基于t-分布邻域嵌入的同调机群无监督识别

当系统发生严重级联故障导致失稳时,快速搜索同调机群是进行解列控制平息振荡的前提。针对发电机严重受扰后功角信号的非平稳、非线性的特点,以及需要根据经验人为决断同调分群类数的问题,提出一种基于t-分布邻域嵌入的同调机群无监督识别新方法。采用广域量测环境下发电机功角信号作为源数据,引入t-分布邻域嵌入算法将发电机功角信号进行建模并映射到二维子空间中。通过二维坐标下映射点之间的聚集程度衡量受扰动后发电机运行特性的相似性。随后利用仿射传播算法对发电机组进行无监督聚类分群。研究表明所提方法原理简单,易于解决实际问题。基于实测数据进行计算分析,可避免模型参数对分群的影响。通过2014年湖南省网73台发电机系统仿真,并与传统分群方法对比结果,验证了所提方法的有效性和快速性。     

基于半监督的网络流量分类识别算法

近年来,许多机器学习的方法被广泛应用于网络流量分类识别的问题中,结合有监督学习与无监督学习的特点,提出一种基于半监督学习的流量分类识别方法,该方法改进K均值聚类算法中初始簇中心的选取,通过基于密度因子的相似性函数来满足聚类数据的全局一致性要求以获取更适合的初始簇中心,并通过最大似然估计方法标记聚类结果实现与相关应用类型或协议的对应匹配过程,实验结果表明,该算法提升了网络流量分类识别结果的准确性和分类识别效率,能够有效满足流量分类识别的应用需求。     

基于CNNs识别反馈的点阵字符检测方法

针对点阵字符因错误分割导致识别准确率较低的问题,提出了一种基于卷积神经网络(CNNs)识别反馈的点阵字符检测方法。首先采用多尺度窗口获取多个候选区域并建立CNNs对其进行识别,利用投票机制对多个识别结果进行综合决策,然后根据决策结果反向定位点阵字符并完成字符分割,最后提出一种滑动翻转窗口对所有字符进行分割与识别。实验结果表明,该方法在点阵字符的定位准确率和识别率方面都优于传统字符识别方法,分别达到了97.53%和97.50%。     

基于无监督学习的MMC子模块开路故障诊断方法

模块化多电平换流器(MMC)子模块发生故障时,快速准确地检测并定位故障是提高换流器运行可靠性的关键.目前,机器学习在MMC故障诊断领域得到了一定的应用,但大多需要采集每种故障情况下的样本,而故障样本采集难度较大.针对此问题,提出一种无需采集故障样本,仅根据正常样本训练分类模型即可实现故障检测和定位的无监督故障诊断方法....     

基于电压相似性评估的低压配电网户变关系和相位识别技术研究

低压配电网拓扑关系是电网状态估计的基础。文章针对低压配电网拓扑识别难题,分析了通过电压相似进行户变关系和相位识别的可行性,在此基础上应用Hausdorff距离算法,构建了基于节点电压相似性评估的户变关系和相位识别流程,设计了基于Hausdorff距离识别基本判据,以及包括构建滑动窗口和选择有效电压的数据集优化方法;最后通过实际的案例,验证了文章所提方法的有效性。     

基于1-DISVM的无刷直流电动机故障识别方法

提出一种基于改进无监督学习支持向量机(1-DISVM)的无刷直流电动机故障识别方法.通过对无刷直流电动机正常以及驱动电路开关管断路、定子绕组端部断路、Hall传感器断线三种故障状态的仿真模拟,对仿真过程中得到的母线电流采样数据进行FFT频谱分析,作为输入特征向量用于支持向量机分类器的训练和故障识别.将改进无监督学习支持向量机用于无刷直流电动机的故障识别,并与无监督学习支持向量机(1-SVM)的故障识别结果进行比较,结果表明基于改进无监督学习支持向量机的无刷直流电动机故障识别方法具有更高的准确率.     

