基于相关性分析和生成对抗网络的电网缺失数据填补方法

城市电网新型电力系统中多元资源增多,数据采集难度加大,导致数据随机缺失率升高,难以满足精细化分析决策需求。为解决新型电力系统中配网量测数据在采集与传输过程中频发的缺失问题,文中提出一种基于波动互相关分析(fluctuation cross-correlation analysis,FCCA)算法和生成对抗网络(generative adversarial network,GAN)的电网缺失数据填补方法。首先,融合FCCA算法提出强相关性电网数据多维特征提取方法;其次,基于核主成分分析(kernel principal component analysis,KPCA)对多维特征数据集进行降维处理;最后,设计改进型GAN结构,融合电网数据多维特征对低维向量进行重构,实现缺失数据填补。算例采用真实电网数据进行算法验证,并在某城市电网试运行。结果表明,所提方法比传统数据填补方法具有更高填补精度。因此,在新型电力系统中量测数据连续缺失和缺失量较大的情况下,融合强相关性特征进行数据填补,对提升量测数据的完整性和可用性有明显优势。

跨媒体智能关联分析与语义理解理论与技术研究进展

深入分析了跨媒体智能关联分析与语义理解理论技术的最新研究进展,包括多模态数据的统一表达、知识引导的数据融合、跨媒体关联分析、基于知识图谱的跨媒体表征技术以及面向多模态的智能应用.其中,多模态数据的统一表达是对跨媒体信息进行分析推理的先决条件,利用多模态信息间的语义一致性剔除冗余信息,通过跨模态相互转化来实现跨媒体信息统一表达,学习更全面的特征表示;跨媒体关联分析立足于图像语言、视频语言以及音视频语言的跨模态关联分析与理解技术,旨在弥合视觉、听觉以及语言之间的语义鸿沟,充分建立不同模态间的语义关联;基于知识图谱的跨媒体表征技术通过引入跨媒体的知识图谱,从跨媒体知识图谱构建、跨媒体知识图谱嵌入以及跨媒体知识推理3个方面展开研究,增强跨媒体数据表征的可靠性,并提升后续推理任务的分析效率和准确性;随着跨模态分析技术的快速发展,面向多模态的智能应用得到了更多的技术支撑,依据智能应用所需要的领域知识,选取了多模态视觉问答,多模式视频摘要、多模式视觉模式挖掘、多模式推荐、跨模态智能推理和跨模态医学图像预测等跨模态应用实例,梳理了其在多模态数据融合以及跨媒体分析推理方面的研究进展.

基于多项式拟合的锅炉运行参数对燃煤机组发电煤耗影响研究

为精确计算锅炉运行参数对燃煤发电机组发电煤耗的影响,以发电煤耗的数学模型为基础,采用微积分理论,忽略管道效率和汽轮机热耗率的影响,建立发电煤耗与锅炉效率的微分关系。以某电厂330 MW亚临界燃煤发电机组为例,利用机组历史运行数据和设备厂家提供的设计资料,基于拉格朗日多项式拟合分别建立排烟温度、锅炉效率、发电煤耗与机组负荷率的拟合关系,从而得到任意工况下排烟温度与发电煤耗目标值的数学模型。依据锅炉排烟热损失的简易算法,建立锅炉排烟温度和运行氧量对发电煤耗影响耗差分析模型,最后对采样周期内锅炉运行参数进行聚类划分,计算排烟温度和运行氧量对发电煤耗影响的数值。该方法计算结果准确,方便实用,为电厂节能改造、优化运行、检修决策和节能技术监督提供参考。

