基于Bagging异质集成学习的窃电检测

针对传统窃电检测中单一分类方法的不足,提出一种基于Bagging异质集成学习的窃电检测方法.考虑不同个体学习器在数据集上的表现以及各学习器之间的多样性,构建多种个体学习器嵌入的Bagging异质集成学习的窃电检测模型,模型的个体学习器包含k最近邻、误差反向传播神经网络、梯度提升树和随机森林,通过引入改进加权投票策略将其输出进行结合.使用爱尔兰智能电表数据集对算法有效性进行验证.结果表明,与传统单一学习器和同质集成学习检测相比,基于Bagging异质集成学习的窃电检测方法的准确率、命中率、误检率等检测指标更好,灵敏性分析验证了基于Bagging异质集成学习的窃电检测方法的有效性.     

基于自监督特征增强的 CNN-BiLSTM 网络入侵检测方法

针对网络入侵检测中攻击样本和流量特征不足的问题,提出一种基于自监督特征增强的CNN-BiLSTM网络入侵检测方法,实现在流量数据中检测异常网络流量的目标。通过分析流量特征数据分布差异,采用IQR异常值处理方法进行数据预处理,使用自编码器对攻击样本进行数据增强,构建CNN-BiLSTM神经网络和自编码器组成半自监督模型,分别提取高维流量特征和自监督特征,将组合特征作为最终特征输入到分类模型中进行预测分类,实现网络入侵检测。实验结果表明,与其他入侵检测方法相比,所提方法在准确率和F1分数上分别达到了85.7%和85.1%,能够有效提高网络入侵的检测精度以及对未知攻击的检测能力。     

基于AdaBoost集成学习的窃电检测研究

针对传统窃电检测中单一分类方法的不足,提出一种基于AdaBoost集成学习的窃电检测算法。首先利用训练集对决策树、误差逆传播神经网络、支持向量机和k最近邻四种方法进行训练对比,提出决策树作为AdaBoost集成学习算法的弱学习器。其次通过绘制不同学习率下的分类错误率曲线,确定AdaBoost集成学习算法的学习率和弱学习器个数。最后利用爱尔兰智能电表数据集中的居民用电数据对所提算法进行测试评估,将AdaBoost集成学习算法与决策树、k最近邻、误差逆传播神经网络、支持向量机等各类单一强学习算法对比。结果表明基于AdaBoost集成学习的窃电检测算法在准确率、命中率、误检率等检测指标中最优,灵敏性分析验证了基于AdaBoost集成学习的窃电检测方法的有效性。     

基于主成分分析法的变压器直流偏磁声学异常检测

针对变压器故障在线检测问题,利用声学无入侵方式对变压器进行检测.变压器种类繁多、检测结果复杂,单凭听觉无法有效对变压器进行异常检测,针对变压器声学信号数据规模大、维度高、实时性要求高的问题提出解决方案.对采集到的北京市某变电站变压器正常运行和异常时的声学信号进行去噪处理.利用梅尔频率倒谱系数方法提取信号MFCC特征,分别在无监督和半监督学习模式下通过主成分分析法对变压器声学信号进行故障检测,并比较两种模式下主成分分析法对变压器故障监测的效果.实验结果表明,基于主成分分析法的变压器声学异常检测具有良好的检测能力,在半监督学习模式下,主成分分析法具有更好的检测效果.     

基于多模型融合Stacking集成学习的异常用电检测方法研究

针对单一异常用电检测方法对于存在不平衡性的数据集检测效率普遍不高的问题,提出了一种基于多模型融合Stacking集成学习的异常用电检测方法.首先,以居民用电数据作为研究对象,分析用户在习惯上表现的不同特征,结合不平衡处理技术和分类预测算法进行研究;其次,为了提高模型的整体性能,采用量子遗传算法对集成学习模型中的参数做优...     

工控网络异常行为的RST-SVM入侵检测方法

针对工业控制网络环境的复杂性和入侵检测要求的特殊性,提出了基于异常行为模式的入侵检测特征提取方法。以Modbus/TCP工业控制网络为检测对象,通过深度解析异常行为的操作模式,提取通信流量的入侵检测数据特征,同时,为了去除冗余的检测信息,利用粗糙集理论(RST)的方法进行检测特征的属性约简,最后结合支持向量机(SVM)算法的分类优点,并利用自适应遗传算法(AGA)进行模型参数优化,建立基于RST-SVM算法的自学习式入侵检测模型。根据实际的检测性能对检测特征和模型参数进行学习。研究表明,该方法降低了入侵检测模型的复杂度和检测时间,提高了对异常攻击行为的检测率,能够满足工控网络入侵检测高效性和实时性的要求。     

