基于故障电流波形相关性的35 kV线路故障区段识别系统

针对35 kV线路拓扑复杂,传统输配电故障区段识别技术无法可靠应用的问题,研究了35 kV多分支混合线路接地故障暂态电流特征及故障时刻暂态电流波形相关性,并提出了区段识别判据。通过研制基于暂态电流波形相关性的35 kV多分支故障区段识别在线监测设备及区段识别主站系统,有效解决了35 kV多分支架空-电缆混合线的故障区段识别难题。该系统具有一定的工程实用价值、经济和社会效益。

NLP和推理引擎下电力基建现场风险区段识别

为识别电力基建现场风险区段,降低电力基建现场风险,提出了基于自然语言处理(Natural Language Processing, NLP)和推理引擎的电力基建现场风险区段识别方法。利用NLP技术深入挖掘电力基建现场报告文本,通过分词技术分析报告内相关内容,采用词频-逆文档频率(Term Frequency-Inverse Document Frequency, TF-IDF)算法统计现场报告内容词频,获取文本报告特征。将高权重特征项输入推理引擎内,利用推理引擎确定匹配度最高的事例,通过模拟退火思想优化推理引擎机制,实现电力基建现场风险区段识别。实验结果表明,所提方法风险识别误差均值约为3.5%,且根据所提方法识别结果进行有针对性优化后,应用对象内各区段风险均有不同程度下降。

基于卫星遥感监测极端气象预报数据异常值检测方法

在遥感数据采集过程中,由于传感器故障、气象条件等原因,可能会导致少量的异常点出现在采集的数据中,这些异常点可能会对极端天气预报的准确性产生负面影响;为此,需要研究一种基于卫星遥感监测极端气象预报数据异常值检测方法;基于改进K-均值聚类算法对缺失的卫星遥感监测极端气象预报数据进行插补,还原数据完整性;划分卫星遥感监测极端气象预报数据的区段,提取每个区段的裕度指标、偏斜度、频率歪度、重心频率4个特征参数,以此为输入,利用蝙蝠算法优化BP神经网络识别异常区段;计算异常区段中每个卫星遥感监测极端气象预报数据的局部离群因子,局部离群因子大于1.0数据为气象预报数据异常值,以此完成气象预报数据异常值检测;结果表明:所提方法插补误差小于±1.0,可以准确识别异常区段中的异常值,且在不同样本中的协调指数高于0.8,检测效果更好。

因果推论与效应评估：区段识别法及其於「选制效应」之应用

社会科学中涉及效应评估的问题，都无法回避因果推论。以观察研究进行因果推论之所以棘手，症结在於比较研究的组别，往往取决於因和果之间的内部因素，也就是所谓「内因性」(endogeneity)，造成平均因果效应的识别问题。一般分析因果效应的参数模型(parametric models)，虽有考虑内因问题，但多建立在很特定的函数形式及变数分布等假定之上。如果研究的主题及资料的确符合这些假定，自可充分运用；但社会科学研究也常常会碰到与假定不符的情况，此时Manski的无母数局部识别法(nonparametric partial identification)最爲适合，因爲这个方法从无假定出发，逐步带入不同强度的假定，检视其对於参数区段的影响，将假定与推论之间的关系完全透明化，避免爲了达到「定点识别」而强加或暗藏与实际不符的假定，导致过当的推论。本文从「反事实因果模型」(counterfactual model of causality)的角度，以最基础的逻辑与机率论，探讨Manski的区段识别法，及各种学理假定与「平均因果效应」之上下限的关系，并以2008年立委选举台联提名区域立委对其政党票得票率之影响爲例，将区段识别法应用於分析混合选制中所谓之「污染效应」(contamination effect)。

配电线路单相接地故障的自愈策略

阐述配电线路单相接地故障,应对的方案,包括故障的检测、故障的选线、故障区段的识别,从而利用最佳方法处理故障。

混凝土曲线梁桥损伤识别干扰性分析研究

目前桥梁损伤识别主要采用曲率模态分析、振型曲率变化指标、结构固有频率变化、能量变化等方法理论,其中曲率模态分析法应用广泛,识别效果好。但是对桥梁结构同时存在多处不同程度损伤的识别效果并不理想;非结构损伤因素导致结构刚度变化对其识别结果的干扰性亦值得探讨。本文在基于曲率模态绝对差值理论的基础上,分析多处损伤识别的相互干扰性和非结构损伤因素导致结构刚度变化的干扰性,对该方法进一步优化完善。以云南大保高速某特大桥为依托工程,建立空间有限元模型,对该桥的损伤进行模拟分析。研究表明按模态振型幅值大小来优化损伤识别区段可以有效排除其干扰性,提高识别结果的准确性和可靠性。