基于应变累加法计算输电线路的弧垂

利用应变累加法,计算了钢芯铝绞线(LGJ或ACSR)的钢芯和铝线的总应变,得到其与应力和导线温度的关系.在考虑导线初伸长的基础上,利用迭代法计算了导线的弧垂.计算结果表明:对于型号为LGJ240/40的钢芯铝绞线,在档距为400m时,温度每升高10℃,弧垂增加约为0.45m.     

基于java实现的输电线路弧垂测量策略

线路弧垂是输电线路安全运行的重要指标,传统的弧垂测量方法在特殊地形、线路带电、台账缺失等情况下往往无法开展,计算弧垂时往往还需手工计算,计算量大,易出错.为此,文章介绍一种在档外视野范围内测量弧垂的新策略,称为"两点法".此方法推出最大弧垂计算公式后,再运用java语言编写计算程序实现.应用该方法时只需两导线悬挂点在视野范围内,不受地形、线路运行情况及线路台账已知等条件限制,具有易操作、易实现、结果准确等优点.     

输电线路弧垂对动态增容的影响

随着电力负荷的日益增长,如何在保证安全的前提下最大限度提高输电线路的输送容量是将变得非常重要。首先分析了影响动态增容的主要因素,在保证系统安全运行的情况下,研究了最大输送容量、导线温度、风速变化与弧垂的关系。将风的影响看作为一种载荷,得到了悬挂杆间的最大弧垂公式,利用弧垂测量值推算导线的平均温度,通过现场的数据采集与监控提供的数据,采用回归分析方法对传输容量与弧垂关系式进行分析与推断,通过后台的分析,检验弧垂对地的安全距离,就能确切知道线路的增容极限,此方法降低了容量计算的复杂性,提高了精确度,减少了温度测量装置等,具有实用价值。     

架空输电线路弧垂变化的原因及调整计算方法

通过对长时间运行线路导线对地距离不足的情况进行分析,总结出引起导线弧垂变化的原因,并介绍了调整导线弧垂和导线线长的计算方法,详尽地对比各调整方法的优劣性,最终确定了采用计算方法调整导线弧垂,从而较全面地了解架空输电线路弧垂变化的规律。此计算方法简单、快捷,降低了弧垂调整工作的难度,缩短了停电时间,提高了工作效率,节约了成本,可以在供电企业推广使用。     

基于改进PSO-BP神经网络的冰蓄冷空调冷负荷动态预测模型

当前多数冰蓄冷空调冷负荷动态预测方法中,由于模型输入变量与输出结果相关性差、信息冗余度高等原因,导致多数预测模型在预测精度和收敛速度方面都未达到理想的预测效果,因此,提出一种改进的PSO-BP神经网络算法预测大型公共建筑的冷负荷。对于输入变量与输出结果采用灰色关联度分析,消除样本输入变量对数的耦合性,确定影响冰蓄冷空调系统冷负荷的关键性因素,将其作为输入变量,预测冰蓄冷空调系统动态冷负荷。结果表明：T时刻室外空气温度、T-1 h时刻室外空气温度、T时刻室外空气湿度、T时刻太阳辐射强度、T-1 h时刻太阳辐射强度、T-1 h时刻空调冷负荷是影响T时刻冰蓄冷空调系统冷负荷的关键因素,并以此作为预测模型的输入变量。相对于传统PSO-BP神经网络全输入变量预测算法,该模型预测结果精确度更高、收敛速度更快。     

一种面向不平衡数据集的过采样算法

传统过采样算法通过合成少数类样本来改善不平衡问题,但未考虑产生噪点与样本分布不均匀等问题,针对该类问题,提出了一种基于聚类与对改进SMOTE的过采样算法SK-SMOTE。该算法在聚类前,先合成一部分少数样本,以此提高少数类样本数量,同时根据合成的少数类样本的邻居样本的类别和距离赋予权重,通过权重总和是否大于设定的值来决定该样本是否可以被保留。在提高少数类样本数量后,再使用KMeans算法进行聚类,然后保留少数样本较多的簇。在簇内进行过采样,相对稀疏的簇将合成更多的少数类样本。选取UCI和KEEL数据库中的不平衡数据集,将SVM、RF、KNN作为分类算法,并选用几种经典的SMOTE算法与SK-SMOTE进行多组对比实验。实验结果表明,SK-SMOTE算法可有效平衡不平衡数据集,且在不平衡比例较高的数据集上取得了比传统过采样算法更好的结果。     

