风电场远程监控中心关键技术探讨

针对目前传统风电场就地监控运营模式存在的问题,本文提出了建设风电场远程监控中心的技术方案。技术方案详细阐述了远程监控中心的系统架构、计算机及网络配置、应用功能等方面的内容。结合远程监控中心自身的技术特点,本文还介绍了不同制造商风机数据集成、风机高频海量数据存储和访问、风机数据挖掘等多项关键技术的应用。     

电力系统输电线路远程监测方法研究

目前我国变电站普遍采用无人值守的运行方式。在发生输电线路故障后,需要尽快对故障原因进行分析。本本提供一种自适应电力系统输电线路故障在线分析方法,可以快速故障分析并给出处理建议。该技术已经应用于多个智能变电站,取得良好效果。     

改进VMD融合深度学习在滚动轴承故障诊断中的应用

针对滚动轴承早期振动信号微弱且难以提取的问题,结合灰狼算法与变分模态分解（Variational mode decomposition,VMD）提出改进变分模态分解（Improved variational mode decomposition,IVMD）方法分解轴承故障信号,并基于快速谱峭度图（Fast kurtogram,FK）提取特征分量进行信号重构,采用深度学习与混沌理论对各故障轴承重构信号进行非线性分析,完成故障识别。在保留原故障信息整体几何结构的同时降低了特征数据复杂度,增强了故障状态分类能力。基于损伤轴承实验数据验证所提方法的有效性。结果表明：IVMD较VMD能更好地分解故障信号,快速谱峭度图可有效提取特征分量;采用IVMD FK进行信号前处理后,经卷积神经网络（Convolutional neural network,CNN）进行故障分类,准确率高达99.99%,远高于传统故障诊断方法;在强噪声环境下此方法仍可较好地进行故障分类,在-8dB噪声下准确率达到75.75%,具有良好的鲁棒性;同时,结合混沌相图与Lyapunov指数反映故障信号的混沌特性,随卷积层数增加Lyapunov指数逐渐减小,表明深度学习模型和混沌理论可从混沌序列中提取纯净特征信息,准确进行故障识别。     

稳定控制信息管理系统的Web发布系统

为了实现从安全区Ⅱ向安全区Ⅲ单向实时地发布Web数据,设计了稳定控制信息管理系统的Web发布系统.该系统基于ASP.NET平台,使用Visual Studio 2003开发工具开发了大量的Web服务器控件,并通过Web Service接口向DMIS系统提供保护信息数据,发布了用户管理、实时告警、事件浏览、画面浏览、保护信息浏览、波形浏览等信息,具有安全可靠、Web响应速度快、服务器及网络负荷小、可维护性强、Web Service接口方便等优点.     

基于结构和语义的代码分类以及聚类方法

提出一个基于抽象语法树(Abstract Syntax Tree, AST)生成代码向量解决代码分类以及聚类任务的深度学习模型，该模型结合了卷积以及循环神经网络能够同时对AST的结构和语义信息进行提取，在代码分类任务上，分类的准确率与该领域最优的模型效果十分接近，速度却是其1.55倍。聚类任务上Jaccard系数(Jaccard Coefficient)、FMI(Fowlkes and Mallows Index)指数、ACC准确率分别达到74.4%、75.2%和83.6%,对比当下前沿的深度学习模型占有优势。