基于递归小波神经网络的敏感台区反窃电监测方法

当前敏感台区反窃电监测方法在面对连续监测状况时,监测数据中含有大量噪声数据和无用数据,导致对窃电行为的诊断依据不足,为解决该问题,提出基于递归小波神经网络的敏感台区反窃电监测方法.利用A/D采集电路和互感器采集用户用电数据,通过数据预处理剔除噪声数据和无用数据,同时使数据归一化.在此基础上,提取用电数据特征,并从电流、电压、功率因数、电量四个方面确定窃电行为判别指标,将数据与特征值输入至递归小波神经网络中,结合判别指标输出精准的窃电行为判别结果,实现敏感台区反窃电监测.实验结果表明,研究方法能够准确捕捉到功率因数的变化,窃电行为判别时间短,敏感台区反窃电监测效果更优.     

大数据架构下的用电评价与反窃电技术探讨

当前用电数据类型繁多、数量庞大、窃电手段多样化,仅采用传统用电数据对比存在耗时耗力、精度较低的缺陷.本文基于BP神经网络强大的学习能力和反馈纠错能力,建立反窃电嫌疑分析模型.实例验证结果表明,采用构建的防窃电嫌疑分析模型的整体判定准确度保持在96％以上,具有很高的精度,能很好地满足使用电网监督要求.     

反窃电工作中措施的研究

"电能是商品,用电需缴费"。这是我们电力企业宣传常见的标语。然而一些电力客户对此毫不在乎,冒着危险参与到窃电的行列中来,给国家和人民的生命财产安全造成了极大的威胁。尤其是在新时期背景下的电力企业,开展反窃电工作已经是一件迫不及待的工作。基于此,本文正是结合这一背景,首先对违章的用电户所采用的窃电方法进行了分析;其次就反窃电工作中措施进行了研究。旨在与同行进行业务交流,以不断提高反窃电工作的成效。     

窃电方式与反窃电技术探析

随着现代社会的发展,窃电方式呈现出隐蔽化、复杂化、多样化、智能化的特点,这给反窃电工作增加了很大的难度。本文就窃电方式与反窃电技术进行探析,旨在与业内人员交流。     

用电监察中窃电与反窃电技术分析

受经济利益的诱惑,电力系统中的窃电问题越来越严重,在为电力企业带来巨大经济损失的同时,也造成了供电的不公平性。本篇文章从窃电问题的现状出发,对电力系统中的漏洞进行了介绍,阐述了防窃电的相关措施。     

GPRS远程抄表系统在反窃电中的应用分析

随着我国电力事业进程的不断加深,各种窃电行为也是层出不穷,尤其是当前的电费抄表形式,大多数供电企业仍采用传统的人工手动方式进行电费抄表工作,这不仅已经无法在满足社会生产力发展和人们日常生活需求,还导致窃电行为有机可趁。因此,供电企业为了紧跟时代发展,就必须采用先进的技术进行抄表工作,不仅能提高工作效率,满足需求,还能有效防止窃电行为的出现。     

对窃电方式及反窃电技术的分析

随着社会改革的不断深化,电力行业得到了飞速发展,电能成为了我们生活中不可缺少的一部分。但是社会电力企业快速发展的节奏下,窃电行为总是阻碍着其发展,这种现象在近几年里尤为突出。基于此本论文首先就当前窃电的方式,以及窃电行为原因进行深入的分析,然后对反窃电技术进行阐述,最后总结了一些建议。     

小波神经网络在飞控系统辨识中的应用研究

选择以sigmoid函数为基础的小波基波函数构造了一个小波神经网络,利用小波网络对复杂的飞控系统对象进行在线辨识研究,仿真结果表明小波神经网络基本满足某型飞机飞控系统在线辨识的要求。     

小波神经网络方法在入侵特征分类技术中的应用研究

利用小波变换的时频局部化特性和神经网络的自学习能力,构建基于小波变换的神经网络,从而使该神经网络具有较强的逼近能力和容错能力。将小波神经网络应用于入侵特征分类技术当中,具有了较强的自适应、自学习能力,并通过对动量项因子和学习因子的调整对模型进行改进,解决传统的前馈神经网络易陷入局部极小点的问题,加快神经网络的收敛速度。     

小波神经网络在黄金价格预测中的应用

通过对影响黄金价格变动的主要因素的研究,提出一种基于小波神经网络的黄金价格预测模型。给出了具体的网络学习算法,并结合算法对黄金价格进行预测。为验证模型有效性,进行了对比测试。分析结果表明,小波神经网络模型比传统的BP神经网络模型具有收敛速度快、预测精度高的特点。     

