变压器作为电力系统的关键设备,其绕组松动状态的识别对电网的稳定运行具有重要意义。针对传统监测方法环境干扰较大、应用复杂等问题,提出了使用两类不同的布拉格光纤光栅(Fiber bragg grating,FBG)传感器采集变压器绕组关键测点温度...变压器作为电力系统的关键设备,其绕组松动状态的识别对电网的稳定运行具有重要意义。针对传统监测方法环境干扰较大、应用复杂等问题,提出了使用两类不同的布拉格光纤光栅(Fiber bragg grating,FBG)传感器采集变压器绕组关键测点温度与应变信号,经快速解耦与自适应噪声完备集合经验模态分解后(Fast decoupling and complete ensemble empirical mode decomposition with adaptive noise,DECE),提取关键参数并进行主元分析(Principal component analysis,PCA)。对降维后的特征采用基于黑洞优化的支持向量机(Support vector machine based on black hole optimization,BHOSVM)进行分类,实现对变压器绕组径向松动状态的监测与定位。诊断结果表明,所提诊断方法对变压器绕组径向松动状态的识别准确率达到96.8%。展开更多
文摘为了解决分布式拒绝服务(Distributed Denial of Service,DDoS)攻击使云计算的最终用户无法访问云服务的问题,该文提出一种基于投票极限学习机(Voting Extreme Learning Machine,V-ELM)和黑洞优化的云计算DDoS攻击检测算法.该算法采用V-ELM作为分类器进行系统设计,使用多个极端学习机器同时检测攻击.使用数据包分析器捕获网络流量生成供分类器使用的样本,然后使用黑洞优化训练V-ELM中的所有ELM,在攻击检测过程中将样本应用于每个ELM并计算输出,最后在多数投票的基础上合并得到最终输出.实验结果表明:该文提出的算法在网络安全实验知识发现与数据挖掘(Network Security Lab Knowledge Discovery and Data Mining,NSL KDD)数据集和KDD分布式拒绝服务(KDD Distributed Denial of Service,KDD DDoS)数据集上的准确性、灵敏度和特异性均优于所对比的方法.
文摘变压器作为电力系统的关键设备,其绕组松动状态的识别对电网的稳定运行具有重要意义。针对传统监测方法环境干扰较大、应用复杂等问题,提出了使用两类不同的布拉格光纤光栅(Fiber bragg grating,FBG)传感器采集变压器绕组关键测点温度与应变信号,经快速解耦与自适应噪声完备集合经验模态分解后(Fast decoupling and complete ensemble empirical mode decomposition with adaptive noise,DECE),提取关键参数并进行主元分析(Principal component analysis,PCA)。对降维后的特征采用基于黑洞优化的支持向量机(Support vector machine based on black hole optimization,BHOSVM)进行分类,实现对变压器绕组径向松动状态的监测与定位。诊断结果表明,所提诊断方法对变压器绕组径向松动状态的识别准确率达到96.8%。
