基于移动应用故障处理的用采系统设计与实现

为避免电力故障问题对电网运行环境造成的影响,实现对电网应用主机的合理化保护,设计基于移动应用故障处理的用采系统。以宽带认证体系作为底层电网配置设备,同时联合IOM资源管理组织与OLT设备网关模块,实现用采系统的硬件执行环境搭建。在此基础上,建立电子调度应用网格,通过分类移动应用型数据业务故障的方式,连接电网运营所需的通信协议,实现用采系统的软件执行环境搭建,联合相关硬件设备元件,完成基于移动应用故障处理的用采系统设计。对比实验结果表明,与光纤接入型用采系统相比,基于移动应用故障处理用采系统的电子响应效率更高,而压降差值却相对更低,可解决电力故障对电网运行环境造成的抑制性影响问题。     

基于节点感应度的自主决策目标跟踪算法

目标跟踪是无线传感器网络的一项基本应用。由于传感器节点能量有限,如何在保证跟踪精度的前提下降低节点能耗以延长网络生命周期一直是研究的重点之一。文中采用RNG平面化技术将无线传感器网络平面化为多边形跟踪结构,基于定位边,采用加权质心算法对目标位置进行估计,结合节点对目标感应质量与距离负相关的特性,给出了节点感应度的计算方法,同时提出了一种节点自主决策是否参与跟踪的目标跟踪算法(NS-ADTT)。该算法中,节点可根据自身感应度值及局部网络情况自主决策是否参与当前跟踪。仿真结果表明,在目标跟踪过程中,该算法在保证一定跟踪精度的基础上减少了参与跟踪的节点数,降低了网络能耗,有效地延长了网络生命周期。     

基于深度神经网络的工单采集模型研究

提出了一种面向工单采集特定场景下的多轮对话模型,实现了机器人自动收集工单的功能。首先,该模型利用卷积神经网络(CNN)将用户输入句子转化成向量,利用信息网络来收集客户咨询的关键性信息,然后用双层长短期记忆网络(LSTM)来记忆上下文信息及管理会话流程,最后采用分类器来预测机器人的回复。实验结果表明,该模型与seq2seq模型相比,需要的训练数据较少,工单完成率高,即使中间信息采集存在误差,最终也可以准确地完成工单的采集。     

基于相量测量的状态估计攻击检测方法

针对电力系统中基于相量测量技术状态估计的虚假数据注入攻击难以被成功检测的问题,本文提出一种面向电力系统线性状态估计的攻击智能检测方法.采用自编码器对电网测量数据进行多次特征提取,逐渐降低特征维度;提取信息通过softmax层进行有监督学习,从而得到基于堆叠自编码器的攻击检测算法.针对自编码器的过度拟合问题,进一步提出基于降噪自编码的攻击检测方法.采用IEEE-118节点测试系统对所提出的方法进行仿真验证,结果表明所提出的攻击检测方法计算精度和效率高于其他方法.     

基于贝叶斯网络的电力客户停电敏感度预测

精准预测停电敏感的电力客户群体,能够有效感知客户用电需求,提升客户用电满意度,助力提高电力服务水平。文中提出基于贝叶斯网络构建电力客户停电敏感度预测模型,从95598客服平台、营销业务系统、用电信息采集系统获取分析数据,结合客户基本信息、用电信息、智能电能表计量信息以及用户用电交互行为,定义客户停电敏感度数据标签,对用户的停电投诉进行分析与预测。采用K折交叉验证法对停电敏感度预测模型进行实验验证。实验表明,基于贝叶斯网络构建的电力客户停电敏感度预测模型,在停电投诉分析应用中具备较高的精准度,验证了模型的有效性。     

基于CEEMD和随机森林算法的短期风电功率预测

提出一种基于完备总体经验模态分解(CEEMD)和随机森林(RF)算法的短期风电功率预测模型。首先,采用CEEMD算法将风电功率原始序列分解为若干特征互异的模态函数,计算各模态函数样本熵并将样本熵值相近的模态函数合并为新的分量。同时,采用偏自相关函数对不同分量确定输入变量集合,避免了人工经验选取的不足。然后,对每一分量建立随机森林预测模型,将各分量预测结果叠加获得短期风电功率预测值。最后,通过算例验证了所提模型的有效性。     

基于灰色马尔可夫模型的无线传感器网络目标跟踪算法

基于预测的目标跟踪是无线传感器网络目标定位与跟踪中很重要的一种方法,但在实际环境中由于目标运动模式的动态变化等原因,传统预测算法对目标位置的预测往往不准确。为了克服以上不足,提出了一种基于灰色马尔可夫模型的目标跟踪（GMMTT）算法。将具有震荡特点的Markov模型引入到分段灰色预测中,使目标定位既能获得较好的精度,又能适应目标运动模式的变化。预测得到目标位置后,当前跟踪节点将跟踪信息传送到目标下一时刻将要到达的预测区域,提前唤醒该区域内的节点,用尽可能少的节点实现目标有效的跟踪。实验结果表明：GMMTY算法在跟踪概率和跟踪精度方面具有较好的性能。