基于多样性增强集成学习的电池健康状态评估

为了提高多样性、小样本数据条件下电池健康状态的评估精度,基于集成学习理论提出了一种多样性增强的Stacking集成学习回归算法。该算法核心思想是通过基于动态时间规整的K-均值聚类算法构建多样性数据,然后采用Stacking集成学习回归算法学习数据的多样性特征,获得更佳的模型精度,并增强模型对多样性数据的泛化能力。Stacking集成学习回归算法由多个基学习器和一个输出学习器构成,首先通过多个基学习器获得初步结果,然后通过输出学习器对初级结果进行进一步学习获得最终结果。最后采用美国国家宇航局的公开电池数据集验证了算法的有效性。     

融合无监督和有监督学习的虚假数据注入攻击检测

虚假数据注入攻击（False Data Injection Attack,FDIA）是智能电网安全与稳定运行面临的严重威胁。本文针对FDIA检测中存在有标签数据稀少、正常和攻击样本极不平衡的问题,提出了融合无监督和有监督学习的虚假数据注入攻击检测算法。首先引入对比学习捕获少量攻击数据特征,生成新的攻击样本实现数据扩充,然后利用多种无监督检测算法对海量的无标签样本进行特征自学习,解决有标签样本稀缺的问题,最后将无监督算法提取的特征与历史特征集进行融合,在新的特征空间上构建有监督XGBoost分类器进行识别,输出正常或异常的检测结果。在IEEE 30 节点系统上的算例分析表明,与其它FDIA检测的算法相比,本文方法增强了 FDIA 检测模型在有标签样本稀少和不平衡数据下的稳定性,提升了FDIA的识别精度并降低误报率。     

基于对比学习生成对抗网络的无监督工业品表面异常检测

在工业品表面异常检测中,由于异常的未知性和无规则性,人工标注异常样本难度大、成本高,有监督的深度学习算法在工业品表面异常检测任务中存在局限性。针对上述问题,提出一种基于对比学习生成对抗网络(contrastive learning generative adversarial network, CLGAN)的无监督工业品表面异常检测算法。首先,建立基于无监督学习算法的CLGAN模型;其次,采用对比学习加强潜在特征空间正负例样本约束,使得输入与输出图像对应Patch之间的互信息最大化,增强正负样本特征向量区分度,使模型重构异常样本图像能力得到进一步提升;然后,在检测阶段,利用训练好的模型得到待测工业品的无异常重构图像,并计算得到待测样本与其对应重构图像之间的残差图像;最后,结合双阈值分割的后处理方法和数学形态学处理,实现工业品表面异常区域地快速检测和准确定位。通过在公共数据集MVTec AD上进行实验,与其他的无监督深度学习模型算法相比,所提算法具有更好的识别效果和更强的泛化能力。     

脑机接口中半监督学习算法研究

为提高脑机接口系统分类的正确率,避免大量烦琐枯燥的学习训练过程,提高其适用性,提出一种改进的基于支持向量机的半监督学习算法。该算法针对在线采集的脑电数据,根据支持向量机判别函数处理未标签样本,调整分类器训练集,同时动态调整支持向量机中惩罚因子C的值,提高了分类器性能。实例分析表明该算法比传统半监督学习算法更适用于脑电信号分类。     

基于生命周期评价的不同电源对环境影响的比较

用生命周期评价方法对工业固体废弃物焚烧发电、生物质气化发电、风力发电、天然气燃气蒸汽联合循环发电等几种电源型式对环境的影响,进行了编目分析,计算了其污染物排放量,并且都与燃煤发电进行了比较。     

基于串口通信的DSP在线烧写技术研究

为了解决DSP嵌入式系统某些特殊应用场合升级不方便、维护困难的问题,提出了一种基于串口通信向片内Flash在线烧写程序的方法.描述了该在线烧写方法的基本思想和实现步骤,并结合工程实际需要,优化了接收升级指令的时机,并在片内Flash设置应用程序备份区,进一步提高了烧写的可靠性和安全性,增强了系统的容错性和自愈恢复能力.实验结果表明,该方法有效可行,方便可靠,相比于传统基于JTAG烧写,可摆脱仿真器进行程序升级,提高了嵌入式系统的可维护性.     

