220 kV变电站立体防鸟害系统及其应用效果

为减少鸟害导致设备非计划停运,杜绝鸟害导致设备跳闸,保障电网安全稳定运行,提出了变电站立体防鸟害系统,通过多种驱鸟手段的协同互补,形成“主动驱鸟+被动防鸟”立体化结构,综合保护变电站免于鸟害威胁。在苏州地区鸟害较为严重的变电站应用220 kV变电站立体防鸟害系统,结果表明该系统能保护变电站不受鸟害威胁。     

一种基于Cascade R-CNN的电子器件容器质检方法

电子器件容器生产是一种对安全性、高效性、完整性要求极高的过程,是各大企业必须要关注的问题。但是在实际的生产封装过程中,容器上的污渍、容器内的异物,外观的异常不可避免地出现,这些问题亟待解决。目前解决这些问题主要的检测方法还是人工检测和传统的机器视觉的方式,人工检测方式的缺点在于准确率高而效率低,传统机器视觉检测方式是效率高而准确率低,都难以满足高速自动化生产线要求。因此,本文提出一种基于Cascade R-CNN的电子器件容器质检方法,针对实际过程中的容器数据定向改进网络,加入Focal Loss检测难以区分的样本,使用可变形卷积更高效地提取特征,以多尺度训练方式训练强鲁棒性的模型,用于电子器件容器的多类别检测问题。实验结果表明提出的改进的基于Cascade R-CNN的电子器件容器质检模型具有高准确率和强鲁棒性。     

基于异卷积神经网络的入侵检测

网络已经深入人们生产生活的各领域。然而,由于存在大量的非法入侵行为,网络所面临的安全问题也越来越严峻。因此,检测入侵以保障网络安全是一个亟待解决的问题。针对此,本文提出一种基于异卷积神经网络的入侵检测方法,采用深度学习的卷积神经网络模型完成对入侵数据的特征提取,然后根据2种不同结构的卷积神经网络训练数据,从而得到最优模型,用以判断网络入侵。最后,使用KDD 99数据进行对比实验,验证本文方法的准确性和精确性。     

基于Krylov子空间方法的网络入侵数据聚类

网络信息安全中的数据具有维数高、规模复杂等特性。网络入侵检测需要对网络入侵信息进行合理的分析,筛选出危险的带有攻击性的行为。随着数据维数的不断升高,传统的基于距离的聚类分析方法不再适用。针对此,本文提出一种基于Krylov子空间方法的高维数据聚类分析算法,首先将高维数据投影到低维空间,实现数据的降维,再用基于遗传算法的K-means算法在低维空间中进行数据的聚类,避免了数据属性的丢失,同时也提高了高维数据聚类分析的效率。最后,使用KDD Cup 99数据进行实验,实验验证了方法的有效性和精确性。     

基于LSTM的智能家庭用电预测模型研究

家庭用电是能源市场的一个重要组成部分,预测家庭用电需求能够实现智能供电,可以有效地提高供给率,但目前预测方法大多效果不佳.针对此,提出了一种基于LSTM的面向家庭智能用电预测算法,建立了端到端的智能家庭用电预测模型.其在Boruta特征筛选的基础上设计了特征选择方法,对多个特征进行重要性计算,选取其中重要性高的部分进行...     

新冠肺炎疫情影响下基于多源数据驱动的电力系统负荷预测方法

新冠肺炎疫情的爆发及快速传播给中国乃至全球造成了深远的影响,对社会带来全方面影响的同时也改变了大众的能源消费习惯,催生了新的电力需求侧的变革与契机。疫情对社会各方面的影响可以通过病例数、在线办公人数、电力市场数据、外卖快递数据、社交距离数据、城市亮度数据与二氧化氮等数据得到更为直接的展现,利用大数据相关系数算法,结合历史数据与天气数据,表征疫情下各个社会属性量与电力系统负荷之间的强弱联系。提出了疫情下基于极端梯度增强算法(extreme gradient boosting,XGBoost)分类器的电力系统负荷预测模型,利用新冠肺炎病例数据将地区划分为重度疫情期、轻度疫情期与疫情恢复期,探讨不同时间段新冠肺炎疫情影响下,各个社会属性量数据与电力系统负荷之间的关系,提出了多源数据驱动下的电力系统负荷预测模型,相关试验结果验证了提出方法的有效性与科学性。     

基于支持向量机的变电站蓄电池健康度评估

针对变电站蓄电池健康状态评估手段效率低,破坏性强的缺点,以评估变电站蓄电池健康度为目标,利用支持向量机算法提出了一种新的变电站蓄电池健康评估模型.为了验证该模型的有效性,利用北京某变电站蓄电池组的实测数据进行验证,实验结果表明该模型的分类精度高达97.45％.通过实例验证了该模型能够对变电站蓄电池的健康度能够进行较好评估.