反褶积在地质雷达资料处理中的应用

该文根据地质雷达信号的特点,采用最小熵反褶积法对雷达信号进行处理。该方法可以有效地去除子波的拖尾现象,改善地质雷达剖面记录,提高信号的垂向分辨率和信噪比。采用该方法对某工程基岩面和岩溶地质雷达探测数据进行处理,结果表明该方法是一种比较有效的雷达资料处理方法。     

基于奇异谱熵和支持向量机的变压器绕组松动识别及定位

绕组压紧状态影响着变压器的机械性能和绝缘性能。为此,提出一种基于奇异谱熵和支持向量机的变压器绕组松动诊断及定位方法。首先进行110 kV变压器绕组松动实验并测取不同绕组状态下的振动信号,对信号进行时间序列重构,通过奇异值分解提取重构空间的最优特征序列,结合信息熵得出绕组松动的特征量——奇异谱熵,并作为诊断模型的输入,利用粒子群算法对多分类支持向量机进行参数优化。并将其测试结果与BP和PNN神经网络的诊断效果进行对比。实验结果证明,该方法能有效地判断绕组是否发生松动并正确识别绕组松动相,验证了上述方法的可行性和准确性。     

基于波形相似度的小电流接地故障选线

提出一种基于零序电流波形相似性的配网小电流接地系统故障选线方法,以解决小波等暂态方法难以确定能量频段等问题。通过对小电流接地系统零序电流分析,发现非故障线路零序电流波形相似,而与故障线路电流波形有明显差别。提出了基于互近似熵的选线方法,通过直接计算同一母线的两条出线之间零序电流采样值的互近似熵值,判断两条线路零序电流波形的相识度,从而筛选出故障线路。仿真结果表明,该方法实现简单、选线准确率高,且不易受高电阻接地、电网结构和故障初始条件差异等复杂因素的影响。     

基于改进EEMD-SE-ARMA的超短期风功率组合预测模型

针对风力发电功率时间序列具有非线性和非平稳性的特性,提出了一种改进的集成经验模态分解(Modified Ensemble Empirical Mode Decomposition,MEEMD)-样本熵(Sample Entropy,SE)-ARMA的风电功率超短期组合预测模型。将EEMD分解中添加的白噪声信号改为添加绝对值相等的正负两组白噪声信号,并将MEEMD分解过程中的EMD步骤使用端点延拓和分段三次埃尔米特插值进行改进,形成一种改进的EEMD分解算法(即MEEMD)。利用MEEMD-SE将风力发电功率时间序列分解为一系列复杂度差异明显的风电子序列;针对每一个不同的子序列建立适当的ARMA预测模型;将各预测分量进行叠加重构,得到最终的风电功率预测值。通过算例分析及与其他几种预测模型预测结果的对比,证明MEEMD-SE-ARMA组合预测模型可以有效地提高风力发电功率超短期预测的精度。     

短时间尺度用电行为相关性分析网络模型

用电行为短时间尺度相关关系是用户精细化管理与智能配用电的重要决策基础。建立了针对短时间尺度用电行为相关性的网络化分析方法。首先,由描述短时间尺度用电功率序列间相关性的皮尔逊相关系数构造用电行为相关矩阵,为减小随机用电行为与测量误差等无序噪声信息对相关矩阵的影响,引入随机矩阵理论对相关矩阵进行去噪,并提出利用特征值谱熵的正则化修正方法。然后,基于相关矩阵构建了相关矩阵分阶与同级网络序列,提出了基于社团结构的相关性聚类方法与基于最小树的相关性等级结构挖掘方法;定义了量度用电相关性的拓扑指标,从而构造了用电行为相关性聚类分析与等级分析的网络模型,并就模型的典型应用场景进行了讨论。最后,通过实例数据验证了上述去噪方法、相关性分析网络模型及指标的有效性。     

计及历史数据熵关联信息挖掘的短期风电功率预测

对风电功率历史数据进行关联信息挖掘,将有助于提高短期风电功率预测的准确度和计算效率。为解决风电功率预测模型的输入、输出变量的相关性冗余问题,尝试采用了一种基于信息熵和互信息的熵相关系数指标,旨在量化评估不同历史日风电样本与待预测日参考样本间的复杂非线性映射关系,并与线性相关系数、秩相关系数、欧氏距离指标进行了对比研究。同时,设计了一种BP神经网络改进模型,通过亲密样本筛选、隐含层结构寻优、网络权重赋初值等环节,克服了传统预测模型的训练数据冗余度大、收敛速度慢问题,提高了预测模型的泛化能力和计算效率。对某风电场实测数据的算例分析表明,所提出的方法在改善短期风电功率预测性能方面具有应用可行性。     

基于能量时空分布熵的低频振荡类型判别方法

电力系统发生低频振荡时,准确判断振荡类型对确定振荡起因和采取抑制措施至关重要。将低频振荡细分为局部振荡、区间振荡和局部—区间耦合振荡,并从熵的基本原理出发,结合不同类型低频振荡的振荡能量时空分布特性,提出基于能量分布熵的低频振荡类型判别依据。首先利用Prony分解提取主导振荡模式的电气量数据,计算各机组振荡能量并且得到振荡能量空间分布熵和标幺化标准差分类指标,然后通过增加滑动窗的方式动态反映振荡能量随时间的变化态势,对结果进行曲线拟合显示不同类型振荡能量时空分布规律,利用熵差综合分类判据对低频振荡类型加以区分。通过华北电网不同类型低频振荡仿真计算,验证了所述方法的有效性。     

基于多特征量的D矩阵模型的建立与分析

针对基于单特征量的D矩阵模型会损失测试信号的大量信息的问题,提出了一种基于多特征量的可测性分析模型。首先,在研究D矩阵模型的基础上,对测试信号进行特征提取和多值编码,建立了基于多特征量的D矩阵模型。其次,基于信息熵制定诊断策略和生成故障诊断树,并对模型进行测试性分析,评估其诊断能力。结果表明,与单特征量的D矩阵模型相比,基于多特征量的D矩阵模型选用的测试点数和模糊组数小,故障隔离率高,诊断测试步骤数少,平均测试费用低。     

基于熵法与灰色理论的地铁工程项目管理绩效评价

根据项目管理知识体系的九大知识领域及地铁工程项目管理过程中所涉及的因素建立了体现地铁工程项目管理绩效的评价指标体系.采用熵值法确定指标体系中各级指标的权重,在给出的地铁工程项目管理绩效测度的基础上,对各级指标进行多层次灰色评价,建立了熵值法与多层次灰色评价方法相结合的地铁工程项目管理绩效评价模型.利用所建立的评价模型对某大型地铁工程项目管理绩效进行评价,并根据评价结果给出了针对性的改进意见,验证了该评价方法的可行性.     

熵值—可拓理论在泥石流危险度评价中的应用

运用熵值法对泥石流危险度评价因子进行了客观性赋权,避免了主观赋权法在权重值评判过程中,人为因素对评判结果影响较大的不利之处,并通过建立基于可拓学理论的泥石流危险度评价模型,对可拓学模型的评价结果进行了验证,结果表明该方法与实际情况吻合程度较高。