基于改进粗糙集方法的水电站运行数据融合算法

为了挖掘水电站运行数据中蕴含的丰富且宝贵的实际运行知识,获得影响水电站主要设备状态的关键监测参量,有效提高电站的信息化管理水平,本文对水电站运行大数据的融合方法进行了研究。粗糙集理论是常用的冗余数据集约减融合方法之一,然而在面对规模较大的数据集时其往往体现出计算时间过长的缺点。为此,本文提出了改进的粗糙集属性约减方法,通过采用"双向同时搜索、双向互相协调"的模式对数据融合流程进行优化,提高了搜索速度并有效减少了计算开销。通过将改进数据融合方法分别应用于多个标准数据集和某水电站实际运行数据中,发现通过加强搜索力量、减小非必要计算量等策略,研究提出的改进粗糙集数据融合算法相比传统粗糙集属性约减算法提升了算法的计算速度和冗余属性约简能力,能够实现水电站运行大数据约简融合。     

基于联合卡尔曼滤波的配电网多源异构数据融合

由于传统方法没有对配电网多源异构数据采集的时间进行配准,导致配电网多源异构数据融合时误差大、效率低。针对该问题,提出了基于联合卡尔曼滤波的配电网多源异构数据融合方法。构建了数据纠偏机制,采用最小二乘法对数据采集的时间配准,并采用拉格朗日插值方法对时序数据填充,计算数据关联性。在此基础上,采用联合卡尔曼滤波算法将相同数据融合到同一个类中,以此实现配电网多源异构数据融合。实验结果表明,所研究的数据融合方法不仅能够根据需求一直追踪需求的融合误差,还能够降低节点电压与功率估计的相对误差、提高配电网多源异构数据融合的效率。实验结果不仅证明了所研究融合方法的有效性,还证明了联合卡尔曼滤波算法在数据融合中的适用性。     

数据融合技术在变电站选址中的应用

变电站选址工作不仅涉及诸多电网信息，还与规划区域内的地理空间信息密切相关。为了全面考虑各相关因素，提高选址的科学性和工作效率，提出了将数据融合技术应用于变电站选址。从像素级数据融合的D-S证据理论到决策级融合的层次分析综合评判方法，为解决包含多因素的选址问题提供了新的思路。最后，通过算例证明了该方法的有效性。     

初探大坝安全智能融合监控体系

大坝安全监控领域的多学科交叉的性质，要求将信息、人工智能、材料、工程与管理等多学科的理论和方法进行科学、有效、合理的融合，以期达到把目前广泛采用的离线、静态、被动的监控，转变为在线、动态、实时的智能监控目标。这是从根本上解决大坝结构整个寿命期间安全及减小灾害影响的一条崭新思路。本文从对大坝所具有的开放的复杂巨系统特性研究出发，探索性地研究了实现大坝安全智能监控目标的一条途径一智能融合理论和方法体系。其核心思想是实现从单一正向思维模式向逆向思维、系统思维、反馈思维等全方位思维模式的转变，通过应用知识工程、信息智能处理等理论和方法，与传统的数学、力学方法相互渗透和融合，来完成大坝安全监控中的各项工作。作者初步将其分为数据级融合、分析级融合、诊断级融合和评价级融合四级体系结构，简要叙述了各级融合的基本原理和典型实现方法。     

空间机器人机械臂中多传感器数据融合的研究

介绍了国内外空间机器人机械臂的多传感器配置和数据融合技术,给出了用多传感器数据融合解决目标物体位姿测量的解决方案。其数据融合方法的研究,以及融合精度的改善等对空间机器人机械臂的研究具有更大的前景和意义。     

基于多源异构数据融合的变电站风险评估研究

提出一种基于MapReduce框架下的Hermite正交基前向神经网络数据融合算法。实验将变电站实验数据、巡视数据、监测数据作为基础数据，基于数据融合后的数据进行变电站风险评估以检测数据融合的效果，并与BP神经网络算法进行对此。实验结果表明，提出的算法较BP神经网络算法在融合速度上快2~3倍，且标准误差、平均绝对百分误差较小，即变电站风险评估精度更准确，解决了BP神经网络收敛速度慢、局部极小值、网络不确定的缺点。     

基于多传感器数据融合的瓦斯粉尘协同预警

考虑粉尘瓦斯其存对矿井安全状况的影响，同时对数据融合理论进行介绍，并在预警系统中引入数据融合算法，建立多传感器数据融合预警模型，对瓦斯粉尘进行协同预警研究。然后通过实例对所建模型算法进行实例分析，通过分析显示，该模型有效的弥补了以往仅通过单因素进行判决的信息有限性导致的系统报警不准确问题，在一定程度上增加了系统可靠性及...     

