面向调控领域多源数据融合的电力变压器态势感知与预警方法研究

为了应对日益复杂的电网设备监控一体化要求,有必要完善电力变压器态势感知模型,以辅助监控人员在海量且离散的监控信息中及时发现状态有劣化趋势的变压器,并提前作出应对。而目前的变压器状态感知技术具有数据来源单一且实时性较差的普遍性问题,且仍需要监控人员结合遥测信息作出人工分析与预判,无法完全满足电网设备监控要求。本文基于多源数据融合技术,通过关联挖掘变压器告警信息、缺陷管理记录、设备检修记录、离线试验报告和输变电在线监测数据,提取了五个变压器运行态势评估的维度特征。通过构建多层感知机模型,建立基于马尔科夫链原理的变压器状态转移模型,可提前2 h对其可能发生的缺陷进行预测并达到了很好的效果,并确定了变压器状态预警指标,为监控人员提前对变压器运维工作的部署提供充分时间。     

基于多层感知机的智能软开关就地控制方法

分布式电源在配电网中的高渗透率接入,直接加剧了系统功率波动和电压越限的风险,传统的调节手段难以满足控制要求。为了有效应对分布式电源出力的间歇性和不确定性,提出了一种基于多层感知机的智能软开关SOP(soft open point)就地控制方法。以降低网络损耗和减小电压偏差为目标,通过历史数据训练建立多层感知机模型,利用本地量测信息确定"电压-无功"曲线的参数,从而制定智能软开关的运行策略,实现配电网功率调节的快速响应和精细化控制。与集中式控制方法相比,基于"电压-无功"曲线的就地控制方法的通信和数据处理负担小,响应速度快,且具有较好的鲁棒性。最后,采用PG&E 69节点测试算例验证了所提方法的有效性。     

行人导航系统设计与IMU模块数据预处理

设计了一种具有数据采集、数据处理以及显示终端的行人导航系统，其中的惯性测量模块采用了基于微机电系统的传感器，它包括三轴加速度传感器、三轴陀螺和三轴磁阻传感器。这种惯性测量模块具有体积小、功耗低、成本低的优点。详细分析了行人导航系统的误差来源，提出了三轴加速度传感器和三轴磁场传感器的非正交误差模型。并运用基于最小二乘的方法实现了一种自动初始校准算法。实验结果表明，这种自动初始校准算法可以有效地消除了该模块的固定偏差、比例误差以及非正交误差。     

基于多层感知机的多维条件下电能表准确度预测模型

传统电能表的检定工作均是在试验条件人为可控的实验室内进行,但电能表实际运行的条件可能与实验室条件存在多维参数差异。目前对在多维条件下如何进行电能表仪器检定工作以及相关的量值溯源的研究开展的比较有限,但电力生产过程中对于复杂工况下准确计量的需求逐渐提升。近年来,随着机器学习、人工智能领域的技术进步,为多维条件下计量工作的开展提供了一种有效途径。首先针对实际运行当中对电能表准确度产生影响的各种因素进行了机理分析,探讨了多层感知机模型预测电能表准确度的可行性;然后提出基于多层感知机算法的电能表准确度预测模型,采用有监督学习完成训练过程;最后利用电能表准确度实验数据进行仿真训练,验证了模型的准确性和有效性;填补了国内相关领域的空白。     

基于BP神经网络的无人机IMU多传感器冗余的补偿算法

针对无人机多传感器数据决策时存在的数据可靠性不足以及资源浪费的问题,提出一种基于BP神经网络的无人机惯性测量单元(IMU)多传感器冗余的补偿算法。将低精度的IMU传感器数据输入到BP神经网络,利用BP神经网络的非线性拟合能力,补偿低精度IMU数据的误差,然后利用基于置信度的数据仲裁算法对多个较高精度数据进行仲裁,输出经过数据融合后的传感器数据,此过程还可以进行传感器故障判断和定位。通过改变同类型传感器安装方式解决奇点问题。实验结果表明,经过神经网络误差补偿后,误差比原来减小了55.2%,比使用卡尔曼滤波算法进行误差补偿后的误差小53.9%。此算法充分发挥了冗余传感器设计的优势,提高了传感器系统的可靠性。     