中巴地球资源一号卫星CCD图像质量评价和交叉定标研究

使用定量分析方法评价了中巴地球资源卫星CCD相机遥感数据质量 ,在此基础上利用LANDSAT 7ETM +对CCD的对应波段进行交叉定标计算 ,得到了一组CCD的参考定标系数。在遥感数据质量评价研究中 ,使用统计分析方法计算得到了CCD相机图像数据的条纹强度 ;应用结构函数方法计算获得了CCD的噪声数据 ;通过功率谱计算 ,对比分析了CCD和LANDSAT 7ETM +对应波段图像空间纹理特征。该文通过交叉定标计算 ,得到了CCD相机前 4个波段的参考定标系数、动态范围和噪声等效反射率等参考指标 ,并对这组定标系数进行了验证 ,从验证结果中发现CCD1,2 ,3和LANDSAT 7ETM +对应波段反射率最大相差 1 98% ,最小0 0 3% ,平均差要低于 1 31% ,而波段 4最大也仅相差 4 4 1% ,平均差 3 0 2 % 。

一种基于互功率谱密度的频域模态识别法

对各测点响应的互功率谱密度函数进行了详细推导 ,提出了一种基于互功率谱密度的频域多参点辨识法 ,这意味着许多原本利用频响函数的传统频域识别法可以很容易地用于工作状态下的模态识别 ,大大开阔了未知激励下模态识别的视野。然后采用一飞机模型对该方法进行了试验验证 ,结果表明 ,本文所提出的方法确实可行。

用互功率谱进行未知激励下的模态振型识别

在激励满足白噪声的假设下 ,可以将互相关函数代替脉冲响应函数用于多参考点最小平方复指数法 ,单独利用响应数据求出系统的自然频率和阻尼 ,但无法获得模态振型。该文提出了一种用互功率谱求振型的方法 ,并对此理论进行了详细推导 ,以一悬臂梁为例对该方法进行了试验验证。结果表明 ,采用该方法能够有效地识别出模态振型 ,从而弥补了复指数法在未知激励下进行模态分析的不足。

基于阵列探测技术的激光测距数据预处理方法

阵列探测技术对回波信号及其微弱的空间碎片激光测距系统具有重要意义,可提高探测成功概率。针对这一崭新的激光测距技术,文中研究了基于阵列探测技术的激光测距数据预处理方法。在常规卫星激光测距数据预处理方法基础上,针对阵列超导探测器特点,结合地靶测量方法和多高斯拟合及互相关分析方法,实现了多通道激光测距数据的通道间的时间偏差修正;利用泊松统计分析、循环拟合滤波等方法,实现了多通道激光测距数据的自动识别、数据拟合等。目前该方法已经成功应用于中国科学院云南天文台4×4阵列激光测距试验平台试验中,并获得良好的效果。

基于省级截面数据的分布式光伏发电补贴政策实证分析

分布式光伏发电作为电能生产的重要组成部分,对优化能源结构、改善生态环境具有十分重要的意义。国家和地方出台了一系列鼓励分布式光伏发电的政策,但由于缺乏参照,补贴政策多种多样,实际效果并不明显。针对此问题,文章通过收集2014~2015年各省份分布式光伏发电的新增装机容量、财政补贴等数据,建立了基于省级截面数据的分布式光伏发电补贴政策实证模型,分析影响分布式光伏发电发展的主要因素以及财政补贴政策对分布式光伏发电发展的影响程度。研究结果表明,各省份分布式光伏发电的发展一方面决定于当地经济发展水平和资源条件,另一方面,补贴政策对分布式光伏发电的发展具有明显的激励效果。省级层面在制定分布式光伏发电支持政策时,应充分考虑当地的经济发展水平和资源条件,评估补贴政策对分布式光伏发电发展的促进效果以及给地方政府带来的财政负担,并对地市层面分布式光伏发电的发展配套一些鼓励性和约束性政策。

基于DPCA-BP神经网络的中长期电力负荷预测方法

针对PCA-神经网络预测方法解决预测问题时,忽视数据自相关性而造成的预测结果难以满足实际工程要求精度的研究现状,建立了预测数据的增广矩阵.通过计算前l时刻数据确定增广矩阵的维数,并把得到增广后的预测数据作为BP神经网络的输入变量,建立了基于DPCA-BP神经网络的预测模型,给出了模型结构.该模型能有效地去除自变量系统中与因变量无关的数据信息,增加自变量系统中数据的自相关性.算例比较分析表明,所建立模型的模型成分解释性增强,预测精度提高,预测效果优于PCA-BP神经网络方法.