电力系统智能预警的数据融合应用

数据融合技术运用在电力系统智能预警中,设计了3种数据融合的方式——阶段型融合方式、目标型融合方式、混合型融合方式。然后建立了基于智能预警的数据融合的数据库,归纳了数据融合的方法以及数据融合的通信准则和集成技术。     

基于融合驱动的余热阀门控制优化方法

传统余热阀门控制技术主要分为机理建模和数据驱动2种方法，但在实际的应用中前者因机理复杂，难以准确描述，后者要求数据质量高、工况样本全，难以短时间满足。针对上述问题，提出一种基于融合驱动的余热阀门控制优化方法，该方法首先融合机理知识与数据知识构建基于模糊集合的知识图谱模型，将阀门开度知识实体化；其次，建立基于时间保护机制的长短时记忆（long short-term memory,LSTM）神经网络阀门开度优化模型，并提出时间保护机制算法，确定阀门最优调节频率；最后，通过知识推理得到推荐阀门开度。经实验分析验证，该方法通过融合余热回收机理等定性知识和设备运行数据等定量知识，在提升设备安全性的同时，产生的高温饱和蒸汽焓值提升概率为94%，平均每天可提升8 640 k J，实现了余热回收阀门开度的智慧决策。     

目标弹道数据实时融合方法研究

由于数据种类的多样性和实时性,数据融合方法在多信源弹道实时处理中应用尚不成熟。结合实际需求,提出一种多信源弹道数据动态加权实时融合方法。首先,根据模糊聚类算法,建立反映导弹目标当前状态信息的弹道隶属度矩阵,实时计算弹道集合中各弹道的权值,最后依据不同的权值进行弹道数据融合。仿真计算表明,该方法可以获得1条尽可能完整的目标飞行弹道,数据平滑、趋势正确,满足实际需求。     

融合算法在蓄电池SOC估算中的研究综述

蓄电池的荷电状态(SOC)是电池管理系统中的重要参数之一,准确估算电池SOC对生产运行具有重要意义。首先,阐释了SOC的定义;其次,分析了传统单一SOC估算法的不足;然后,论述了近几年蓄电池SOC融合估算方法如神经网络、卡尔曼滤波法和综合法的研究进展,并分析了各种方法存在的优缺点;最后,给出总结与展望。提出充分利用数据挖掘和深度学习技术,将BMS记录的历史数据用于蓄电池SOC的估算,有助于提高计算精度和应用范围。     

基于卡尔曼滤波的汽包水位多传感器信息融合方法研究

汽包水位是锅炉安全运行的重要参数,列举了影响汽包水位变化的各种因素并且建立了锅炉汽包系统各输入、输出变量间的影响模型。分析了卡尔曼滤波在多传感器信息融合处理中的特点,在DRZ/T01-2004规定的基础上,提出了一个以卡尔曼滤波为底层传感信号融合方法为基础,结合其他聚类融合方法,引入多种类、多数量传感器信号和控制决策预测信号的汽包水位多传感器数据融合控制系统。基于此,设计了卡尔曼滤波在多传感器数据融合处理中的具体实现方法,并借助Matlab仿真,分别测试了卡尔曼滤波在单通道传感信号滤波以及多传感器信息融合中使用的效果。仿真结果证明了所设计的系统能够准确、快速的融合处理底层传感器信号,并作出有效的控制决策。     

无损检测中的基于模糊神经网络数据融合技术

数据融合是一门正在飞速发展的信息处理技术,它能从多源信息中融合信息,减少信号的不确定度并再现出一个全面的信源。传统的数据融合模型大都建立在统计理论模型之上。存在的缺点主要表现在要求先验知识,应用领域受到限制。基于模糊神经网络的数据融合是一个新的领域,本文给出了一种适用于多传感器数据融合的模糊神经网络结构。文末给出了它在无损检测中的应用。文章对该模型的实现及其特点进行了详细讨论。它在无损检测中的应用表明该模型解决了传统模型中存在的问题,同时表明该模型也可用在其它许多领域。     

