电力数据信息网络阻塞故障节点快速辨识研究

由于电力数据信息网络阻塞,导致脆弱性故障节点快速扩散,造成故障节点辨识效果差且耗时较长。为此,提出了电力数据信息网络阻塞故障节点快速辨识研究。构建网络阻塞故障节点跟踪模型,获取故障节点跟踪集合。使用层次分析法构造比较矩阵,计算辨识指标权重向量。定量分析故障数据特征,获取故障节点信息特征矢量。结合神经网络模型构建分析矩阵,在短时间内得到最终故障节点分布结果。通过量化指标,获取故障节点辨识结果。计算节点继电保护脆弱贡献度,辨识脆弱故障节点。由实验结果可知,该方法统计的故障节点信息特征与理想特征一致,具有较好的辨识效果,辨识时间仅为10 s,加快了故障节点的辨识速率。

基于双窗口对比和自适应容差的图像去雾

雾天环境下图像质量下降,给户外视觉系统的应用带来极大阻碍。为解决此问题,提出一种基于双窗口对比和自适应容差的图像去雾算法。首先通过两个窗口逐像素对比来改进暗通道,使用改进后的暗通道求取透射率;然后提出自适应容差机制修正透射率,有效解决明亮区域透射率估计不准确的问题;最后将图像变换到HSV色彩空间,通过增强V分量来提高图像整体亮度。实验表明,算法能够较好地解决伪影和失真问题,在数据集上,峰值信噪比值为18.31、结构相似性值为0.81、信息熵值为7.52、平均梯度值为7.34。与传统和深度学习方法对比均有显著优势,相较于新颖的深度学习算法,4项指标分别提升了46.59%、14.08%、2.45%和35.42%。