短时电能质量扰动分类方法研究

为了准确检测短时电能质量扰动问题,提出了一种基于K-L变换和支持向量机多值分类器的短时电能质量扰动分类方法。采用离散小波变换获得信号在不同分解尺度下的能量分布作为原始特征空间;运用K-L变换进行模式识别特征空间的提取;设计了适用于短时电能质量扰动的支持向量机多值分类器。实验结果表明,对原始能量特征进行K-L变换后,可以提高分类准确率;支持向量机多值分类器的分类结果优于BP神经网络。     

金樱子生理功能及其保健食品研究进展

金樱子（Ｒｏｓａ Ｌａｅｖｉｇａｔａ Ｍｉｃｈｘ．）是蔷薇该科一种野生蔓性灌木植物，又名白玉带、下山虎、螳螂子树等，喜生于海拔２００～１６００ｍ的向阳山野、田边、溪畔的灌木丛中，广泛分布于我国华东、华中、华南及西南地区。其果实、花、叶和根均入药，民间利用已有上千年，始载于《蜀本草》，历代本草如《开宝本草》、《梦溪笔谈》、《本草纲目》、《植物名实图考长编》等均有记载，是我国较常用的中药。果实味酸涩性平无毒，入肾、膀胱、大肠经，作强壮剂、镇静剂和收敛剂，久服令人轻身耐寒，可补血益精、固精涩肠、缩尿止泻…     

定名次快速排序方法

给出了一个全新的不用比较交换数据的排序法—定名次排序法。用于内排序其计算量为2N次加法;对于涉及M个文件的外排序,可不形成新文件,计算量为N次加法,调用文件次数为2M次。该算法也是一特殊的并行算法,其总计算量几乎和单机计算量相同。     

基于局部形相似的超短期负荷预测方法

在对电力负荷局部特性分析的基础上,定义了一个描述负荷序列形状相似程度的指标--负荷曲线形系数,提出了一种基于局部形相似的超短期负荷预测方法.该方法将预测时刻前一段负荷序列与各相似日同一时段负荷序列的形系数引入到超短期负荷预测中,强调基于形相似基础进行值预测,克服了现有预测方法中对各相似日采用相同权重所导致的平滑效应对拐点负荷预测的影响.研究结果表明,该方法在保证运算速度的同时,提高了总体预测准确性和拐点处的预测准确性.该改进方法可用于对现有多种超短期负荷预测方法的改进.     

基于自适应滚动优化的电力负荷多模型组合预测系统的研究与开发

该文提出了多模型组合预测等预测策略，采用了包括非线性优化组合模型、逻辑预测模型、组合自适应指数平滑模型和综合模型等多种组合模型来进行短期电力负荷的预测；并使用自适应波动优化技术保证每种模型能随负荷特性变化，调整模型参数；同时根据对每种模型在一段时间内的预测误差分析，选取最优的组合模型。基于该文预测策略和预测模型所开发的预测系统的预测结果表明，组合预测模型的预测结果优于单一模型的预测结果。     

利用红外图像特征和径向基概率神经网络识别不同湿度条件下绝缘子的污秽等级

提出一种利用污秽绝缘子红外图像特征和径向基概率神经网络(RBPNN)来检测不同湿度条件下自然污秽绝缘子污秽等级的新方法。采用修正后的阿尔法滤波器和基于波谷的图像分割方法对绝缘子红外图像进行预处理。提取了不同湿度条件下的图像背景(周围环境)的平均温度、绝缘子盘面区域的最高温度、绝缘子盘面区域的平均温度、绝缘子盘面温度分布的方差值作为反映污秽等级的4个特征量。通过RBPNN建立了湿度及污秽特征与污秽等级之间的映射关系,并利用训练好的RBPNN识别绝缘子污秽等级;另外提出一种梯度算法与随机性方法相结合的算法来确定RBPNN的隐中心、宽度控制参数及权值矩阵。实验结果证明该方法能有效识别不同湿度条件下绝缘子的污秽等级。     

基于形态相似准则的曲线拟合算法及其在超短期负荷预测中的应用

提出了一种基于形态相似准则的曲线拟合算法，以保证拟合曲线与实际曲线的形态最相似为准则，同时引入时间影响因子。将拟合曲线方程参数的求解转化为约束极值问题，利用罚函数法将该约束极值问题转化为无约束极值问题，采用Powell方法求解该无约束极值问题。利用该算法对超短期负荷预测中的曲线拟合预测方法进行了改进，研究结果表明，该算法在保证运算速度的同时，提高了总体预测准确性和拐点处的预测准确性。     

定名次快速排序方法

给出了一个全新的不用比较交换数据的排序法一定名次排序法.用于内排序其计算量为2N次加法;对于涉及M个文件的外排序,可不形成新文件,计算量为N次加法,调用文件次数为2M次.该算法也是一特殊的并行算法,其总计算量几乎和单机计算量相同.     

基于多神经网络的母线负荷混沌优化组合预测

单一算法在母线负荷预测中存在稳定性弱、波动性大的问题。为此,提出基于多神经网络的母线负荷混沌优化组合预测模型。采用改进的混沌学习算法对模糊网络、小波网络和灰色网络的预测值进行混沌优化组合,确定最优的权重系数,得到最终的预测结果。算例分析表明,该组合模型性能优于单个网络模型和传统组合模型,能较大提高负荷预测的精度和收敛速度。     

基于向量的多边形扫描转换方法

提出了一种基于向量的多边形扫描转换方法,给出了相关的转换算法,并与一般计算机图形学原理教材中的常用几种多边形的扫描转换算法进行了相关比较分析.结论是在凸多边形的扫描转换上文中所提算法明显优于其他算法;对凹多边形也只需在凸多边形计算的基础上增加对凹边的判断与处理,但效率仍然高过其他算法.