基于深度-迁移学习的输电线路故障选相模型及其可迁移性研究

为提高输电线路故障诊断模型的可迁移性,根据迁移学习理论将输电线路分为源线路和目标线路,提出一种基于深度-迁移学习的输电线路故障类型识别方法。通过组合不同故障条件,生成输电线路故障期间的时序数据,并通过对数据的预处理,得到面向卷积神经网络的输入数据样本;利用源域数据对初始卷积神经网络进行预训练,获取适用于源线路故障类型识别的预训练模型;采用最大均值差异法对源线路和目标线路进行相似性检验,筛选出待迁移的源域预训练模型;利用目标域数据对预训练模型进行微调迁移训练,获取最终的目标域故障诊断模型。仿真结果表明,利用源域数据量5 %的目标域数据对预训练模型进行微调迁移训练,得到的目标域模型对目标线路故障诊断的准确率达99 %以上。     

基于注意力机制-卷积神经网络的配电网单相接地故障选线方法

针对配电网发生单相接地故障的电气量特征难以提取，故障选线准确性与鲁棒性难以保证，给电网安全稳定运行带来巨大隐患问题，提出一种基于注意力(attention)机制-卷积神经网络(convolutional neural networks, CNN)的配电网单相接地故障选线方法。首先，采用S变换将故障各线路时序零序电流数据转化为CNN可识别的二维输入矩阵；其次，在传统CNN分类算法进行故障选线的基础上引入注意力机制，建立了基于Attention-CNN的故障选线新模型；最后，通过仿真数据与工程实际数据验证模型的选线结果，并将所提Attention-CNN模型与同类CNN优化方法在不同干扰条件下的性能进行对比。结果表明，所提Attention-CNN模型能够大幅提高选线效率，减少迭代次数，实现更高效、准确的故障选线，具有较强的实际应用价值。     

基于特征融合的随机森林飞机尾流识别

为提高民航运输的高效性和安全性,利用随机森林模型,结合多普勒激光雷达技术,提出一种基于径向速度极差特征和边缘轮廓特征融合的方法,实现对飞机尾流的准确识别。将在双流机场采集的数据样本进行速度极差特征提取,同时将样本数据映射成灰度图,通过形态学梯度提取图像轮廓特征,再将二者融合,并以此构建随机森林尾流识别模型,最后进行对比实验。实验结果表明,特征融合后随机森林模型的分类准确率、精确率、召回率、F1-score分别为95.8%、87.3%、89.4%、88.4%,高于单一特征方式和决策树模型识别结果。本文提出的方法能够对具有复杂背景风场中的尾涡进行检测。     

基于S变换相关度和深度学习的配电网单相接地故障选线新方法

针对配电网发生单相接地故障时特征信息不明显,且现有选线方法易受故障条件和环境噪声影响的问题,基于S变换相关度和深度学习,提出一种具有强抗噪声能力和高泛化水平的配电网单相接地故障选线新方法.首先,利用S变换获取零序电流时频信息,基于各线路零序电流的全频段信息计算线路故障信息相关度;其次,为提高故障特征的可辨识度和抗干扰性,提出一种S变换相关度图形(SCF)构建方法;在此基础上,建立含SCF层的卷积神经网络深度学习模型(S-CNN),并利用Simulink仿真模型生成的故障数据对其结构参数和超参数进行分步训练;最后,通过S-CNN提取配电网故障零序电流深层特征,实现故障选线,并测试了S-CNN在配电网不同运行状况和故障条件下的选线效果.仿真结果和实际配电网故障数据测试表明:在强噪声干扰场景中,基于S-CNN的故障选线模型在不同故障位置、故障相角、过渡电阻条件下可实现高正确率选线,且在各线路零序电流采样不同步条件下仍具有较强的鲁棒性.     

