混合神经网络在变压器故障诊断中的应用

针对变压器故障诊断准确率低的问题提出了粒子群-自组织映射-学习矢量化(PSO-SOM-LVQ)混合神经网络算法。为了获取更加有效的SOM神经网络拓扑结构,首先采用PSO算法对SOM神经网络的权值向量加以改进,在此基础上融入LVQ神经网络,弥补了无监督学习SOM神经网络的不足。这种PSO、SOM和LVQ相结合的混合神经网络算法提高了变压器故障诊断的精度,减少了故障诊断的误差。通过仿真,对SOM、PSO-SOM和PSO-SOM-LVQ这3种算法进行了对比。对比结果表明,PSO-SOM-LVQ混合神经网络算法准确度最高,其故障诊断准确率为100%。由此可见,采用PSO-SOM-LVQ混合神经网络算法可有效提高变压器故障诊断的性能。     

宽带相干源波达方向估计的新方法及性能分析

本文首先介绍了宽带阵列信号的模型，然后给出了一种新的基于信号子空间的宽带信号DOA估计算法。新算法直接分解接收数据协方差矩阵得到聚焦矩阵，通过聚焦变换将不同频率点的信号子空间聚焦到参考频率点，聚焦后得到单一频率点的数据协方差矩阵，再应用窄带MUSIC算法进行DOA估计。由于是直接分解接收数据协方差矩阵得到聚焦矩阵，因此新算法无需预估计波达方向，可以避免角度预估计对测向性能的影响，而且减少了计算量，提高了宽带信号DOA估计的实时性。最后在16元均匀线阵的情况下，选用宽带高斯信号源进行仿真，将新算法与RSS算法和TLS算法相比较，验证了新算法的优良性能。     

电力系统无功优化方法综述

电力系统无功优化问题作为最优潮流的重要一支,由于具有离散性、非线性、大规模、收敛性依赖初值等特性,使其成为电力系统中至今仍未能圆满解决的问题.因此,本文综述了无功优化模型和算法的研究成果,分析了这些方法的特征,以此来探讨如何更好地解决这一问题.     

电力系统谐波潮流的一种解耦算法

从电力系统谐波潮流计算的线性算法和非线性算法出发，提出了谐波潮流的一种解耦算法，改变常规非线性算法中将基波潮流与谐波潮流联立迭代的方法，使两者分立求解。其中，基波潮流通过牛顿法迭代求解，谐波潮流通过高斯消元法求解，两者通过功率方程关联，并以此考虑基波与谐波之间的相互影响。文中给出了该解耦算法的原理，程序框图和实际算例。计算表明，该算法具有较高的计算精度，同时明显减少了计算量，节省了内存，提高了计算速度，收敛可靠。     

蚁群K-medoids融合的聚类算法

蚁群算法能够在没有任何先验知识和人为干预的情况下实现自主聚类,并且鲁棒性较强,易于与其他算法相结合。但蚁群算法消耗时间成本较大,效率较低。而K-medoids聚类是一个基于划分的经典聚类算法,该算法聚类速度快、聚类效果好而被广泛应用于各种聚类处理中。但需要人为确定簇数目,并对初始簇中心的依赖性较强。针对以上问题,提出了结合蚁群算法和K-medoids的聚类算法（AKCA）,该算法融合了蚁群算法和K-medoids算法各自在聚类上的优点。实验结果表明,该算法对于小型数据集具有运行效率高、聚类质量好和自适用性强等优点。     

基于信噪比判决的多维信号检测方法

在多输人多输出系统中,采用球形解码检测算法和QRD-M算法均能在相对复杂度较低的情况下取得逼近最大似然检测算法的性能.虽然球形检测算法在高信噪比的情况下的平均复杂度要低于QRD-M算法,但其在低信噪比的情况下复杂度会急剧上升.针对这一问题,在分析球形解码算法与QRD-M算法平均复杂度的基础上,通过在解码检测之前设置信噪...     

混合MAP-POCS算法在压缩视频中的应用

压缩视频的超分辨率算法受到视频压缩算法的影响,比一般序列图像的超分辨率算法复杂。本文在POCS的约束条件中采用了去除块效应的约束集,将去除块效应的操作融入混合MAP-POCS算法的框架中,将其应用于实际压缩视频的超分辨率重建。通过仿真实验结果证实,本文采用的算法在较低码率的压缩条件下具有更好的重构效果。     

基于粒子群算法与模拟退火算法的一种混合配电网重构算法

本文首先对配电网重构的意义,研究现状以及当下的几种方法等方面进行分析,并且对比了几种主要重构方法的优缺点。然后,介绍亚启发式算法中的粒子群算法与模拟退火算法,并将二者有效地进行融合互补,形成一种新的混合算法。此方法利用粒子群算法快速局部搜索能力和模拟退火算法全局收敛的优点,使其既能以较大的概率跳出局部的极值点,又能提高收敛速度。最后,将这种混合算法应用于配电网重构中,介绍了配电网的简化分析方法,并阐述了配电网的粒子群初始化、参数设置、编码规则等内容,并通过IEEE33节点和69节点系统基于MATLAB平台的仿真,验证算法的可行性和优越性。     

基于GA-BP和PSO-BP神经网络的间冷塔扇区出水温度预测研究

基于某电厂330 MW机组分布式控制系统(DCS)采集的实测运行数据,通过灰色关联度分析扇区出水温度与其影响因素之间的关联关系,分别利用遗传算法(GA)和粒子群算法(PSO),对BP神经网络间冷塔出水温度预测模型进行优化.优化结果表明,遗传算法和粒子群优化算法对BP神经网络的预测结果优化作用明显,并且PSO-BP神经网络模型的优化效果优于GA-BP神经网络模型.     

