基于多源信息融合的配电网调度数据安全管控技术

为保障数字化配网调度的安全性与合理性,研究了基于多源信息融合的配电网调度数据安全管控技术。构建数字化配网调度智慧安全管控平台,采集数字化配网调度数据。通过概率数据关联算法,计算多源数字化配网调度数据之间的关联性,并采用联合卡尔曼滤波算法(Kalman Filter,KF),融合多源数字化配网调度数据。使用椭圆曲线公钥密码算法(SM2国密算法),加密融合后多源数字化配网调度数据,实现数字化配网调度智慧安全管控,保障数字化配网调度数据安全可靠。实验结果表明,本文技术可以有效保障数字化配网调度数据安全性,当传输的配网调度数据存在攻击时,本文技术可有效过滤攻击内容,实现配网调度智慧安全管控。     

能源互联网多源数据融合技术研究

随着我国能源互联网战略的推进,边缘计算成为解决能源互联网数据处理的有效模式,针对能源互联网的电力异构配用电数据的存储混乱与融合性差的问题,提出能源互联网多源数据处理与融合技术。首先,在边缘计算的基础上设计能源互联网多源数据处理与融合架构;其次,提出了智能配用电数据存储资源层负载均衡优化调度策略,利用Hadoop平台实现了多源数据存储和处理;然后,通过主成分分析方法得到能源互联网异构数据的主要特征,构建基于矛盾优化DS证据推理的多源数据融合模型,在边缘计算框架的基础上对多源异构数据进行分组聚合;最后,在某配电网模拟系统进行实验分析,分析结果验证了所提方法的有效性。     

基于多核DSP的3通道偏振图像FMT配准方法

为提高3通道偏振图像处理的实时性,以Fourier-Mellin变换为基本配准算法,在型号为TMS320C6670的多核DSP硬件平台上,设计并实现了一种3通道偏振图像配准的并行处理方法。根据图像配准中数据的空间及相关度不同,将FMT算法优化为高内聚、低耦合的多运算任务,设计了一种基于数据流的并行计算结构,克服了原始FMT算法中串行计算低效、数据耦合较高的问题。根据DSP的多核和多协处理单元的处理特性,设计了分组异构、组内异构等并行任务分配方法,保证了较高的系统负载平衡。实验结果表明,在配准精度达到水平偏差小于1个像素,旋转偏差小于0.2度的前提下,平均配准时间达到约16.2ms,能够满足偏振成像探测的实时应用需求。     

基于多域并发的时间窗数据采集方法与应用

针对工业数据采集中所涉参数繁多、数据结构复杂、采集频率高但数据质量难以保证等问题,提出了一种基于多域并发的时间窗数据采集方法,该方法基于滑动时间窗口的划分构建数据域模型,以多线程数据域并发的方法实时采集多源异构数据,针对高维度的多源异构数据进行扁平化处理,采用字节数据连接的方式对多源异构数据进行集成存储,实现了工业多源异构数据的采集与集成。通过仿真实验验证了该方法对于实时数据采集与集成存储的有效性,并在冶金起重机多维健康监测系统中应用该方法进行多源异构数据采集,实际运行结果显示,该方法能够提高冶金起重机多维健康数据的采集实时性,保证采集数据的质量,增加多维健康数据的集成度,是一种有效的实时数据采集集成方法。     

智能配电网大数据应用需求和场景分析研究

智能配电网中存在大量异构多源的数据,其中的数据规模和特点符合大数据的各项特征。首先总结配电网大数据的来源和特征,然后从智能配电网中的应用场景出发,分别从配电网负荷预测、运行状态评估与预警、电能质量监测和评估、基于配电网数据融合的停电优化等方面进行分析。从不同系统和不同数据结构角度,对多源数据融合中的不良数据辨识进行重点分析,同时还归纳了配电网大数据关联模型建模方法和配电网大数据分析手段。通过在配电网中运行大数据的分析技术,能够为智能配电网开展分析提供强有力的计算和分析条件,大数据的分析结果可为配电网规划和安全运行提供数据支撑,也可有效提升配电网各类资产健康水平。     

国电南瑞智能配电网运行控制关键技术通过鉴定

正近日,国电南瑞"智能配电网运行控制关键技术与核心装备研发及应用"项目通过江苏省经济和信息化委员会组织的科技成果鉴定。鉴定组一致认为:项目研究成果在技术上整体达到了国际领先水平,其中全电网统一建模及模型交互拼接技术、多源配电网故障处理算法及面向配电网非健全信息下多信息融合的故障容错处理算法、遵循IEC61968国际标准的信息交互及营配调等环节的多源异构数据集成与业务融合互动应用技术为国际首创。     