考虑分布式电源出力随机特性的配电网节点脆弱性评估

随着分布式电源的接入及配电网规模的不断扩大,配电网的安全性与可靠性面临挑战,配电网脆弱环节辨识问题亟待解决.考虑分布式电源出力随机性对配电网节点脆弱性的影响,建立基于拉丁超立方抽样的风电与光伏随机出力模型;基于复杂网络理论与配电网辐射状的拓扑条件提出改进节点度、改进介数等节点脆弱度指标;利用分布式电源随机出力模型的采样结果得到节点脆弱度指标的分布特性;提出基于样本修正权重的模糊综合评价方法,对考虑分布式电源出力随机性的配电网节点脆弱性进行分析.改进的IEEE 123节点系统算例结果验证了所提方法的可行性与有效性.     

基于雷达探测数据的ARJ21尾流遭遇响应研究

为了缩减ARJ21飞机与前机的尾流间隔、提高空域容量和机场运行效率, 采用基于机场激光测风雷达实际探测飞机尾涡数据, 结合国产客机ARJ21空气动力学响应模型, 进行了理论分析和实验验证, 取得了ARJ21飞机在不同前机尾流作用下受到的气动力和力矩随时间的变化情况。结果表明, ARJ21飞机作为后机跟随重型机B747, 间隔9.3km, 此时处于无颠簸状态, 滚转力矩系数小于极限范围; ARJ21飞机作为后机跟随中型机A320、B737, 间隔6km, 此时处于无颠簸状态, 滚转力矩系数小于极限范围。此研究结果说明ARJ21飞机尾流间隔具有一定的缩减空间。     

汽车天窗加强件辊压工艺设计

辊压成型是一种节材、节能、高效的金属板料成型新工艺、新技术,是通过顺序配置的多道次成型辊轮,把卷材、带材等金属板带不断地进行横向弯曲,以制成特定断面型材的塑性加工工艺。材料根据截面不同,辊轮组对数也不同。文章从实际出发,联系车间生产,对汽车天窗加强件辊压工艺进行设计,确定截面加工辊花图以及辊轮的设计,主要攻克段数划分,角度分配等难点。     

基于复杂系统理论的电力通信耦合网络模型构建及节点重要度评估方法

配电物联网的快速发展,使得电力物理网与电力通信网耦合程度进一步增强.电力通信网单一故障会交叉影响到电力物理网乃至整个配电物联网的稳定运行,因此,开展电力通信网的节点重要度评估具有重要的理论和现实意义.首先,基于国内某配电物联网试点城市配网拓扑,建立了包含环网柜、开闭所以及分支箱等元件的电力通信网模型;其次,计及电力物理...     

民营企业劳动关系评价及规范对策

改革开放以来,民营企业发展迅速,已成为市场经济的主体,因此,民营企业劳动关系状况更值得关注.本文通过143份问卷调查发现,劳动者的绝对状况正在逐渐改善,但是劳动关系的相对状况却并不容乐观.在实证调查基础上,针对民营企业劳动关系中存在的问题,提出了相应的规范对策.     

基于三维卷积神经网络的配电物联网异常辨识方法

由于配电物联网中电力网与通信网高度耦合,单一网络的异常状态会交互作用至另一网络,可能进一步造成异常范围扩大,而单独采用电力网或通信网的异动信息难以全面、准确地辨识配电物联网异动源的类型和位置。因此,提出一种基于三维卷积神经网络(3D-CNN)的配电物联网异常类型辨识及定位方法。首先,分析了配电物联网通信流量特征并构建了基于Simulink和OPNET的配电物联网交互仿真模型;其次,提出了一种面向3D-CNN的样本构建方法,将配电物联网中每个节点的电气量和通信流量信息组成一个特征子像素,进而将配电物联网每个时刻的状态表示为一幅特征帧画面,形成隐含配电物联网异动过程的立方样本矩阵;随后,构建了包含三维特征提取网络和层级softmax分类器的深度学习模型,通过提取和辨识立方样本矩阵中隐含的异常信息,可以同时实现配电物联网异常类型和位置的判定;最后,利用IEEE 33节点配电物联网异常数据对模型进行测试,结果表明,所提方法可以对电力网短路故障、通信中断故障、通信数据异常引起的保护误动和拒动进行精确的分类及定位。