基于微位移的超分辨重建技术研究

CCD图像传感器广泛用于图像采集,受其内部结构和外部条件的影响,采集到的图像质量不能满足人们的需求,通过硬件改进提高图像质量面临经济与技术两方面的难题。为此本文利用多幅微位移图像间的冗余信息重建出高分辨率图像,既低成本又易实现。针对CCD与目标物间有相对微位移来获取序列低分辨率图像的情况,采用一种解线性方程组的方法对采集到的4幅微位移图像进行重建,并对这种算法进行优化。实验结果图可清晰地看到重建图像可分辨更多线对,高频信息量增加,算法具有较好的效果。     

基于PMU的状态估计的研究

传统的状态估计是基于单相纯正弦模型的,但实际电力系统的三相并不是完全对称,这就导致了传统的状态估计存在着固有的误差.随着基于GPS同步相量测量单元(PMU)的应用和计算机技术的发展,该文提出了一种以PMU为基础的三相状态估计和谐波状态估计算法以消除这种固有误差.利用PMU的电压幅值测量值和相角测量值与SCADA原有的测量值构成的混和量测系统一起用于状态估计,从而提高网络的可观测性及状态估计的精度,来弥补传统状态估计的不足.所以这种算法可根本解决系统三相不平衡和状态向量非纯正弦带来的误差问题.最后讨论了对该算法的评估方法.     

基于光生物效应的办公空间采光研究初探

该文将办公室天然采光与光生物效应相结合,通过分析在不同光气候、季节时段、采光口朝向、亮度水平的天然采光条件下,人眼瞳孔大小、主观感受等变化规律,研究在光生物效应作用下,天然光的光色（光谱分布）、光照强度（亮度）与人的视觉心理生理变化之间的关系,整理在不同光色下瞳孔变化与亮度水平函数关系式,以期能提出符合节能要求、有利于办公人员身心健康及提高工作效率的办公空间采光环境方案,完善办公空间天然采光的健康模式,从而进一步促进绿色照明和健康照明。     

基于Linux的SCADA系统后台服务器的研究

随着微机技术的不断发展，以Linux为代表的自由软件越来越多地应用于各个领域。针对自由软件Linux应用到电力SCADA系统后台服务器中这一课题进行了可行性研究。通过与传统的Unix工作站后台服务器相比较，提出了基于PC／Linux的SCADA后台服务器。     

基于SOPC的舵机控制器研究

研究一种开放式全数字舵机控制器。控制器采用了全数字三闭环控制,实现了舵机位置伺服控制功能,其中位置环采用PID参数模糊自整定的算法,电流环、速度环作为内环采用PI调节的算法,并对采用PID参数模糊自整定的算法和传统PID算法所得的结果进行了对比分析。实验结果表明,系统有较好的鲁棒性和动、静态性能,可达到位置跟踪效果。     

基于TMS320C6747的SVPWM实现方法研究

空间矢量脉宽调制(Space Vector Pulse Width Modulation)是逆变系统设计的是重要方法之一,本文详细介绍了SVPWM方法,探究了使用数字信号处理器TMS320C6747生成SVPWM波的方法和实现过程。对SVPWM实现的软件和硬件均进行了设计,并在此基础进行了实验,实验表明该逆变系统的具有良好的可行性、有效性和可靠性。     

基于PSCAD/EMTDC的电网GIC影响仿真分析

地磁暴在电网中产生的地磁感应电流影响电力系统运行,研究地磁感应电流在电网中的分布、大小及影响等问题有重要意义。在提出了研究我国电网地磁感应电流影响问题必要性的基础上,给出了基于平面波理论的地表面势的算法,以及用PSCAD／EMTDC软件分析电网地磁感应电流影响的思路,并对仿真分析中的仿真条件、理论依据、注意事项等问题进行了讨论,最后给出了仿真实例的分析结果。实例分析表明,我国电网的地磁感应电流问题是有必要深入研究的课题,PSCAD／EMTDC软件是分析电网地磁感应电流影响的有效工具和最佳选择。     

基于RTDS建模的分布式光伏对配电网影响研究

随着分布式光伏的大规模推进,需要研究分布式光伏接入配电网后对电压、 电流和继电保护带来的影响.首先,根据分布式光伏和配电网的典型结构,基于RTDS建立分布式光伏接入配电网的仿真模型.其次,仿真分析在不同的光伏渗透率、故障类型和故障位置下分布式光伏对配电网电压和电流的影响.然后,研究电网故障状态下分布式光伏对配电网继电保护的影响.仿真结果表明,分布式光伏接入配电网后使电压增大、系统提供的电流减小,分布式光伏渗透率较大时可能使过流保护拒动以及重合闸失败,因此需要重新整定保护定值.