基于 BP 神经网络的无人机IMU 多传感器冗余的补偿算法

针对无人机多传感器数据决策时存在的数据可靠性不足以及资源浪费的问题,提出一种基于 BP 神经网络的无人机惯 性测量单元(IMU)多传感器冗余的补偿算法。 将低精度的 IMU 传感器数据输入到 BP 神经网络,利用 BP 神经网络的非线性拟 合能力,补偿低精度 IMU 数据的误差,然后利用基于置信度的数据仲裁算法对多个较高精度数据进行仲裁,输出经过数据融合 后的传感器数据,此过程还可以进行传感器故障判断和定位。 通过改变同类型传感器安装方式解决奇点问题。 实验结果表明, 经过神经网络误差补偿后,误差比原来减小了 55. 2%,比使用卡尔曼滤波算法进行误差补偿后的误差小 53. 9%。 此算法充分发 挥了冗余传感器设计的优势,提高了传感器系统的可靠性。     

电机故障诊断的多传感器数据融合方法

电机及其运行环境的复杂性决定了电机故障诊断也非常复杂。尽管随着检测技术、信号处理技术、智能技术的进步,故障诊断技术得到了很大的发展,但是目前的故障诊断技术仍因为各种原因存在着很大的不确定性。目前诊断技术依然是基于单个参数,如电流、振动、温度、润滑油成分所能携带的故障特征来进行诊断．但是因为模型或者环境的不确定性导致这些诊断结果模糊不清甚至错误。分析了传统故障诊断方法中存在的不确定性．并介绍多传感器数据融合的方法来处理由于单个参数带来的诊断的不确定性,同时介绍一个数据融合故障诊断系统(fusion diagnosis system．FDS)的结构模型．并分析这个结构在应用中的关键问题。     

基于多源数据多时间断面的配电网线路参数估计方法

基于可大规模部署的微型同步相量测量单元(μPMU),分析现阶段多种量测体系的特点,提出基于多源数据多时间断面的配电网线路参数估计方法,既利用μPMU采样快速性进行多时间断面量测数据融合,又利用μPMU的精确时标进行同一时间断面上的数据对齐,将多时间断面的μPMU、数据采集与监控、高级量测体系量测数据联合建立量测方程,在满足相互独立条件时开展最小二乘法参数估计。针对配电网典型的主干/分支接线模式构建参数估计模型,通过IEEE 33节点配电网仿真算例分析多种量测配置情况下的应用场景,结果证明了所提方法的有效性。     

基于高斯过程模型的多源点云数据融合方法

多传感器测量技术被认为是表面计量学中一个很有效的解决方案。 针对多源数据的融合问题,本文提出了一种基于高斯过程模型的多源点云数据融合框架。 首先,提出一种自适应距离的鲁棒点云配准方法统一不同测量数据集的坐标系;然后,通过引入平差理论,对来自不同传感器的多个独立数据集之间的残差进行近似,构建基于 Matern 核函数的高斯过程模型;最后,通过仿真模拟和实际应用,与现有方法进行了一系列对比实验,验证了该方法的有效性。 实验结果表明,该方法能以更高的融合精度和更快的计算效率融合多传感器数据集。     

多传感器数据融合的研究现状

近年来,多传感器数据融合的理论和方法已经被应用到许多领域。本文主要介绍数据融合的概念,论述其原理、模型、结构、方法比较,并总结了当前数据融合研究的主要问题及其研究方向。     

基于磁力计在线校准的行人导航算法

航向角误差是行人导航中的主要误差之一,常见解决方案是将MIMU与磁力计组合使用,但磁力计误差较大,因此使用前需要进行校准。针对这一问题,提出了一种基于磁力计在线校准的行人导航算法,在行走前通过空间旋转的方式进行椭球拟合完成初步校准,之后在行进过程中使用UKF对时变误差进行实时估计并进行校准,以校准后的磁力计输出对行人航向进行修正。数据显示,基于磁力计在线校准的行人导航算法,与磁力计未校准和仅进行初始校准磁力计的行人导航算法相比,闭环误差分别下降了6.17%和2.8%。结果表明,所提出的算法有效地校准了磁力计,并抑制了行人导航中的航向角发散,提升了导航精度。     

