自适应粒子群集优化二维OSTU的图像阈值分割算法

为了解决红外相机采集行人图片时图像分割效果问题,提出一种自适应粒子群优化二维OSTU的阈值分割算法。利用当前帧图像的灰度级和当前帧图像像素的邻域灰度级构成二元组,通过计算二者的均值和方差,建立二维最大类间方差模型,结合自适应粒子群集算法,估计出图像的最佳阈值,该方法不仅能够准确估计阈值且计算时间减少。仿真结果表明,阈值最佳时,当结合自适应粒子群集优化算法后计算时间减少到原来的50%,所提出的算法能够快速准确得到最佳阈值,提高了图像预处理的分割效果。     

基于阈值选择策略的改进混合蛙跳算法在电网规划中的应用

利用混合蛙跳算法(SFLA)具有高效计算性能和优良全局搜索能力的优势,针对其侧重于解决连续性问题以及易陷入局部最优解的不足,通过对混合蛙跳算法的解向量进行离散化处理并采用阈值选择策略,提出了适用于电网规划的一种基于阈值选择策略的改进混合蛙跳算法(ISFLA)。算例应用结果表明,与粒子群算法(PSO)相比,所提算法能够在较小的计算规模和较短的计算时间内得到全局最优解。通过进一步分析不同阈值对算法收敛速度的影响可以看出,应针对不同的电网规模及扩展规划范围选择合理的阈值,以此提高ISFLA的收敛速度和电网规划的有效性。     

基于阈值选择策略的改进混合蛙跳算法在电网规划中的应用

利用混合蛙跳算法(SFLA)具有高效计算性能和优良全局搜索能力的优势,针对其侧重于解决连续性问题以及易陷入局部最优解的不足,通过对混合蛙跳算法的解向量进行离散化处理并采用阈值选择策略,提出了适用于电网规划的一种基于阈值选择策略的改进混合蛙跳算法(ISFLA).算例应用结果表明,与粒子群算法(PSO)相比,所提算法能够在较小的计算规模和较短的计算时间内得到全局最优解.通过进一步分析不同阈值对算法收敛速度的影响可以看出,应针对不同的电网规模及扩展规划范围选择合理的阈值,以此提高ISFLA的收敛速度和电网规划的有效性.     

自适应混合粒子群算法在梯级水电站群优化调度中的应用

针对梯级水电站群长期优化调度发电量最大模型,提出了一种自适应混合粒子群进化算法（AHPSO）。该算法引入混沌思想生成初始解,并定义了粒子能量、粒子能量阈值、粒子相似度和粒子相似度阈值来描述算法的自适应变化以及群体进化程度,同时结合遗传变异思想进行粒子操作,最后提出了一种基于邻域的随机贪心策略以解决算法后期进化速度慢的缺点。以澜沧江下游梯级水电站群为计算实例的结果表明,AHPSO比基本粒子群算法有更好的收敛性和优化结果,计算时间比逐步优化算法少,且优化结果相近,是一种可供选择的计算方法。     

基于自学习算法的智能变电站过程层网络流量异常阈值设定方法的研究

针对站内网络流量异常的监视采用人工设定阈值的方式存在的问题,提出了一种基于自学习算法的智能变电站过程层网络流量异常阈值设定方法,该算法主要特征为依据当前站内实际接入情况进行流量异常阈值的计算。采用该算法计算的流量异常阈值具有更好的针对性和实际价值,使得流量异常告警具有真正参考价值。     

基于改进阈值和阈值函数的电能质量小波去噪方法

针对电能质量扰动类型多,成分复杂,扰动特征易被当作噪声去除等问题,提出一种改进小波阈值去噪算法。该算法通过计算每层小波系数的峰和比来确定该层噪声含量,使修正因子Fj可根据不同扰动信号的噪声分布特点自适应调整通用阈值。同时,提出了改进的阈值函数,可变参数a能调节自身软、硬特性从而确定合适的阈值函数。采用该算法对七种常见电能质量扰动信号去噪,仿真结果表明,改进小波阈值去噪算法在不同噪声干扰下,对各类扰动信号都能达到较好的信噪比,去噪效果稳定,重构信号波形恢复较好,且在去噪过程中保留了扰动特征,能为后续电能质量分析提供准确有效的信息。     

