电力系统故障诊断研究现状与展望

概述了专家系统、人工神经网络、优化技术、Petri网络、粗糙集理论、模糊集理论、贝叶斯网络、多Agent技术和基于故障录波器信息等方法在电力系统故障诊断中的应用,并在此基础上对文献中提出的相应的电网故障诊断方法进行述评,分析它们在电网故障诊断中应用的特点以及存在的主要问题,以解决实际工程问题为目标,指出了该领域所面临的问题,并对其发展进行了展望,以促进该研究领域的进一步发展.     

电力系统故障诊断研究现状与展望

概述了专家系统、人工神经网络、优化技术、Petri网络、粗糙集理论、模糊集理论、贝叶斯网络、多Agent技术和基于故障录波器信息等方法在电力系统故障诊断中的应用,并在此基础上对文献中提出的相应的电网故障诊断方法进行述评,分析它们在电网故障诊断中应用的特点以及存在的主要问题,以解决实际工程问题为目标,指出了该领域所面临的问题,并对其发展进行了展望,以促进该研究领域的进一步发展。     

输电网故障诊断方法综述与发展趋势

综述了近年来研究得较多的输电网故障诊断方法,包括专家系统、人工神经网络、Petri网、贝叶斯网络、优化方法、模糊集理论、信息理论和多代理技术等.简要概括了它们的诊断原理和特点,并评述其存在的不足和近几年来的研究成果.最后,从目前输电网故障诊断的研究现状以及面临的问题出发,指出了该领域所需解决的关键技术问题和主要发展趋势,以促进该研究领域的进一步发展.     

输电网故障诊断方法综述与发展趋势

综述了近年来研究得较多的输电网故障诊断方法,包括专家系统、人工神经网络、Petri网、贝叶斯网络、优化方法、模糊集理论、信息理论和多代理技术等。简要概括了它们的诊断原理和特点,并评述其存在的不足和近几年来的研究成果。最后,从目前输电网故障诊断的研究现状以及面临的问题出发,指出了该领域所需解决的关键技术问题和主要发展趋势,以促进该研究领域的进一步发展。     

虚拟技术研究和实现

虚拟技术是一种抽象.对于计算机技术的研究和发展具有重要作用.本文首先给出了虚拟技术研究的历史发展给出和研究现状.从工程和研究的角度,分析了它在不同领域中应用与实现的重要意义.给出了虚拟技术的基本定义,针对不同的应用与研究需要,分析了研究和实现该技术中所涉及的主要问题,包括不同的体系结构、各自的难点实现问题.对应用此技术时主要的完全虚拟问题,内存管理问题和I/O资源管理问题,进行了具体研究与分析.在理论分析基础上,对当前主要的虚拟技术研究项目进行了深入分析和比较.最后,对虚拟技术研究实现的发展趋势做出了展望和论述.指出Linux平台、XML支持是未来的发展趋势.     

电力系统小信号模态分析方法的分析和展望

电力系统小信号分析方法是当前学术界研究的热点,但是目前大量使用的特征值分析方法和小干扰下的时域仿真方法仍然不能完全地解决系统的分析问题.首先对研究电力系统的常用模型和小信号分析的主要方法进行了简述.接着,对电力系统小信号模态分析的主要研究方法进行了回顾和分析,并对现阶段小信号分析最新的理论(正规型方法和模态级数法)和研究成果进行了详细地论述.最后对该领域的研究进行了总结和展望.     

集成电路开关电源及其高频薄膜磁技术的发展

随着数码相机、手机等便携式电子设备的广泛应用,高功率密度的集成电路小功率开关电源,即单个集成芯片的开关变换器系统的发展,已经越来越成为电力电子领域研究的热点.本文综述了该领域发展现状、主要面临的技术问题及其关键的高频薄膜磁技术发展,阐述了发展方向和可能的方案.     

浅析教育研究中的"方法中心取向"

解决教育问题是教育研究的重心和出发点,教育研究方法只是解决教育理论问题的工具和手段.然而在我国目前教育理论研究工作中对教育研究方法的研究不仅成了花时较多、课题较多的重心领域,而且在解决教育问题时,方法替代问题成了研究的出发点,出现了所谓的"方法中心取向",这使教育研究产生了一些误区,所以如何改变这种状况值得人们思考.     

感应耦合电能传输技术的研究现状与应用分析

电能传输是能源利用的一个重要方面,近年来兴起的非接触供电方法能够解决传统导线传输电能的一系列不利因素.介绍了非接触供电技术的特点和主要类型,对比几种非接触供电的方法,着重给出研究较为成熟的感应耦合电能传输(Inductively Coupled PowerTransfer,简称ICPT)技术的原理、特点及适用领域.以该领域发表的论文、专利及相关报道为切入点,重点分析并介绍了近年来国内外相关研究现状、进展及最新成果.最后总结预测了该项技术的发展趋势和应用前景,对国内在非接触供电系统领域开展研究具有一定参考意义.     

OPC客户开发技术

OPC(OLE for Process Control)是过程控制中的对象链接与嵌入技术的简称,是最近几年自控领域研究的热点之一.该技术解决了办公室与生产现场的信息通信问题,并成为工业控制和生产自动化领域中使用的硬件和软件接口的国际标准.本文深入浅出地介绍了OPC技术的基本原理及OPCDA、AE客户端开发的详细过程,希望对国内OPC技术的研究者有所帮助.     