面向不平衡数据集的SMOTE-SVM交通事件检测算法

针对现实中交通正常运行状态远多于事件状态这一事实,提出了面向不平衡数据集的交通事件检测算法.运用SMOTE (Synthetic Minority Over-sampling Technique)算法重构训练集,使之平衡,以支持向量机(Support Vector Machine,SVM)作为分类器,对交通事件进行检测.使用美国I-880高速公路获取的交通数据进行算法的训练和性能测试.结果表明,基于SMOTE-SVM的交通事件自动检测(Automatic Incident Detection,AID)算法可以提高检测率,减少平均检测时间.     

PSO-BP网络算法在汽车悬架优化中的应用

在研究汽车悬架系统模型及神经网络的基础上,提出将PSO-BP网络算法应用于汽车的悬架优化中。该算法采用PSO学习机制,改善了BP学习算法收敛速度慢、全局收敛差的缺点。通过建立的数学模型并用该算法对汽车悬架的刚度和阻尼进行优化。结果表明,此算法明显改善了汽车悬架的性能,提高了汽车的平顺性。同时该算法和试验数据也为悬架系统的进一步研究提供了参考。     

一种电力架空线路最大弧垂计算的简易方法

本文介绍了一种电力架空线路弧垂计算的简易的方法。该方法计算简便,对于在目前的铁路电力架空线路工程施工的杆路复测定位、导线弧垂的粗调整阶段有着很大的帮助。     

基于优化PSO-BP的多特征融合图像识别算法研究

为提高水果种类识别的准确性,本文提出一种基于优化粒子群结合BP神经网络的识别算法.在算法初期,针对不同种类水果图像样本,借助K均值聚类分割算法,融合彩色信息和灰度信息,完成目标图像的准确分割,提取目标区域在HSV颜色空间下非均匀量化后的颜色特征,使用分块局部二值模式和灰度共生矩阵,分别提取局部和全局纹理特征,并对与粒子...     

基于图神经网络的地表水水质预测模型

针对水质数据在时间和空间维度上的复杂依赖关系,提出基于图神经网络（GNN）的地表水水质预测模型. 该模型采用GNN建模地表水水质监测站点在空间上的复杂依赖关系,使用长短时记忆网络（LSTM）建模水质指标序列在时间上的复杂依赖关系,将编码结果输入到解码器中得到预测输出. 实验结果表明,与时间序列分析方法、通用回归方法和一般深度学习方法相比,该模型能够实现23.3%、26.6%和14.8%的性能提升.     

基于改进PSO-BP网络的配电网故障选线与测距

针对人工智能算法在解决配电网故障选线和测距问题时容易陷入局部最优解并难以满足精确性和鲁棒性要求的问题,提出了一种基于改进粒子群优化神经网络的配电网故障选线与测距算法.该算法结合混沌优化算法和粒子群优化算法得到收敛能力更强的粒子群优化算法,通过提取配电网的零序电压与电流的暂态及稳态特征来构成特征向量,并分别使用训练集训练改进粒子群优化神经网络算法,从而能更精确地预测配电网的故障线路及其距离.仿真测试结果表明,所提出的算法能获得更精确的选线和测距结果,具有一定的实用性.     

基于粒子群-BP神经网络算法的电价预测

为了解决现有电价预测中BP神经网络法对初始权值敏感、易陷入局部最小值和收敛速度慢等问题,在神经网络训练中引入基于全局随机优化思想的粒子群优化(PSO)算法,先利用PSO优化BP神经网络的初始权值,然后采用神经网络完成给定精度的学习,建立了粒子群-BP神经网络模型.与传统BP神经网络、粒子群广义神经网络相比,该方法收敛速度快、所需历史数据少、预报精度高,可用于电力系统的短期电价预测.     