融合多源数据的智能配用电多时间尺度数据分析技术

随着分布式发电、储能和需求侧响应负荷的不断发展,传统的被动型用电网正在逐步演变为具有主动调节能力的主动配电网。为了充分发挥主动配电网的主动调节能力,需要在配用电网中安装智能电表、远程测控终端和配电网同步测量等数据采集装置,建设配电、用电、客服、营销等信息管理系统。这些数据采集装置和系统的建设,在配用电领域产生了大量的数据。文章在讨论智能配用电大数据来源、生命周期及数据特征的基础上,从数据集成平台、智能电网统一数据模型、多源数据在线、数据分析算法库、用户画像、机器学习算法等角度分析了智能配用电大数据分析的关键技术,然后提出了智能配用电大数据分析在电网运行、社会服务和用户服务方面的典型应用。     

融合型配电网大数据处理平台架构设计

为深化配电系统多源异构电力大数据的挖掘与应用,提出一种电力物联网与智能电网融合的配电网大数据处理平台架构方案.首先,针对两网融合的大数据处理研究现状,统筹当前主要业务需求,提出一种基于软件定义网络的云边协同总体架构设计;其次,就电力大数据的存取交互方式,考虑海量数据的多源异构特性,构建了一种分布式的3层数据管理架构;然...     

基于大数据的配电网运行状态评估与预警

大数据带来的挑战在于已具规模的配电网运行数据具有采样尺度不同、数据断面不同、数据存在误差、数据分散等特点。针对上述特点,首先对多源数据融合中的不良数据进行重点辨识和清洗,然后结合智能配电网不同应用场景,包括运用神经网络算法开展配电网负荷预测,有利于电网经济运行和安全调度;基于最大供电能力原理开展配电网负荷调整,有利于负荷优化再分配;探索低压供电可靠性评估方法以及"站-线-变-户"无功电压分析模型,细化供电质量分析;最后构建配电网供电能力评估指标体系,为配电网规划、安全运行、优质服务等方面提供数据支撑。     

配电网电力负荷需求侧响应模型构建

传统配电网电力负荷需求侧响应模型存在负荷配置效率较低、协调性较差的问题。为此,提出基于云边融合的电力需求侧负荷协调配置方法。采用云边融合技术融合配电网云数据库中心、边缘节点以及边缘域数据,对配电网负荷的类型进行分类,设置配电网储能配置目标与约束条件,将其作为前提,利用粒子群算法求解配电网储能配置目标函数,构建配电网负荷需求侧响应模型。仿真实验结果表明：提出方法具有理想的配置协调性,电力需求侧负荷利用率更高,验证了该文研究构建的配电网电力负荷需求侧响应模型的应用效果较优。     

卡尔曼滤波在组合导航数据处理中的应用

通过自主推航算法设计、仿真分析及程序测试等,围绕基于航位推算算法的GPS/DVL/FOG组合导航系统中多源信息滤波问题进行了详细研究与分析.联系已建立的数学模型并且引入卡尔曼滤波算法来进行数据处理,抑制水下无人航行器导航定位数据测量过程中的误差干扰信号.利用水试实验数据,将滤波后航位推算得到的航迹轨迹同GPS定位轨迹进行比较和分析,发现经过滤波后的航位推算所得航迹与GPS定位轨迹基本保持一致,并且其基于GPS数据的导航偏差很小,且最终趋近于无穷小,最终提高了导航定位精度.     

基于信号统计模型的变电站半遮挡融合定位方法

变电站存在建筑遮挡和电磁干扰等问题,这导致传统的基于电磁波定位的人员管控方法精度快速下滑。为避免因单传感器定位精度劣化而导致的电力安全管控效率降低问题,研究基于多源信息融合的巡检人员位置估计技术至关重要,而现有融合定位方法大多难以在地图信息未知的条件下鲁棒地选择传感器融合策略,因此文中提出一种基于卫星和近超声信号特征分析的融合定位方法,仅依靠信号统计特征实现环境信息判别并自适应选取融合策略。首先,利用多传感器信号特征统计模型构建指纹库,并基于t分布随机近邻嵌入(t-distributed stochastic neighbor embedding,t-SNE)降维算法和密度峰值聚类(density peaks clustering, DPC)算法处理指纹库数据。其次,依据聚类结果搭建反向传播(back propagation, BP)神经网络,将信号环境特征与卡尔曼滤波器的参数映射。最后,使用神经网络输出优化基于卡尔曼滤波的多源定位切换模型,形成自适应的融合定位方法。利用真实变电站半遮挡环境采集数据进行实验,结果表明,相较于未知环境信息、已知环境信息的融合定位方法,所提出的方法在地图信...     

基于AMI全量测点分区的配电网动态状态估计方法

针对传统配电网三相不平衡动态状态估计存在计算速度较慢且估计精度较低的问题,提出了一种基于高级量测体系(AMI)全量测点分区的配电网的动态状态估计方法。以AMI全量测点作为配电网分区节点,提出综合3个指标的分区目标函数对配电网进行分区,可对子区域进行完全解耦,缩小系统规模;并通过所提数据融合框架进行多尺度量测数据的融合,以远程终端单元量测周期为基准,融合量测周期较长的AMI量测数据,对非AMI量测时刻的系统状态进行跟随。提出一种基于子区域数据融合方法的高精度集合卡尔曼滤波算法,采用协方差膨胀法改进滤波发散的问题。算例仿真结果表明所提方法有效地提高了配电网动态状态估计的计算速度和估计精度。     

一种减小线性化误差的滤波跟踪算法

针对雷达目标跟踪数据滤波过程中,不同坐标系下测量数据处理引入量测误差的问题,提出通过估算非线性量测下扩展卡尔曼滤波算法的量测误差,再进行量测误差的有效修正,最后给出了1种减小线性化误差的滤波方程.通过对该滤波算法的仿真验证,该滤波算法增加了与距离有关的修正项,可实时对观测误差协方差矩阵进行计算,抵消了线性化误差的影响,...     