基于弱监督注意力和知识共享的车辆重识别

为解决弱监督车辆重识别方法中标签不准确和背景干扰下预定义局部区域难以获得的问题,提出一种基于弱监督注意 力和知识共享的车辆重识别网络。 在弱监督注意力模块(WAM)中使用弱监督的方法生成车辆部件掩模,通过部件通道对齐步 骤使得该模块在复杂背景下也能自适应地进行特征对齐。 针对弱监督方法中标签准确性不高导致 WAM 模块生成部件掩模不 稳定的问题,在局部分支中构建了知识共享模块。 该模块利用迁移学习从 WAM 模块中提取车辆部件特征,并进行多尺度部件 特征提取,防止了不稳定的车辆部件掩模生成。 通过实验,mAP、CMC@ 1 和 CMC@ 5 分别达到了 82. 12%、98. 50%和 99. 12%, 优于现有的方法,验明该方法的有效性。     

融合无监督和有监督学习的虚假数据注入攻击检测

虚假数据注入攻击（False Data Injection Attack,FDIA）是智能电网安全与稳定运行面临的严重威胁。本文针对FDIA检测中存在有标签数据稀少、正常和攻击样本极不平衡的问题,提出了融合无监督和有监督学习的虚假数据注入攻击检测算法。首先引入对比学习捕获少量攻击数据特征,生成新的攻击样本实现数据扩充,然后利用多种无监督检测算法对海量的无标签样本进行特征自学习,解决有标签样本稀缺的问题,最后将无监督算法提取的特征与历史特征集进行融合,在新的特征空间上构建有监督XGBoost分类器进行识别,输出正常或异常的检测结果。在IEEE 30 节点系统上的算例分析表明,与其它FDIA检测的算法相比,本文方法增强了 FDIA 检测模型在有标签样本稀少和不平衡数据下的稳定性,提升了FDIA的识别精度并降低误报率。     

基于半监督生成对抗网络的毫米波雷达跨域手势识别

基于深度学习的毫米波雷达手势识别以其免接触、保护隐私和环境依赖性低等特点受到越来越多的关注。但是目前的学习方法大都采用全监督方法,其性能受限于雷达数据的获取和标注,且其学习样本都来源于单一环境,极大的影响了不同场景下的迁移能力,因此本文提出了一种基于半监督生成对抗网络的跨域手势识别方法。首先,通过数据预处理,提取动态混合特征时间图（DFTM）以消除环境干扰,并且对手势动态特征进行更加全面的表征;其次,结合毫米波信号特点进行数据增强,进一步扩充数据量,提高模型泛化能力;第三,针对实际应用中可获得的标记数据通常较少的问题,提出并构建了一个改进半监督生成对抗网络,在原始GAN的基础上增加了分类器,通过生成数据帮助提高分类器辨别能力,同时利用源域中的少量标记数据和目标域中的大量未标记数据,实现域无关的手势识别。实验结果表明,对于新用户、新环境和新位置的平均手势识别准确率分别达到 98.21%、95.23%和97.6%。与现有其他手势识别方法相比,本文所提方法在只有少量标记数据的情况下也能达到较高的跨域手势识别准确率,为后续毫米波雷达人机交互提供了新的研究思路。     

基于视频识别的电力占道施工场景交通拥堵检测

目前对道路交通拥堵的检测多采用人为监控或传感器监测的方法,而电力占道施工场景往往缺乏此类检测设备。为满足该场景下拥堵检测的低设备依赖性和高准确性的需求,提出一种利用视频数据的检测方法,采用神经网络对视频数据进行特征提取并判断是否造成交通拥堵。为了解决电力占道施工场景下数据较少的问题,利用通用交通场景数据集提升网络的泛化性,采用域对抗迁移网络自适应学习方法弱化两种数据域在特征提取网络中的差异性表现。为了减少人工标注工作量,提出一种半监督学习方式。实验结果表明,所提方法在电力占道施工场景道路拥堵检测识别任务中达到了93.2%的准确率,具有较高的应用价值。     

