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。     

立体裁剪

在进入正题之前,我们还是来先说一下什么叫做立体裁剪。随着现代服饰文化与服装工业的飞速发展,我国的服装产品进入了个性化品牌时代,人们对服装款式、档次、品位的要求在不断提高,对服装设计与裁剪技术也提出了更高的要求。虽然平面裁剪快捷、方便,但在个性化服装的造型上和合体度,舒适性上却有着局限性。     

一种基于多元物理场耦合的变压器故障演化评估模型

变压器作为电力系统的重要设备,其故障预防和寿命管理对提升电力系统运行的可靠性具有重要意义。为实现变压器设备故障状态的高效评估,文中从变压器故障机理的关联性和复杂性特征出发,建立了基于多元物理场耦合与模糊数理论的变压器故障演化评估模型。首先,基于变压器故障的关联性特征,建立变压器故障演化网络图。其次,考虑到变压器故障机理复杂以及监测数据有限,采用COMSOL软件进行多元物理场耦合仿真;同时结合模糊数理论,建立变压器故障演化概率计算模型。最后,引入风险熵表征变压器故障演化的不确定性,提出变压器故障演化路径最大概率表达式,并将其转化为线性规划问题,进而得到不同初始风险因素下变压器最大概率故障演化路径。算例分析表明:模型计算结果能够反映变压器故障统计数据特征,可为变压器的状态评估提供参考。     

基于受众角度的电视新闻编辑创新

受众是电视新闻节目服务的对象,其需求不仅影响新闻传播活动,也影响新闻编辑工作的发展.为推动电视新闻编辑在内容和形式上的创新,栏目组应当深入调研不同受众群体的需求,挖掘富有吸引力的新闻题材,编辑高质量的精品新闻节目.     

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...     

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。     

袖子的立体裁剪方法

立体裁剪是区别与服装平面制图的一种裁剪方法,是完成服装款式造型的重要手段之一。它是一种直接将布料覆盖在人台或人体上,通过分割、折叠等技术手法制成预先构思好的服装造型,再从人台上取下布样在平台上进行修正,并转换成服装纸样再制成服装的技术手段。文章根据立体裁剪的基础方法重点介绍一下袖子部分的立体裁剪步骤,包括各种袖型的不同的处理方法。     

国潮文化背景下的旗袍市场前景分析

着眼于国潮文化背景下的旗袍市场,对旗袍市场进行调查,最后分析出国潮文化背景下的旗袍市场前景。