环境保护方面也是成熟度较高的国家之一,其在震后固体废弃物处理处置方面积累的成功做法和经验值得借鉴。客观总结了日本在震后固体废弃物处置中积累的成功经验和需要引以为戒的教训,最后分析了这些经验和教训对推进中国重大地质灾害灾后环境保护与固体废弃物分类回收利用体系建设的启示。

基于人脸和语音的混合型身份认证系统

随着当前电子商务和金融交易领域的发展,用户身份认证的应用变得越来越广泛.结合实际,本文构建了一种基于人脸和语音的混合型身份认证系统,分别提出了基于重建误差分类器的特征脸确认算法和基于高斯混合(Gaussian mixture models,GMM)说话人确认算法;最后在分数层进行融合,提出了基于正交多项式核函数的支持向量机.实验结果表明,该方法在分类、泛化能力和减少支持向量数目方面均取得了良好的效果,最终获得了较小的等误差率.

Research on Novel Natural Image Reconstruction and Representation Algorithm based on Clustering and Modified Neural Network

In this paper, we conduct research on the novel natural image reconstruction and representation algorithm based on clustenng and modified neural network. Image resolution enhancement is one of the earliest researches of single image interpolation. Although the traditional interpolation and method for single image amplification is effect, but did not provide more useful information. Our method combines the neural network and the clustering approach. The experiment shows that our method performs well and satisfactory.