基于区间证据推理的继电器接触系统故障检测

针对现有接触电阻阈值检测算法过于依赖先验知识导致漏检率较高的缺陷,提出一种基于区间证据推理的继电器接触 系统故障检测算法。 首先,将先验阈值和接触电阻测试数据转换为区间信度结构;然后,根据修正权重对先验阈值和测试数据 进行区间证据推理融合;最后,计算出融合后的检测阈值。 该方法充分考虑了接触电阻测量模型所包含的不确定性以及区间证 据推理融合过程中的权重一致性,避免了现有算法自适应能力不足的缺陷。 在继电器加速寿命试验平台上进行验证,实验结果 表明,与经验阈值算法和常规区间证据推理方法相比,所提算法具有较好的自适应能力,可以有效提升电磁继电器接触系统的 故障检测精度。 考虑数据不平衡问题,对原始数据进行重采样后,所提算法能进一步提高故障检测效果。     

混合粒子群优化小波自适应阈值估计算法及用于局部放电去噪

小波去噪是局部放电(PD)检测中常用的去噪手段,小波阈值的选取会对局部放电信号失真度及误差产生重要影响。为了提高局部放电小波去噪的自适应能力,降低去噪畸变,提出了1种用于局部放电信号去噪的混合粒子群优化小波自适应阈值估计(HPSOWATE)算法。针对普通阈值选取算法容易陷入局部最优的问题,采用融合了交叉、变异的HPSOWATE算法进行了全局自适应搜索最优阈值。引入遗传算法及标准粒子群算法对计算结果进行了验证。对局部放电染噪仿真信号和现场实测信号的去噪结果表明,该算法能够有效地跳出局部最优位置,较快收敛到全局最优,显著提升了结果可信度和算法计算速度。计算结果表明,所提出的算法在不同信噪比下得到的去噪信号的均方误差(MSE)和幅值误差都最佳,能更好地去除局部放电信号中的白噪声,具有良好的应用价值。     

基于信号相关性和小波方法的电能质量去噪算法

提出了一种基于小波原理的电能质量信号去噪算法。基于软阈值原理的小波去噪算法在电能质量信号检测中得到很好的应用。但其存在阈值计算受噪声强度的缺点 ,当信号被强噪声“淹没”时 ,该方法仍然会失效。本文在对电力信号进行小波空间中的自相关性关系分析的基础上 ,结合软阈值算法和小波原理 ,构造了能有效地处理各种电能质量信号的去噪算法 ,该算法能弥补传统软阈值算法的缺陷 ,较好地解决了保护信号局部特征与抑制噪声之间的矛盾。计算结果表明上述检测算法是有效的。     

基于等效算法和解析式拟合的快速配网暂降评估

随着精密器件和半导体在日常生活和生产的广泛应用,电力用户对电压质量的要求日益趋升。故障引起暂降等电能质量问题不可忽视,为量化短路故障下暂降的风险,通常要对网络作故障的蒙特卡洛模拟,计算量巨大。为提升配网暂降评估的速度,提出基于等效计算和解析式拟合的快速算法。先应用采用组合负荷模型的等效算法进行暂降计算,根据计算结果求解解析式形式的拟合函数,并考虑暂降区间不同对用户影响程度差异引入电压关键阈值和最低容忍阈值概念,最后通过积分和加权求和实现快速配网暂降评估。在IEEE 33配网系统上进行实验,应用文中算法完成暂降评估的结果与应用蒙特卡洛法模拟结果差异很小,前者在时间上具有明显优势。