配电网间歇性重燃电弧模型的建立与断续弧光接地故障特征分析研究

电弧间歇性重燃是配电网单相接地故障最显著的特征。现有的电弧模型甚少考虑电弧间歇性重燃特性,导致无法精确描述断续弧光接地特征,进而影响继电保护动作。为此,论文提出一种间歇性重燃电弧模型的建立方法,并在此基础上对断续弧光接地故障特征进行了分析。弧道阻抗的随机变化是电弧间歇性重燃的重要标志,故论文重点围绕弧道阻抗变化的随机性和重燃时间间隔的随机性开展间歇性重燃电弧模型的研究。黑盒电弧模型中,Cassie-Mayr联合模型能完整的描述电弧电流从大电流到小电流的变化过程,但存在从大电流变化为小电流的判据模糊,转换过程突变的问题。为此,论文通过引入连续过渡函数解决上述问题。同时,为描述弧道电阻的变化特性,利用Fermi函数对联合模型中Mayr模型和Cassie模型进行权重分配。以改进的Cassie-Mayr单次燃弧模型为基础,根据工频熄弧理论,通过设置燃弧时间长短表征间歇性重燃的随机性,从而建立了间歇性重燃电弧模型。利用该模型,对典型10kV配电网单辐射型网架结构的接地故障进行模拟仿真,采用快速傅里叶变换(fast Fourier transform,FFT)和小波包分析提取了不同条件下故障电压、电流、高次谐波、零序分量以及频率分布等故障特征。研究结果表明:改进后Cassie-Mayr联合模型不但解决了电弧电流从大电流到小电流的转换突变问题,且不同模型权重占比的分配更能准确地表征实际燃弧弧道阻抗变化的随机性;通过设置电弧燃弧时间长短,准确地描述间歇性重燃的随机性;电弧断续时刻为非整数周期下的过电压、过电流幅值高于整数周期;电缆线路增大了故障线路电流,过电流可达3.81~7.20pu,不利于熄弧;大电流系统故障相零序电流主频在0~400Hz,小电流系统故障相零序电流主频在1200~1600Hz。

基于DS证据融合生成伪标签的SAR图像变化检测

合成孔径雷达(Synthetic Aperture Radar,SAR)图像变化检测是一种检测两张SAR图像中变化区域的技术。在基于神经网络的无监督变化检测方法中,伪标签的质量影响到了检测结果的精度。为了提高精度,提出一种基于登普斯特-沙弗(Dempster-Shafer,DS)证据融合理论生成伪标签的方法,再结合多层次模糊C类均值聚类和卷积小波神经网络实现变化检测。该方法通过对三种不同差异图聚类生成的伪标签进行DS证据融合得到融合伪标签,使训练样本更加准确,然后利用网络对像素进行分类,得到变化检测结果。经过实验,该方法在渥太华、越南红河和黄河数据集上的检测精度分别达到了98.48%、97.95%和96.18%。

基于超声射频RF信号的脂肪肝分级量化方法

采用时域、频域分析方法和模式识别技术基于肝脏超声射频信号,探讨一种新的脂肪肝分级量化方法,尤其针对目前较难鉴别的轻度脂肪肝。选取肝脏部位感兴趣区域内的超声射频信号,然后利用时域和频域分析技术,提取多个特征量,如期望值、低频小波系数均值和小波模极大值均值。并采用BP神经网络进行脂肪肝识别量化。实验结果表明,期望值、低频小波系数均值和小波模极大值可以有效地描述超声射频信号特征,其中正常肝识别率达90.0%,轻度脂肪肝识别率达86.7%,中度脂肪肝识别率达83.3%,重度脂肪肝识别率达90.0%。实验证明超声射频信号在脂肪肝的诊断中是有意义,为计算机辅助诊断脂肪肝提供了一个新的方向。

云计算下的一种网络流量预测算法的研究

为了提高云计算下的网络流量的预测精度,提出了一种基于遗传算法的小波BP神经网络的预测模型。首先针对BP神经网络的不足,引入动量项进行改进,其次,在遗传算法中加入进化操作,提高了算法的整体效率,将改进后的算法与小波函数进行融合,整体优化了BP神经网络的阀值和权值进行优化。仿真实验通过与其他文献算法的比较,说明本文算法具有良好的收敛速度,有效的提高预测的精度。

城市供水管网水量预测的小波神经网络方法

为提高城市供水优化调度的可靠性和实用性,对城市管网水量预测的方法进行了研究.提出了利用小波分解与人工神经网络相结合的小波神经网络管网水量预测模型,该模型以非线性小波基为神经元变换函数,通过伸缩因子和平移因子计算小波基函数合成的小波网络,并从理论上给出了严密的算法;同时通过逐步检验算法,科学地确定了网络结构,克服了普通人工神经网络难以确定网络结构、存在局部极小点等缺点.仿真结果表明,该模型比普通人工神经网络预测模型的预测精度高,并具有很强的适应能力.