基于模糊神经网络的周期性结垢预测方法研究

针对间歇换热设备的周期性结垢现象,以及由此引起的对象特性时变并造成常规控制器动态性能下降等问题,提出了一种基于模糊神经网络(FNN)的周期性结垢预测方法.把间歇换热设备的周期性结垢分解为可逆垢和不可逆垢,通过两个多入单出四层模糊神经网络分别学习结垢的短周期可逆垢增长趋势和长周期不可逆垢增长趋势,并由两者的组合得到更为精确的污垢热阻预测值.实验结果表明,使用该方法对于一类间歇式麦汁蒸发器污垢热阻的预测精度较经验估计式明显提高,利用该预测方法所构造的时变增益补偿因子在麦汁蒸发器蒸发强度控制系统中亦获得了成功应用.     

基于小波神经网络的畸形波预报

为对畸形波这类突发性事件进行较为准确的预报,避免畸形波对海上建筑物和人员安全产生的巨大危害.采用紧致型小波神经网络模型,根据某岛礁地形实测数据建立的岛礁三维模型中测得的波高试验数据,选取试验数据中3种典型波高时间序列分别实现了包含畸形波的波浪数据对常规波浪的预报、包含近似畸形波的波浪数据对畸形波的预报以及常规波浪对包含...     

基于PSO-BP神经网络与PSO-SVM的抗乳腺癌药物性质预测

通过实验筛选研发新药的过程非常缓慢且需耗费大量的人力物力,而利用计算机辅助预测药物的分子性质可极大地节省药物研发时间和成本.因此,为了能够使抗乳腺癌候选药物对抑制ERα具有良好的生物活性和ADMET性质,针对收集到的1 974种化合物,首先利用随机森林分类器筛选出前20个对生物活性最具显著影响的分子描述符,并以此和pIC50值作为特征数据建立QSAR模型.其次,基于PSO优化BP神经网络对50个新化合物的生物活性值进行预测,模型拟合度为0.833 7,根均方误差为0.731 5,比优化前的BP神经网络预测值更贴合实际.随后为提高药物研发的成功率,依据已有的ADMET性质数据利用PSO优化SVM构建ADMET分类预测模型,算法交叉验证CV准确率达到94.076 7%,5个指标模型的预测准确率均在79%以上.结果表明,所建立的模型比基准模型的预测性能更好,采用的预测策略是有效的,可为抗乳腺癌药物的研发提供借鉴.     

基于YOLO神经网络的雷达目标成像识别评估研究

针对复杂地面背景环境下的武器装备精确探测识别需求,采用Lee增强滤波、对比度自适应直方图均衡化和能量归一化等图像预处理方法,提高SAR图像质量;通过引入两个可学习的参数和采用基于非极大值抑制(NMS)方法构建了优化的YOLO神经网络目标识别方法,对基于轮廓、纹理等特征的地面目标SAR图像自动识别进行了实验.实验结果表明...     

一种基于混合神经网络的说话人识别系统

目前说话人识别系统的识别率已经达到较高的水平,但是在应用系统的整合方面还存在一定的问题,比如其算法的复杂度高,不易于低成本的硬件实现等都限制其达到普及化.针对这样的问题,提出一种高性能、结构简单的基于自组织映射(SOFMNN)和概率神经网络(PNN)的混合神经网络分类器以取代目前常用的高斯混合模型(GMM)分类器.实验结果表明,混合神经网络分类器在识别率、识别速度和存储量上都优于高斯混合模型分类器.混合神经网络模型是一种高性能、高效率的说话人识别系统,该系统在说话人识别中将会有很好实用价值.     

基于模糊神经网络的水泥强度预测

利用软计算技术预测水泥强度不但是一项新的尝试，而且具有较高的理论和应用价值。本文利用模糊神经网络良好的非线性逼近能力建立了水泥强度的模糊神经网络预测模型。模糊神经网络的学习算法采用的是快速的粒子群优化算法。仿真结果表明，该模型在预测水泥28d强度方面达到了很高的精度，有较好的实用价值。