电力企业移动安全接入平台

电力企业承担着为社会经济发展提供安全、可持续电力供应的重要使命,因此,电力企业信息系统的安全要求比普通企业要高。随着电力企业信息化的快速推进,各种远程移动终端与信息内网的数据交换需求日益增长。如何保证移动终端远程接入的安全已成为电力企业信息化建设中的关键问题。在分析传统 SSL VPN 技术的基础上,针对电力企业信息安全建设的特点和特殊需求,设计了一种适用于电力企业的新型移动安全接入平台。该平台能够支持多种移动终端的多因素认证和访问控制,同时实现了SSL高速协议栈、数据隔离等功能,有效地解决了上面所提到的问题。     

融合共现推理的Faster R-CNN输电线路金具检测

为促进目标检测模型与电力领域业务知识有机融合,缓解金具样本间长尾分布问题,有效提升输电线路金具的自动化检测效果,提出了融合共现推理的Faster R-CNN(faster region-based convolutional neural network)输电线路金具检测模型。首先,深入研究输电线路金具结构化组合规则,通过数据驱动的方式以条件概率对金具目标间的共现连接关系进行有效表达;然后,结合图学习方法,利用学习并映射的共现概率关联作为共现图邻接矩阵,使用基线模型(Faster R-CNN)提取的特征向量作为图推理输入特征,以自学习的变换矩阵作为共现图传播权重,完成图信息传播并实现有效的共现推理模型嵌入。实验证明,融合共现推理模块的Faster R-CNN模型较原始模型提升了6.56%的准确率,对于长尾分布样本中数量较少的金具性能提升尤其显著。     

超超临界二次再热机组过热汽温模型辨识

二次再热是进一步提升大型超超临界机组运行参数、提高机组运行效率的一项关键技术。该类机组的建设尚处于起步阶段,运行经验相对缺乏,为提高其运行控制水平,需要了解锅炉运行的热工特性,并建立兼具工程应用需求和理论研究价值的模型。在西安热工院开发的华能莱芜电厂2×1 000 MW机组仿真系统的平台上,进行了两级喷水减温扰动试验、烟气再循环扰动试验,探究过热汽温的变化规律。采用改进型的粒子群算法,对过热汽温被控对象进行辨识。研究表明改进型粒子群算法辨识精度较高,得到的过热汽温被控对象模型可用于开展机组优化运行与优化控制的相关研究。     

适用于广域测量系统的实时数据寻址红黑树算法

随着广域测量系统(Wide Area Measurement System,WAMS)的迅速发展,目前其数据主站的单站相量测量单元(Phasor Measurement Unit,PMU)的海量接入带来了一些规模化后的相关效率问题。主站实时数据通过层次化结构等方法在宏观上缓解了大量数据点的寻址效率问题,但在微观局部上当某一层次具有大量平行数据点时(如在含大量设备的站点或距离较长的线路上)的寻址时间飙升问题突出。本文对这种情况下的寻址操作提出了一种基于改进的红黑树数据结构组织和查询数据点的寻址算法RBA(Red-Black Tree Addressing Algrithm),并论证了其在此情况下的可行性以及对数据更新和搜索操作时间的大幅优化效果。实验和实际工程应用数据表明,RBA算法使平行节点搜索寻址效率大幅度提高,基本解决了WAMS系统在大量同层数据点下寻址时间过于滞后引起的同步周期速率延迟等问题。     

基于目标建议与结构搜索的绝缘子识别方法

针对目前航拍图像绝缘子识别算法具有识别精度不高以及运用传统遍历识别运算速度慢的特点,提出了一种基于目标建议算法(object proposals)与结构搜索的绝缘子分步识别方法。利用目标具有的梯度轮廓闭合性特点进行目标建议,减少检测窗数量;提取绝缘子局部特征训练分类器,对检测窗进行识别,实现绝缘子粗定位;计算绝缘子骨架结构的特征描述子,以此描述子进行绝缘子结构搜索,实现绝缘子的细定位。实验中,绝缘子识别率达到了89%,运算速度相较于传统遍历识别提升了9倍。实验结果表明,所提算法具有较好的识别精确性和运算快速性。     

单一风电场平滑效应研究

随着中国风电的快速发展,风电在能源系统中比重不断增大。然而,由于风电其自身的波动特性,"弃风"现象频发。因此,分析风电出力波动规律,研究风电场平滑效应,找出平滑效应的规律,具有重要的理论意义和应用价值。利用统计分析的方法,给出了平滑效应的定义、表现、产生机理,以及定量分析方法,并以某风电场实际运行数据为例,进行了仿真验证。结果表明,平滑效应随着机组数量的增多而变强,并随着空间距离的变大而变强。     

基于CCD技术的外观纸病检测系统

设计了CCD在线外观纸病检测系统,介绍了该系统的硬件组成情况和系统的工作原理、技术指标和软件设计,重点阐述了外观纸病检测系统中CCD技术的优势。     

基于B/S模式高校实验管理系统的设计

针对现阶段高校实验管理中的难点,研究设计了基于B/S模式的高校实验管理系统。介绍系统的架构和主要功能,阐述必修实验和开放性实验各自采用的实验预约方法,说明了部分关键功能模块所需的技术。     

一种SSAE+BPNN的变工况飞灰含碳量软测量方法

火电机组变工况运行使数据呈现多模态特征,导致基于浅层网络结构的回归软测量模型的预测精度下降。研究一种改进的BP神经网络(back propagation neural network,BPNN)软测量方法：首先利用堆叠稀疏自编码器(stacked sparse autoencoder,SSAE)强大的深度学习能力提取原始数据特征,然后再利用BPNN对提取特征进行回归分析。经实验验证,SSAE+BPNN软测量方法的均方误差为0.135 8×10^–3,平方相关系数为0.983 2,其预测精度和泛化能力显著优于BPNN。将其应用于某台灵活调峰的超超临界660 MW发电机组飞灰含碳量软测量中,预测结果的平均相对误差为0.91%,总体相对误差控制在±5%以内,具有良好的工程应用价值。     

融合先验信息和特征约束的杆塔螺栓缺陷检测

目的 螺栓是输电线路中数量最多的紧固件,一旦出现缺陷就会影响电力系统的稳定运行。针对螺栓缺陷自动检测中存在的类内多样性和类间相似性挑战,提出了一种融合先验信息和特征约束的Faster R-CNN（fasterregions with convolutional neural network）模型训练方法。方法 在航拍巡检图像预处理阶段,设计了基于先验信息的感兴趣区域提取算法,能够提取被识别目标的上下文区域,从而减少模型训练阶段的数据量,帮助模型在训练阶段关注重点区域,提高其特征提取能力。在模型训练阶段,首先通过费舍尔损失约束Faster R-CNN模型的输出特征生成,使样本特征具有较小的类内距离和较大的类间间隔;然后采用K近邻算法处理样本特征得到K近邻概率,将其作为难易样本的指示以引导模型后续更加关注难样本。结果 在真实航拍巡检图像构建的螺栓数据集上进行测试,与基线模型相比,本文模型使螺栓识别的平均精度均值（mean average precision,mAP）提高了6.4%,其中正常螺栓识别的平均精度（average precision,AP）提高了0.9%,缺陷螺栓识别的平均精度提高了12%。结论 提出的融合先验信息和特征约束的输电杆塔螺栓缺陷检测方法在缺陷螺栓识别上获得了良好的效果,为实现输电线路螺栓缺陷的自动检测奠定了良好的基础。