基于群智数据的情境关联旅游路线推荐

针对基于不同出行需求的景区内路线规划问题,首先运用卷积-循环神经网络(CNN-RNN)对游记中图像与文本进行联合嵌入,将数据按照景点进行分类识别,然后使用基于图模型的PhotoRank算法优选出具有多样性、代表性的图片,最后采用关联规则挖掘得到针对不同出行人群的特定需求情境的推荐路线。以8个热门景点为例,对马蜂窝中采集的游记数据进行实验,结果表明提出的基于群智数据的跨模态分析和情境关联旅游路线推荐方法能够从多角度真实地刻画景点,并且所推荐的情境关联路线可满足不同人群的特定游玩需求。

基于SE-DEA的交叉效率模型的城市电网规划综合评判决策

针对城市电网规划综合评判因素的复杂性问题及超效率数据包络分析(SE-DEA)模型评价效率值的极端情形,提出在交叉效率模型的基础上引入SE-DEA模型,构建了基于SE-DEA的交叉效率评判模型,并建立了一套完整的电网规划综合评判体系。应用该模型的评价流程对一个实际电网规划算例进行了分析计算,得到的结果与SE-DEA法、区间层次法和模糊层次法的结果一致,是SE-DEA的均值,较SE-DEA模型效率值大小分布更加合理、有效,其评价结果科学、可行。

基于DEA的全国电网供热效率综合评判模型的研究

针对城市电网规划综合评判因素的复杂性问题及数据包络分析模型评价效率值的不足,在传统交叉效率模型的基础上引入改进后的交叉效率模型,构建了基于DEA的交叉效率评判模型,并建立了一套完整的电网规划综合评判体系,应用该模型的评价流程对一个实际电网规划算例进行了分析计算,得到的结果与实际情况相一致,其评价结果科学,可行,为发电所需能耗的节省提供了科学理论依据。

安全壳模型的振动台地震模拟试验

为了验证安全壳地震反应计算方法的可靠性，作者对几何尺寸缩比为１／１５的安全壳模型进行了振动台地震模拟试验研究．在试验过程中，模型多次出现振荡现象，作者对此现象作了分析，并在数据处理方法上做了技术处理．研究结果表明：实测与理论计算结果非常一致，表明所用的计算方法是可靠的．同时也证明了作者对振荡现象采取的处理方法是可行、有效的．

基于跨模态深度度量学习的时序数据异常检测

为妥善解决时序数据异常检测敏感度低、耗时长等问题,提出基于跨模态深度度量学习的异常检测方法。创建由输入层、三元组选择层和损失函数计算层构建的跨模态深度度量学习特征聚类模型,计算各聚类中心间欧式距离平方值,采用随机梯度下降策略优化模型,归类不同时序特征数据;以主成分方向矢量内积当作数据异常衡量标准,运用vMF分布描述时序数据的方向特征,训练历史数据得到评估时序参数,对比真实时序数据主成分方向矢量与门限值,完成异常数据检测。实验结果证明,所提检测方法能准确划分不同属性的时序数据,对异常数据敏感,检测精度高、速率快,鲁棒性强。

高精度随动数控凸轮轴磨床模态分析

基于环境激励的试验模态分析方法对高精度随动数控磨床进行测试与分析,并以自互功率谱法为理论依据识别系统结构的模态参数。研究了整机和砂轮架的动态特性,分别得到其前5阶模态参数。通过对整机和砂轮架各阶模态振型的分析,找到了结构的薄弱环节,为同类型磨床的持续改进提供依据。