小波网络在航空发动机状态监测中的应用研究

为准确监测航空发动机的状态以保障飞行安全,需要对航空发动机这个复杂系统建立精确模型,将人工神经网络很强的非线性映射能力与小波分析特有的时频分析能力相结合可以对复杂的非线性系统进行系统辨识;选择以sigmoid函数为基础的小波基波函数作为神经网络神经元的激励函数,构造了一个三层小波神经网络,利用该小波神经网络对航空发动机转动状态进行系统辨识研究,仿真结果表明小波神经网络能对某型飞机航空发动机转动状态进行准确辨识.     

小波混沌神经网络的研究与应用

混沌神经网络已被证明是解决组合优化问题的有效工具,但单一化的退火因子无法同时满足准确性和速度性两方面要求,因此改变传统的混沌方式以提高搜索速度和精度就变得尤为重要.文中将Sigmoid函数转化为小波函数可以有效地解决该问题,通过将Sigmoid函数转化为Mexican hat小波函数,以及引入Shannon小波和Sigmoid函数加和组成的非单调激励函数这两种方式,提高了搜索效率和准确度,并用这两种新的模型对两种优化问题进行仿真.仿真结果表明小波混沌神经网络无论在全局最优解的搜索效率还是精确度上都明显优于传统的混沌神经网络.可知将小波函数引入混沌神经网络是极具研究潜力的.     

小波神经网络在雷达故障诊断中的应用研究

根据某型雷达接收机的信号特点,提出了基于小波神经网络和专家知识相结合的雷达智能故障诊断方法,探讨了该方法在某型雷达接收机故障诊断中的应用,采样信号经过小波去噪和小波特征向量提取后再进行归一化处理,作为小波神经网络的输入向量,小波神经网络隐含层的激活函数选用小波函数,完成雷达接收机典型故障的诊断;MATLAB实例仿真结果表明,该方法诊断准确,智能化水平高,有很好的自学习能力,提高了故障诊断的正确性和效率。     

模糊小波神经网络的研究及其应用

针对小波神经网络训练时间较长且易陷入局部极小值的缺点,文章提出了将小波神经网络融合模糊算法的方法,并建立了模糊小波神经网络模型及其训练算法,给出了该模型在变频调速系统故障预测中的应用实例。应用结果表明,模糊小波神经网络提高了网络训练速度,达到了优良的函数逼近效果。     

基于自适应递阶遗传算法的小波网络研究与应用

针对传统网络收敛速度慢、隐层节点数选取盲目的问题,提出了一种基于递阶结构的自适应遗传算法.该遗传算法采取基于递阶结构的编码方式和自适应调整遗传算子,以网络的复杂性和准确性为目标函数,同时优化小波网络的结构和网络参数,并将优化网络用于飞控系统舵机的故障诊断,通过与传统的BP算法比较,结果表明基于递阶结构的自适应遗传算法的网络结构优化能力很强,且网络的收敛性能和诊断能力都有了很大的改进.     

小波神经网络在过程控制中的应用

在工业过程控制中,常常存在一些重要的变量难以测量,为了解决这个问题,出现了软仪表.软仪表的实质是建立被测量参数与影响该参数的其它操作参数之间的数学模型,通过计算得出此类难于测量的变量的数值.小波神经网络就是软测量的一种方法.在传统的小波神经网络的基础上进行了改进,利用小波对工业现场过来的数据进行了降噪,并使用主元分析法去除了数据的相关性.然后对处理过的数据建立小波神经网络模型,最后通过计算机仿真证实了该方法的良好的收敛速度快,不容易陷入极度最小等辨识效果.     

小波神经网络在齿轮故障诊断中的应用

提出了基于小波分析和SOM网络相结合的故障诊断方法,利用小波分析技术采集拖拉机齿轮故障特征信号,然后利用SOM神经网络对采集到的故障数据进行建模诊断.实验表明,该方法能有效提高齿轮故障诊断的准确率.     

基于LSFD算法的小波模糊神经网络的研究与应用

利用小波变换的多分辨率特性构造小波模糊神经网络模型,并应用在非线性系统的辨识上.在参数学习上,给出了模糊微分与李亚普诺夫稳定相结合的新算法—LSFD算法,并与梯度下降法进行了对比.通过仿真,结果表明小波模糊神经网络模型与模糊神经网络、模糊小波神经网络、小波神经网络和神经网络等模型相比,其性能指标最小,收敛速度更快,更加准确.