基于动态时间弯曲算法的相似洪水识别方法

相似洪水动态识别是在大数据背景下弥补实时洪水预报预见期不足的有效途径,对于支撑防洪调度具有重要作用。由此,结合产汇流理论建立反映洪水形成发展的复杂多元动态事件集;采用动态时间弯曲算法改进了欧氏距离算法对相位的适应性;基于多元时间序列相似性原理构建了相似洪水动态识别方法。以池潭水库30场雨洪资料相对完备的洪水为例,对所提方法进行验证,结果表明该方法具有较好的洪水识别效果。

基于高分一号时序数据和动态时间弯曲算法的平原区水田信息提取

基于多时相高分一号遥感影像,以江苏里下河平原典型区为研究区域,在地物光谱特征和植被物候特征分析的基础上,开展平原区水田遥感信息模式研究。在辐射校正和几何校正的基础上,构建时序归一化植被指数(NDVI)数据集,利用时序NDVI最大值将研究区划分为植被和非植被2种类型,结合农作物物候特征,利用时序NDVI曲线的双峰特征,进一步将农作物与林草地等其他植被类型区分开,最后利用动态时序弯曲(DTW)逐像元计算像元的水田光谱相似性距离,从而实现水稻与其他农作物的分离。该方法较好地解决了平原河网区水田与水体、林草地等地物的混分问题,总体分类精度和Kappa系数均在0.84以上。空间分析结果合理地反映了区域地物类型以水田为主,且空间上以中部地带集中分布并呈向东减少的趋势特征,证明了该方法在平原区水田信息提取中的有效性。

基于模糊动态时间弯曲算法的主动配电网电压运行状态评估

主动配电网(ADN)电压运行状态评估能够有效集成运行产生的多源异构数据表征ADN电压运行状态。为了客观反映关键节点的电压控制能力、互联分区的无功互动支撑和配电网全局的无功平衡水平,构建“点-区-网”多颗粒度评估指标体系;提出一种融合模糊识别和动态时间弯曲的模糊动态时间弯曲(FDTW)评估算法,将电压运行状态评估问题转化为模糊序列模式识别问题,并采用最小弯曲距离比较待评估样本与参考样本的相似度。以某ADN为应用实例,验证了所提指标体系和FDTW评估算法的有效性。

基于动态时间弯曲空间距离度量的电能质量综合评估

将电能质量进行综合评估得出的量化结果,是衡量电能质量优劣的依据之一,有利于实现电能按质定价的市场机制。采用集成层次分析法和熵值法确定电能质量各项指标的综合权重值;同时,将空间距离度量的思想应用于电能质量综合评估,将电能质量指标问题转化为空间上的模式距离问题,采用动态时间弯曲算法进行序列模式识别,计算经加权化的标准电能质量指标序列、待评估电能质量指标序列与理想电能质量指标序列的匹配系数,进而确定电能质量等级,实现电能质量的综合评估与分级评估。实例计算结果表明,所提出的综合评估方法具有一定的有效性和可行性。

基于DTW算法与稳态电流波形的非侵入式负荷辨识方法

非侵入家用负荷识别技术可以指导家庭用户合理安排用电,提高用能效率,同时也为电力部门提供家庭用电的数据支持,有利于了解负荷用电规律及趋势,完善电力规划。由于家庭用户用电负荷的稳态特征值存在相似和无规律的问题,现有的方法多采用高级算法对所有的用电负荷组合进行训练。针对现有采用负荷稳态特征值方法进行识别所存在的不足,考虑到家用负荷稳态波形具有独特性和叠加性,提出了一种利用动态时间弯曲(DTW)算法计算与模版库波形的距离来识别家用负荷的辨识方法。首先,建立负荷稳态波形模版库;然后,在电压满足一定条件的情况下,测量家庭用户电流的稳态波形;最后,利用DTW算法计算出最小距离进行识别。

基于DTW改进灰色关联算法的飞机着陆安全操作研究

飞行员在最后进近着陆阶段准确执行一系列操作,是飞机安全着陆的重要保证。首先,将最后飞行阶段分为200ft-50ft、50ft至接地两个阶段,研究了9项飞行状态参数的灰色接近关联度。其次,设计了一种DTW改进灰色接近关联算法,降低因飞行数据抽样造成的算法误差。研究表明,保持横侧和下降率的稳定是安全着陆的重要前提。俯仰角、空速归一化值、地速、油门杆位移、驾驶杆位移、脚蹬偏移量等参数在50ft-0ft阶段越接近于标准序列,着陆载荷越逼近1.3 g左右的理想着陆状态,飞机着陆安全性越高。

一致性检测和航向编码的船舶航迹聚类

在AIS轨迹的聚类过程中,由于MMSI码存在欺骗等问题,原始数据的可信度不高。针对以上问题提出AIS数据预处理的方案,可以过滤无效数据,同时完成轨迹源一致性检测。现有的研究中对轨迹的聚类,多使用基于密度的聚类算法,受限于该算法的复杂度高耗费时间长,于是提出了一种基于编码后的航行模式序列的聚类方法。方法在航向编码时按照网格压缩了轨迹,同时保留了轨迹点之间的时空关系,能够较完整得提取出轨迹形状的信息。实验使用DBSCAN算法进行聚类,序列之间的距离使用DTW进行度量完成聚类,结果表明算法能得到不同形状的轨迹簇且大大简化了所需的计算量,在处理大量的AIS点迹时具有明显的优势。