A new approach to frequency domain power measurement based on distortion responsibility

This paper takes us a step forward with respect to previous definitions for the measurement of electric power quantities under non-sinusoidal conditions.A new decomposition of voltage, current and power is presented in order to determine the extent to which the distribution company and the electrical energy consumer are each responsible for the harmonic distortion measured at the point of common coupling, PCC.This gives us three different quantities: fundamental frequency, frequencies associated with the distribution system distortion and frequencies associated with consumer distortion. These magnitudes can also be measured in relation to power factor compensation and harmonic elimination problems in power distribution systems.In addition to this, the power factors resulting from the new decomposition are also analyzed and the decomposition algorithm implemented on a measurement platform based on a digital signal processor, DSP.Finally, the general structure of the system, focusing on both hardware and software, is also discussed.     

A new approach to eliminating of chaotic ferroresonant oscillations in power transformer

Ferroresonance is a complex phenomenon, which can result in thermal and electrical stresses on power system equipments. It can also cause chaotic oscillations in power system. In this paper, a new method is proposed to restrict and damp ferroresonant oscillations, which is based on a new of fault current limiter (FCL). In this method in order to restrict chaotic ferroresonance oscillations, a kind of fault current limiters (FCL) is used which has been used to restrict unwanted high current flow in power system before.To study the ferroresonance nonlinear dynamics, in this paper, the chaos theory is used. By using this theory, the changes in system parameters which can cause chaotic ferroresonant oscillations, can be reviewed and analyzed in details. The behavior of the system during ferroresonance occurrence, with and without using proposed FCL, is discussed in bifurcation and phase plane diagrams. By using these diagrams, the behavioral changes of the system can be easily seen in two cases. The simulation results strongly show the effectiveness of using the proposed FCL for restricting the ferroresonant oscillations.     

面向电力无线专网的分层异构网络接入协同选择方案

针对电力无线专网应用场景部分地区存在盲、弱覆盖等问题,提出了一种分层异构网络接入协同选择方案。该方案研究了均衡网络静态性能指标和动态性能指标的多目标联合优化,并利用改进非支配排序遗传算法求解该方案的最优解。仿真结果表明,提出的方案在承载实时和非实时业务时,都能够保证静态性能指标和动态性能指标之间的均衡性,因而能够完整地表征网络的整体性能。进而用户终端能够合理地选择整体性能较好的网络进行接入,使得分层异构网络资源能够得到合理的分配。     

基于超级电容器控制策略的含风电微电网电压波动的抑制

在分析含风电及储能的微电网电压—功率特性基础上,提出一种基于超级电容器控制策略的电压波动抑制方法,可对风电功率的随机波动进行快速补偿,保证风电与超级电容器储能共同向外输出的功率稳定,实现系统母线电压的稳定控制。对该方法进行了PSCAD仿真,仿真结果表明:风速变化时,该方法可有效抑制风电功率变化引起的电压波动;大型阻感性负载投入、外部故障时,该方法亦能减小电压波动和电压恢复时间,从而验证了所提方法的有效性与可行性。     

采用Hilbert谱带通滤波和暂态波形识别的谐振接地系统故障选线新方法

利用谐振接地系统发生单相接地故障后,非故障线路的暂态零序电流波形相似,而故障线路暂态零序电流波形与非故障线路差别较大的特点,提出一种基于故障暂态零序电流波形时频局部特征识别的接地选线新方法。将故障后各线路首个工频周波内的零序电流波形经Hilbert谱带通滤波分解为多频带分量,在时域上对各频带分量做等间隔划分,得等面积的时频小块,以其面积为元素生成各线路的分块时频谱矩阵,进而综合运用相关系数法及欧氏距离法求取各线路相对于其他线路的综合相似系数,结合选线判据确定故障线路。仿真结果表明,该选线方法能适应各种故障条件及影响因素,具有裕度高,选线准确等特点。