目标弹道数据实时融合方法研究

由于数据种类的多样性和实时性,数据融合方法在多信源弹道实时处理中应用尚不成熟。结合实际需求,提出一种多信源弹道数据动态加权实时融合方法。首先,根据模糊聚类算法,建立反映导弹目标当前状态信息的弹道隶属度矩阵,实时计算弹道集合中各弹道的权值,最后依据不同的权值进行弹道数据融合。仿真计算表明,该方法可以获得1条尽可能完整的目标飞行弹道,数据平滑、趋势正确,满足实际需求。     

基于 Kalman-LSTM 模型的悬浮质含沙量测量

针对电容法测量河流含沙量过程中易受环境因素影响而导致测量结果不准确的问题，提出基于卡尔曼滤波和长短期记忆神经网络(Kalman-LSTM)的融合模型。先采用卡尔曼滤波器进行滤波处理，减小传感器测量的随机误差；再通过LSTM神经网络模型对含沙量信息和环境量信息进行多传感器数据融合，减小环境因素对电容法测量含沙量的影响；最后建立了电容法测量含沙量的Kalman-LSTM融合模型。为了验证Kalman-LSTM融合模型的融合效果，与BP模型、RBF模型和LSTM模型对比，比较各模型的均方根误差、最大绝对误差、平均绝对误差和平均相对误差。实验结果表明，Kalman-LSTM融合模型的平均相对误差为2.54%,均方根误差为2.47 kg/m³,该融合模型能有效降低环境因素对含沙量测量的影响，提高电容法测量含沙量的准确性。     

Self‐tuning weighted fusion Kalman filter for ARMA signal with colored measurement noise and its convergence analysis

For the multisensor single‐channel autoregressive moving average (ARMA) signal with colored measurement noise, when the partial model parameters and the noise variance are unknown, a self‐tuning fusion Kalman filter weighted by scalar is presented based on the ARMA innovation model by the modern time series analysis method. With the application of the recursive instrumental variable algorithm and the Gevers–Wouters iterative algorithm with dead band, the information fusion estimators for the unknown model parameters and noise variance are obtained, and their consistence is proved by the existence and continuity theorem of implicit function. Then, substituting them into the optimal weighted fusion Kalman filter, one can obtain the corresponding self‐tuning weighted fusion Kalman filter. Further, with the application of the dynamic variance error system analysis method, the convergence of the self‐tuning Lyapunov equations for filtering error cross‐covariances is proved. With the application of the dynamic error system analysis method, it is rigorously proved that the self‐tuning weighted fusion Kalman filter converges to the optimal weighted fusion Kalman filter in a realization; that is, it has asymptotic optimality. A simulation example shows its effectiveness.Copyright © 2012 John Wiley & Sons, Ltd.     

基于自适应卡尔曼滤波算法的紧组合导航系统的研究

为了提高子滤波器滤波精度和优化信息融合算法,提出一种基于在线调节因子的自适应卡尔曼滤波算法。首先讨论采用卡尔曼滤波技术的理论依据,设计SINS/GPS紧组合导航系统。提出改进的自适应卡尔曼滤波算法,该方法通过构造自适应参数因子,并利用量测噪声协方差阵与自适应参数的比值实现在线修正量测噪声协方差阵。通过MATLAB仿真,与传统基于标准卡尔曼滤波算法的紧组合导航系统相比,其各向位置误差和速度误差均得到明显降低,从而达到提高组合导航定位精度和优化信息融合算法的目的。     

基于 Mahony-EKF 的无人机姿态解算算法

针对微惯性测量单元精度低和传统姿态解算方法误差较大,提出一种 Mahony 和扩展卡尔曼滤波(EKF)融合的姿态解 算算法。 首先通过 Mahony 滤波器融合陀螺仪、加速度计和磁力计数据,解算得到初步姿态四元数。 再以 Mahony 滤波器的姿态 四元数作为 EKF 的量测值,根据非重力加速度的大小,自适应正相关调节量测噪声协方差矩阵;根据陀螺仪测量的角速度信息 建立 EKF 状态方程。 最终经过 EKF 滤波后,获取无人机姿态的估计。 经过仿真实验验证,融合算法解算静态姿态角误差小于 0. 1°,解算动态姿态角误差小于 1°,均优于互补滤波算法和改进 EKF 算法。 融合算法能有效抑制陀螺仪漂移误差,滤除加速度 计测量值混有的高频噪声和抑制非重力加速度的干扰,提高姿态解算精度。