一种基于小波变换提取拐点的手写签名认证方法

为了对手写签名进行准确认证 ,介绍了一种基于小波变换的用于提取手写签名笔划坐标 -时间曲线拐点的手写签名认证方法 ,该方法首先采用以高斯函数的二阶导数作为小波基的小波变换技术来进行拐点提取 ,由于变换后的曲线可以近似认为是原函数的二次导数曲线 ,它不仅能够从签名笔划曲线中准确可靠地提取出具有特殊意义的拐点 ,并具有分辨尺度可调的优点 ,从而提高了认证的普适性 ;然后以该方法为基础 ,进行不同签名之间拐点序列的匹配 ;最后再利用提取的拐点来对签名进行分段和段 -段对应处理 .若由于利用拐点分段能体现出各分段局部相似性与稳定性不同的特点 ,因而拉开了真伪签名之间的差距 ,若进一步与动态时间弯曲算法相结合 ,即可取得比较满意的认证效果 .

基于语音识别与特征的无监督语音模式提取

在语音识别与特征系统中,通过无监督的方法搜索未知语音流中出现的语言模式。利用语音识别系统的多候选结果,通过分段动态时间弯曲算法进行语言模式的搜索,采用有效的聚类算法以及置信度估计算法,提高系统性能,同时建立仅基于特征匹配的相似音频片段检测系统,不使用任何知识源,仅从语音中获取重复的语音模式,在广播电视新闻与自然口语对话2个测试集上对比2个系统的性能。实验结果表明,基于识别的系统具有较好的检测效果,而基于特征的系统具备多语种的推广性。

基于DTW距离的探地雷达数据可视化

提出一种基于动态时间弯曲算法距离度量的探地雷达数据可视化方法,利用动态时间弯曲算法在时间轴方向上伸缩的优越性,结合可指定类数的聚类算法对探地雷达数据进行聚类和可视化分析。可用于实测的探地雷达数据集,实验结果表明,相对于传统的聚类算法,本文算法能得到更好的聚类结果。

基于5G通信的有源配电网线路差动保护实用化方案

随着分布式电源的高比例接入,基于5G通信的配电网差动保护技术得到了广泛的关注和研究。针对5G通信中的数据同步及丢包误码问题,提出了基于动态时间弯曲算法的双/多端线路差动保护判据。提出了基于动态响应传输模式的5G流量控制技术,构造了基于5G通信的有源配电网线路差动保护实用化整体解决方案并研制了保护装置。仿真及测试结果均表明,所提差动保护方案具有较好的抗同步误差和抗数据丢包性能,计算量和存储量较小,5G流量消耗大幅减小。

计及出力波动的光伏电站无功支撑能力评估

在满足配电网稳定运行的前提下,充分利用光伏电站并网逆变器的额定容量,挖掘光伏的无功支撑能力,能够促使配电网经济运行,因此开展光伏电站无功支撑能力评估具有重要的现实意义。首先,提出了基于动态时间弯曲算法的无功支撑能力评估方法和评估指标体系,实现实时态的无功支撑能力评估;然后,提出了基于深度置信网络模型的光伏出力预测方法和预测指标体系,结合预测数据实现未来态的无功支撑能力预测。算例分析表明,预测的光伏电站未来态无功支撑能力与实际未来态评估结果相吻合,验证了所提评估、预测方法的有效性。

基于ARM+DSP下变压器智能化保护的研究

现阶段在智能电网发展新形势下对电力系统稳定性提出了更高要求,分析了传统微机继电保护的不足,利用一种基于动态时间弯曲算法作为该装置的保护算法,开发一套基于DSP与ARM双处理器的微机继电保护装置。以该保护装置的变压器主保护为例,通过详细的软件设计和硬件设计结合测试验证相关工作的效果。试验结果表明:该硬件平台系统的性能完全可以满足现代电网的发展需求。

基于ICEEMDAN-DTW和ISMA-WLSSVM的光伏发电功率预测

为了提高光伏发电功率预测精度,建立了基于ICEEMDAN-DTW和ISMA-WLSSVM的光伏发电功率超短期组合预测模型。首先,根据Pearson相关性分析,确定光辐照度、环境温度以及湿度为光伏发电功率的关键气象影响因素,继而使用改进的自适应白噪声完备集成经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise, ICEEMDAN)对历史光伏功率和气象因素进行分解,降低其复杂度和随机波动性,并利用动态时间弯曲(Dynamic Time Warping, DTW)算法确定每个光伏功率子序列的输入特征向量。其次,对最小二乘支持向量机(Least Squares Support Vector Machine, LSSVM)在建模过程中的误差进行权重分配,得到加权最小二乘支持向量机(Weighted Least Squares Support Vector Machine, WLSSVM),其解决了LSSVM模型鲁棒性低的缺陷。最后,通过改进黏菌算法(Improve Slime Mould Algorithm, ISMA)对WLSSVM进行参数优化,搭建ISMA-WLSSVM预测模型,并在多种不同天气类型下进行光伏发电功率预测仿真实验。实验证明:相比EOSSA-ELM预测模型,该模型的RMSE在晴天、多云和雨天分别降低了57.4%、57.5%和52.5%。