电网故障诊断方法综述

介绍电网故障诊断问题的复杂性所在,并总结归纳近10多年来国内外学者在故障诊断领域提出的主要方法,包括专家系统方法、模糊集方法、数据挖掘和粗糙集方法、人工神经网络、Petri网、贝叶斯网、优化算法及信息理论方法等。说明各种方法的基本概念和方法思路,分析各种方法的特点和不足,探讨新形势下电网故障诊断技术的发展趋势。     

基于不确定理论的输电网规划

电力系统中存在着一系列不确定因素,而智能电网的发展给电力系统带来了更多且不确定程度更高的不确定因素。传统的规划方法不适应新形势下的输电网规划,为使规划方案能适应不确定因素带来的影响,不确定理论被引入输电网规划中,取得了一系列成果。分别从随机理论、模糊集理论、可信性理论等方面,对国内外不确定因素建模方法的研究成果和基于不确定理论的输电网规划方法的研究成果进行了综述。从规划方案不确定性评价指标的快速计算、不确定因素的处理等方面,展望了未来基于不确定理论的输电网规划方法研究中需要关注的问题。     

基于改进环网编码法的配电网辐射性判别方法

配电网辐射性约束是配电网优化问题中的一个重要约束,但目前用于判断配电网辐射性的方法都较为复杂,限制了相关问题的求解效率。为解决这一问题,文中从图论的角度出发,对配电网拓扑结构中可能出现的孤岛和环路的特征进行了分析,提出了配电网满足辐射性的充要条件。进一步将其与元启发式算法中常用的环网编码法结合,并对环网编码法进行了改进,提出了环路法与割集法两种可用于检测配电网辐射性以及修正不可行解的方法。将提出的方法应用到配电网重构问题中,并基于IEEE 33节点系统,通过对不同辐射性检验方法的计算结果和计算效率的对比,证明了方法的正确性与高效性。     

一种粗糙广义回归神经网络在集中供热负荷预测中的应用

为了减少预测模型的输入量,本文利用粗糙集理论智能数据分析的能力,对神经网络进行预处理,抽取关键成分作为神经网络的输入,从而确定粗糙神经网络的拓扑结构,设计了供热负荷预测的粗糙广义回归神经网络模型,并用实际数据进行了仿真检验。实验结果表明,该方法是有效的,而且对供热负荷预测具有较高的精度和可靠性。     

增强型自适应神经网络谐波分析方法的应用研究

通过对比当前几种主流谐波分析方法的优缺点,提出了较为理想的增强型自适应神经网络模型,并重点讨论了学习算法中频率学习率以及频率延迟率调整策略对于算法收敛性能的影响,给出了较为合适的参数优化设定值,并通过仿真实验验证了增强型自适应神经网络模型具有较高的谐波分析精度以及较快的学习收敛速度,并且无需同步采样以及长周期采样,是一种比较理想的谐波分析方法。     

电网故障诊断的智能方法综述

综述了目前应用较为广泛的基于智能技术的电网故障诊断方法,包括专家系统、人工神经网络、贝叶斯网络、优化技术、支持向量机、模糊集理论、Petri网、信息融合技术和多智能体技术。简单介绍了这些智能方法的基本概念,在电网故障诊断领域的研究现状,并从实用化的角度阐释了各自的特点和存在的不足,以及各自未来的发展情况。最后从电网故障诊断领域当前所面临的重要问题出发,探讨了该领域今后的发展趋势。     

基于粗糙集神经网络和元胞自动机的空间负荷预测

在分析目前空间负荷预测方法的基础上,提出了一种新的空间负荷预测的方法。该方法主要是利用粗糙集理论对从空间数据库中提取出来的随机数据样本集进行属性简化,减少人工神经网络的输入变量的个数和样本数量,从而提高神经网络提取元胞自动机转换规则的收敛速度和准确性,提高了空间负荷预测的精确性。该方法结合了粗糙集和人工神经网络的优点,并利用元胞自动机的理论来模拟城市用地类型变化,进行空间负荷预测。某市城市规划区域的空间负荷预测实验,证明了该方法的有效性。     

A study on the tie‐set graph theory and network flow optimization problems

Aiming at establishing a firm basic theory to ring‐based information network management systems, our paper proposes a tie‐set graph theory. We define a binary vector representing a tie‐set in a biconnected undirected graph G=(V,E) as a tie‐set vector. The set of tie‐set vectors forms a vector space over the proposed law of composition, then a basis of the vector space, μ linear independent tie‐set vectors, is defined as a tie‐set basis. The essential key concept in our theory is a tie‐set graph, which has a one‐to‐one correspondence to a tie‐set basis and represents a relation between two tie‐set vectors of the basis. Some important properties of tie‐set graphs and their application to survivable mesh networks in modern high‐speed backbone networks are also presented. Furthermore, as a general approach to network flow optimization problems, tie‐set flow vector space is proposed based on the tie‐set graph theory. A distributed algorithm for the network flow optimization problems and its application are also presented in this paper. Copyright © 2004 John Wiley & Sons, Ltd.     

基于RS和GA的动态模糊神经网络在短期电力负荷预测中应用

分析和探讨了粗糙集（RS）理论、遗传算法（GA）、模糊神经网络相结合的短期负荷预测方法。首先,对采集到的信息进行特征提取,然后利用模糊粗糙集理论中的信息熵进行属性简化、去掉冗余信息．最后用得到的属性作为模糊神经网络的输入进行训练预测。在模糊神经网络内部引入递归环节,构成了动态模糊神经网络DFNN（Dynamic Fuzzy Neural Network）,并采用具有全局寻优能力的遗传算法训练网络,克服了单纯BP算法易陷入局部最优解的缺点。用该方法与常用BP神经网络及Fuzzy法分别对某电网进行一周的日负荷预测．实例的对比分析表明了该方法收敛速度、预测精度和网络规模等方面都有较大改善。