大数据实时交互式分析

实时交互式分析针对多目标和多角度的分析任务,通过多轮次的用户-数据库交互过程,逐步明确分析任务与分析目标,全方位地了解相关领域信息,最终得到科学的、全面的分析结果.相比传统数据库“提交查询-返回结果”的单轮次交互查询方式,实时交互式分析更强调交互的实时性与查询结果的时效性.对实时交互式分析的研究已成为近几年研究的热点.针对当前实时交互式分析面临的若干关键问题,对现有的实时交互式分析研究的理论基础、数据模型与系统构架进行了综述.

基于表示学习的跨模态检索方法研究进展

多模态数据的急剧增长带来了跨模态检索的应用需求,促进了对跨模态检索方法的研究。本文追溯该领域最新进展,跟踪并深入研究国内外基于表示学习的跨模态检索方法,对跨模态检索问题进行定义并梳理该领域常用技术方法、主流模型、常用数据集、评价方法和面临的主要挑战。主要从统计相关分析、图正则化和度量学习3方面介绍基于表示学习跨模态检索方法,并分析其优缺点。为了分析上述方法的优劣性,实验分别在4个数据集上复现14种方法进行对比评价。实验结果表明:基于统计相关分析方法训练效率较高且易于实施;基于图正则化方法通过挖掘模态内和模态间的相似性,实现语义关联;基于度量学习方法是在公共子空间中尽可能保留数据语义相似/不相似的信息。本文介绍基于表示学习的跨模态检索方法的研究现状,为跨模态检索方法研究提供参考。

配电终端多源异构数据的跨模态聚合算法

针对配电物联网配电终端安全监测数据多源化、高度异构的特征以及配电物联网管理平台安全信息易受网络攻击和威胁的问题,文章提出一种跨模态数据聚合算法。该算法利用自适应分布嵌入阶段多源异构数据的跨模态来解决源域和目标域之间的欠适配和不平等问题,其对目标域数据是否产生网络威胁的判断可以比一些经典分类算法的更准确;通过构建各类型安全监测数据域的自适应方法来对网络威胁做出更加全面的描述,有利于进一步挖掘出潜在的未知网络威胁。实验结果表明,本文所提算法对参数的选择不敏感,且可收敛;与多视角学习支持向量机(SVM2K)、非监督域自适应法及同时使用特权信息和非监督域自适应法的方法相比,其识别准确率提高了10%~20%。

基于DSP的漏水数据采集分析仪设计

针对供水管道漏水现象时有发生,文中基于DSP提出一种数据采集分析仪的设计,并从硬件方面和软件方面分别对系统进行了描述和讨论。数据采集分析仪分为主从机结构,主要由DSP数据处理最小系统、数据采集模块、无线通信XBEE模块、MCU人机接口模块组成。实验表明,系统能够快速采集漏水数据和分析其功率谱估计和互相关运算,在供水行业具有较高的实用价值。

基于主成分分析和梯度提升树的变电设备状态评价

变电设备作为电网中的重要组成部分,其及时、准确的监测对于保障电网安全具有重要意义。目前对于变电设备的监测主要是通过日常巡视结合例行试验的方式,对设备运行状态监测存在延迟性和不全面性。本文通过大数据分析技术,依托变电设备的大量参数数据、运行数据、检修数据、试验数据等构建特征数据集,采用非参数检验方法对各参数进行校验,利用主成分分析对特征集进行降维处理,得到新的表征设备状态的特征数据集进行状态评价分析。通过采用梯度提升树构建设备状态评价模型,并结合交叉验证分析评估训练误差和泛化误差,通过与神经网络、支持向量机等其他分类模型进行比较分析,经测试数据验证,其预测结果具有较高的准确性。通过大数据分析技术与设备监测相结合,提高了设备状态监测的准确率,具有较好的推广应用价值。