双向工频通信信号的特征提取与模糊分类方法

文章介绍了双向工频自动通信系统的调制原理。针对目前该系统时域解调方法的不理想，提出了一种样条小波变换与自适应模糊神经网络相结合的信号检测方法，实验结果表明该方法是有效的。

自动控制系统故障诊断技术的发展与展望

通过将自动控制系统的故障诊断分为基于数学模型的方法、基于信号处理的方法和基于知识的方法三大类进行讨论,得出了故障诊断技术的发展概况与发展趋势。进一步给出了故障诊断技术典型新应用,并指出了故障诊断技术中存在的问题和未来的研究重点。

基于机器学习的能力评价与匹配研究

目前,高校学生就业形势严峻,针对企业看重的能力对学生做出评价,有助于企业选拔人才,同时也能提高学生的竞争力。采用层次分析法和模糊评价相结合的方式对高校学生的综合能力进行评价。为了解决模糊系统无法自动调整隶属函数参数的问题,有效结合模糊理论和神经网络架构的优点,提出了引入神经网络的综合评价改进算法;并设计具有时频局域化特性的小波神经网络,能够更好地模拟非线性函数,用于预测学生适合的职位。分析实验结果表明,基于改进模糊神经网络算法的能力评价模型与小波网络职位匹配模型,能够提升系统精度与自适应能力,评价结果客观,对学生的能力评价及就业选择具有指导意义。

基于小波神经网络的电力电缆故障定位方法研究

为实现电力电缆故障点在线迅速准确的定位,结合电力电缆的故障特点,提出一种利用小波神经网络对电力电缆故障进行定位的方法。应用小波包分析理论对电力电缆故障信号进行特征提取,并在此基础上利用人工神经网络强大的非线性特征函数拟合能力来实现小波包系数到故障距离的映射,解决故障在线测距问题。选择若干历史故障测距数据进行仿真试验,试验结果表明,利用训练成熟的小波神经网络能够在较小的误差范围内实现故障定位。

基于小波神经网络的航空蓄电池容量预测

为有效预测航空蓄电池的剩余容量,引入小波神经网络,建立了蓄电池内阻和SOC的小波网络模型,通过实验数据对小波网络模型进行训练,得到了用于内阻和SOC预测的小波网络,最后将小波网络的预测结果和BP网络的预测结果进行对比,结果表明小波网络比BP的预测精度要高,更适合用于航空蓄电池容量的预测。

非直接接地系统单相接地故障选线方法综述

在我国3～66kV配电网中,广泛采用非直接接地系统,也就是小电流接地系统。而此类系统发生最多的是单相接地故障,如何快速准确地检测出故障线路一直是电力系统继电保护的重要研究课题。本文回顾了小电流接地系统单相接地故障选线方法发展的历史,对现有的各种选线原理和方法做了系统归纳和比较,并给出了几点结论。

基于小波分解的城市供水管网短期水量负荷预测

利用小波分解和人工神经网络相结合的方法建立了城市供水管网短期水量负荷的组合预测模型。该方法首先利用小波分解技术将时负荷水量分解为相对简单的带通分量信号,然后根据各分量信号的特点分别建立独立的神经网络预测模型,最后将预报结果集成。由于小波分解后各分量的频率相对单一,因而可有效缩短网络训练时间,提高计算速度。仿真计算结果表明,该方法建模合理、计算量适中,可准确预测管网水量。

基于小波神经网络的船舶缆绳载荷预测方法

在船舶缆绳载荷准确预测的研究中,由于船舶缆绳载荷不仅受到风、流、浪等环境因素的影响,还受到船舶的船型、受风面积、吃水大小等因素的共同影响,因此具有较强的随机性和复杂性,是一种非平稳的时间序列,传统的神经网络预测模型在进行负荷预测过程中,无法处理这种非平稳信号导致很难进行准确测量。提出一种基于小波神经网络的船舶缆绳载荷预测方法,算法结合小波分析的时频局部特性与聚焦特性和神经网络的自学习、自适应和推广能力,将小波基函数作为神经网络的隐含层节点的传递函数,建立小波神经网络预测模型,以船舶缆绳的采集数据作为模型的输入与输出,利用小波函数处理非平稳信号的能量,解决缆绳负荷的非线性问题,凭借神经网络小区域计算能力,对预测结果进行进一步优化。仿真结果表明,小波神经网络用于船舶缆绳载荷数据处理,精度满足要求,具有良好的适用性。