光学遥感影像融合方法的研究

随着新型传感器的出现,获取遥感影像能力的不断提高,遥感影像种类和总量急剧增加,遥感影像融合为多源数据的处理、分析与应用提供了新的途径.为了比较不同类型融合方法的作用效果,在简要介绍HIS、Broevy、Wavelet 3种方法及标准差、信息熵、偏差指数、相关系数4种评价指标后对Landsat7 ETM+数据进行了融合实...     

电力系统中数据-物理融合模型的并联模式性能分析

随着交直流混联电网规模的扩大与电力电子化设备的大规模并网,以新能源为主体的新型电力系统的动态特性愈加复杂。物理模型的机理可解释性与数据模型的特性拟合能力具有很强的互补性。如何将融合模型的构建从定性分析向定量分析提升亟待深入研究。文中基于电力系统中数据方法与物理方法的特点,针对4种典型数据-物理融合模型分析了其相对应的应用场景;以并联模式为研究对象,分别对比分析了并联模式与单一物理模型和单一数据模型的泛化误差,并提出了融合模型参数的选取方法;推导了并联模式下融合模型的泛化误差上限,并提出了改进融合模型性能的可行性建议;最后,结合暂态功角稳定问题验证了所提假设与结论的合理性。     

多雷达信息融合仿真平台的构建与设计

随着多传感器数据融合技术在C3I领域中的广泛应用,针对目前C3I系统的研制和发展情况,结合多传感器数据融合的特点,采用目前非常流行的面向对象程序设计技术,设计了多传感器数据融合仿真系统的体系结构、信息流程、功能模块、数学模型,最终实现了多传感器数据融合仿真系统,并对其效能进行了科学的评估。仿真系统具有模块化、灵活性强和可移植性好等特点。     

基于改进EEMD的高压断路器振声联合故障诊断方法

高压断路器是电力系统中关键的控制和保护设备,针对其故障诊断方法的不足之处,将振声数据级融合和特征级融合应用于高压断路器故障诊断方法。振声特征级融合诊断方法首先将采集到的声波信号通过快速核独立分量分析(Fast KICA)实现盲源分离处理,其次利用改进集合经验模式分解(EEMD)提取振动信号和声波信号的特征向量。振声数据级融合诊断方法首先构建振声联合图像,其次利用改进的BEEMD提取特征向量。最后将两种方法提取的特征向量输入支持向量机模型(SVM)进行故障诊断,实验结果表明,所提方法诊断高压断路器故障能取得良好的效果。     

信息融合技术在电力系统中的应用研究(一)——基本原理与方法

以信息融合技术为研究对象 ,结合电力系统的实际特点 ,探讨该技术在电力系统中应用的一些问题。本文作为第一部分 ,主要侧重于信息融合技术的介绍。首先阐述了信息融合技术的基本定义和原理 ,具体给出了信息融合技术的三层模型 ,指出各层次上信息融合的特点。然后按信息融合的过程 ,说明了信息融合技术中的各功能模型 ,最后 ,较详细地概述了信息融合技术的基本方法和基本特点     

Short-term wind power forecasting using model structure selection and data fusion techniques

This paper proposes a novel strategy to forecast the short-term wind power using model structure selection in combined with data fusion technique. The available inputs are usually treated as an integrated one for the predictive modeling, which ignores the fusion of the different types of inputs. This results the relationship between the multi-inputs and desired outputs are not effectively reflected in forecasting procedure. Moreover, the performances of the various types of data fusion methods are susceptible to the wind power distribution and critical factors such as smoothness, overlapping, the intrinsic amount of information evaluation and the number of neighbor points. These outlined factors can result the lower generality ability of the proposed methods due to the insufficient optimization of the model structure. So this paper presents short-term wind power forecasting method using model structure selection technique in combined with four representative fusions of dimensionality reduction methods to optimize the model structure, promote the computational efficiency and improve the forecasting accuracy. Experimental evaluation based on the real data from the wind farm in Jiangsu province is given to verify the effectiveness of the proposed method by comparing the traditional techniques.