RAY-Period压缩算法的研究与实现

针对电力系统中电能量数据传输的特点，研究并分析了数据库压缩算法RAY与周期压缩算法相结合的压缩算法。结合位图压缩方法，详细阐述了RAY和周期算法的压缩思想。最后给出了RAY—Period算法的压缩流程，并用C语言最终实现了这一算法。经过测试，能够对电能量数据进行有效压缩，有效减少了网络传输数据量。具有很大的实用价值。     

基于量子人工鱼群混合算法的输电网规划

人工鱼群算法是一种基于动物自治体模型的优化算法,量子算法是一种随机搜索算法,全局随机搜索能力强。利用鱼群算法强大的局部搜索功能与量子算法混合,构造出随机性和方向性比较平衡的量子人工鱼群混合算法。针对输电网络网架的优化规划这样一个复杂的组合优化问题,建立相应的数学模型,采用量子人工鱼群混合算法求解。24节点系统的计算结果表明,该算法用于电力系统输电网规划问题是可行的,有效的。     

基于较高采样频率的MATLAB的微机保护傅氏算法仿真

在微机保护中,傅氏算法和微分算法都是常用的算法,随着采样频率的提高,微机保护对算法的速度和精度有着更高的要求.通过MATLAB对各算法进行仿真比较,发现采样频率较高的半波傅氏算法有着良好的精度和速度,可替代采样频率较低的全波傅氏算法和微分算法.     

基因/禁忌组合算法在配电网网架优化规划中的应用

在比较了基因算法和禁忌算法各自优缺点的基础上,针对配电网网架优化规划中多约束、非线性和整数寻优的特点,提出采用基因／禁忌组合的算法的策略,并应用于配电网网架优化规划。算法计算证明了该组合算法在配电网网架优化规划中应用的可行性和优越性。     

电力系统机组组合问题研究综述

机组组合问题是电力系统优化运行的重要组成部分,一直是电力系统研究中的热点和难点。总结了传统机组组合数学模型及经典求解方法,并在此基础上介绍了近年来基于市场、节能等因素用于机组组合问题求解的新型智能优化算法,综述了机组组合问题的发展和应用现状,并展望了未来有待进一步研究的内容。     

循环冗余校验在USB数据传输中的应用

循环冗余校验(简称CRC)是一种可靠性很高且实现方式简单的串行数据校验方法,在通信及计算机数据存储中得到了广泛应用.为了将CRC运用到USB数据传输中,本文首先研究了CRC的基本原理;然后根据USB协议的要求,对USB数据传输中CRC码的生成方法进行了特殊的考虑;最后用Verilog HDL硬件描述语言描述了USB数据传输中CRC码的生成算法.仿真结果表明,此算法合理、正确,可以满足USB数据传输的需要.目前此算法已经被成功地运用到自行开发的USB IP核中.     

基于BP神经网络的运动想象脑电信号分类研究

运动想象脑机接口因具有更大的自主性、灵活性,在脑机互联领域得到了广泛应用,相比较其它范式分类准确率偏低,限制了其发展。本文利用时频图谱、脑地形图两种特征分析方法对上肢运动想象脑电信号进行了特征分析,并采用滤波器组共空间模式(filter bank co-space,FBCSP)特征提取算法对上肢运动想象信号数据进行了特征提取,再将提取结果分别利用支持向量机（support vector machine,SVM）算法、K-最近邻(K-Nearest Neighbor)算法、反向传播（back propagation,BP）神经网络三种分类算法进行分类,研究结果发现SVM算法、KNN算法、BP神经网络算法应用在上肢运动想象脑机接口系统的平均分类准确率分别为76.45%、74.55%、81.70%,BP神经网络算法相比SVM算法、KNN算法在上肢运动想象任务的分类准确率上分别高出了5.25%、7.15%,并且t检验后得到分类准确率均具有极显著的统计学差异,并利用ROC曲线和AUC值检测了分类器效果,BP神经网络的AUC值相比SVM算法、KNN算法也分别提升了0.1226、0.1285,表明BP神经网络分类算法相比较SVM算法、KNN算法更适用于上肢运动想象脑机接口系统,提高了系统的分类准确率,推动了上肢运动想象脑电信号实际应用的发展进程。     

关联规则的ECLAT算法

关联规则挖掘是数据挖掘的一个重要应用,而频繁项集挖掘对关联规则挖掘的效果起了决定性的作用。经典的频繁项集挖掘主要有Apriori算法和FP-Growth算法,它们都是基于水平数据表示的算法,本文分析基于垂直数据表示的ECLAT算法。