基于小波变换的月度负荷分析及混合预测

为了合理安排电力系统的中期运行计划,针对月负荷曲线的特点,提出一种基于小波变换、无偏灰色预测模型和RBF(径向基函数)神经网络的月度电力负荷混合预测方法。首先,基于小波变换将月负荷历史数据进行分解,表明月度负荷具有连续增长和周期性波动的特征分量。其次,针对各分量不同变化规律,分别采用不同的预测法进行预测:针对连续增长的分量,采用无偏灰色预测模型进行预测;针对周期性波动的分量,采用RBF神经网络法进行预测。最后,将各分量的预测结果进行重构,得到未来几个月的负荷曲线。仿真结果表明所提出的月度负荷分析和预测方法是准确有效的。

基于PT在线注入信号及神经网络跟踪小波变换模极大值变化的配电网故障定位方法

提出了一种配网单相接地在线故障定位的新方法。故障发生后从变电站母线在线向系统注入高频脉冲信号并获取线路上与注入信号相对应的反射行波,在电网结构已知的情况下,通过对反射波的分析进行故障定位。该方法不仅能检测故障点的电气距离,而且能确定故障所在的分支线路,还能通过调节注入信号的大小多次定位故障,提高定位的准确性。应用该方法进行故障定位不受接地电阻的限制。通过M atlab/S imu-link进行了建模与仿真分析,仿真结果验证了该方法的正确性。

基于改进的分块2DPCA和神经网络的掌纹识别

以掌纹为研究对象,提出基于分块2DPCA和二次2DPCA相融合的特征提取算法,并选择RBF神经网络作为系统分类器。首先对提取的ROI区域进行巴特沃斯-小波去噪,然后通过改进的算法提取得到最终的特征向量,最后由RBF神经网络进行分类识别。通过Poly-U掌纹库的仿真实验表明,此方法具有可行性和有效性,识别时间明显缩短,且保持了较高的识别率。

航空用蓄电池容量预测的新方法

研究了预测蓄电池容量的一种新方法。为有效预测航空用蓄电池的剩余容量,引入小波神经网络,建立了蓄电池内阻和荷电状态(SOC)的小波网络模型,通过实验数据对小波网络模型进行训练,得到了用于内阻和SOC预测的小波网络,最后将小波网络的预测结果和BP网络的预测结果进行对比,结果表明小波网络比BP的预测精度高,更适合用于航空用蓄电池容量的预测。

基于混合算法的单端行波故障测距方法研究

针对单端行波故障测距中存在故障点反射波和对端母线反射波波头性质辨识的问题,提出一种基于小波变换、神经网络、遗传算法相结合的优化故障测距方法。利用小波变换采集前3个故障行波波头信息,将后2个波头与首波头的时间差以及对应波头极性作为神经网络模型的样本属性,利用遗传算法优化神经网络结构。当实际线路发生故障时,提取故障行波信息进行归一化处理后代入故障测距网络模型得到初步测距结果。根据初测结果和小波模极大值极性判别法的关系,对波头性质进行正确辨识,得到精确的测距结果。当极性判别法失效时,将初测结果作为最终测距结果。经仿真验证,该方法有较高的可靠性和精确性。

用于调压器动态性能测试的发电机非线性建模方法

针对传统调压器动态性能测试方法的不足,提出了构建虚拟平台的概念。在分析调压器动态性能测试需求的基础上,研究了基于模块化建模思想的飞机发电机非线性建模的方法,建立了基于小波神经网络的发电机特性模型,并用所获数据对小波神经网络进行训练,得到了同步发电机突加、突卸负载特性模型,最后对模型进行了验证和误差分析。精度分析的结果表明:所建模型准确有效,用于对配套型号的调压器进行动态性能测试是可行的。

小波分析和人工神经网络在金属超声无损检测缺陷分类中的应用

基于金属超声检测中的缺陷脉冲回波为非稳态信号的特点,对高温合金材料超声检测信号的小波变换进行了特征分析,提取了各级小波分解信号的能量分布特征,最后将这些特征输入人工神经网络进行训练和分类,实验表明,这种方法具有良好效果。