超声波与航迹推算融合的智能轮椅定位方法

针对智能轮椅自主导航中的定位问题,提出了一种适用于室内环境下的智能轮椅定位方法。该方法首先在室内合适位置安置两个超声波发射器,在轮椅上安置超声波接收器阵列,通过空间几何算法和坐标变换原理实现轮椅的初步定位,然后对传统的航迹推算方法进行改进,提高轮椅相对定位的精度,最后采用卡尔曼滤波将2种定位方法进行融合。仿真实验结果表明,该方法比单独使用绝对定位或相对定位的精度要高许多,能够满足轮椅在大面积房间内长时间较准确的定位。     

基于多传感融合的老年人跌倒检测系统

针对老龄化社会对老年人跌倒监测的现实需求,融合三轴加速度传感器、压力传感器与超声测距模块等多传感器信息,研制了便携式老年人跌倒监测系统。该系统以MSP430F149为控制器,通过ZigBee方式来实现监测系统与数据中心之间的通信。采取阈值判断算法来检测跌倒是否发生,并具有自动报警以及手动解除报警的功能。在系统的测试实验中,对于左倒、右倒、前倒、后倒、坐下、起跳和行走等7种人体运动姿态模式进行检测,正确率达99％。本系统的成功研制,可以为老年健康监测物联网提供功能支持,为发生跌倒的老年人得到及时的帮助。     

基于中介理论的无线传感器网络加权数据融合

多传感器加权数据融合算法大部分要对测量方差进行估计,必需占用额外的资源和能量,不适合无线传感器网络。本文将中介理论中的真值程度度量用于数据融合,根据距离比函数定义各传感器的权重。该算法运算量小,不需要存储传感器节点的历史数据进行测量方差的估计,当被测对象变化较快时能进行实时动态的估计融合。仿真结果表明,该算法估计精度高、抗信道衰落能力好。     

微传感器阵列多通道数据采集和处理系统

为提高气体传感器信号采集的实时性和精确度,利用MSP430设计了基于微传感器阵列的数据采集、传输、显示和存储系统,能够对多路微传感器信号进行采集,经信号衰减、A/D转换、串口通信传送到上位机进行接收和存储,并以折线图的方式进行实时显示。利用静态配气法配制了2.5×10~(-2)~2.5×10~(-1)mg/L乙醇气体,进行了连续实验。结果表明,该系统能连续、稳定地对多路传感器信号进行实时采集,平均测量误差为0.2%,具有实时性强、精度高、界面友好和成本低廉等优点。     

State estimation and data fusion for multirate sensor networks

This article is concerned with state estimation and data fusion of a linear dynamic system observed by multirate sensors in the environment of wireless sensor networks. The sampling, estimation, and transmission rates in the wireless sensor networks are different. We derive the optimal linear estimation in the centralized, sequential, and distributed forms. A numerical example is given to show the feasibility and effectiveness of the proposed algorithms. Copyright © 2015 John Wiley & Sons, Ltd.     

基于信息融合理论的光纤位移传感器研究

提出了一种解决光纤位移传感器对温度的交叉灵敏度问题的方法.该方法基于多传感器信息融合理论,通过增设温度传感器,将位移传感器和温度传感器的输出进行融合处理,实现了软件补偿,降低了交叉灵敏度系数,为存在交叉灵敏度的传感器的实用化设计提供了一种新思路.实验表明,融合处理后光纤位移传感器的温度灵敏度系数降为原来的1/3,测量准确度和系统稳定性均得到提高.     

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。     

模糊数据融合技术在系统故障诊断中的应用

利用系统故障症状的分散性，提出了一种基于模糊数据融合技术的系统故障诊断方法。首先，为保证量测信号的准确性，采用同源多传感器数据层融合以及多传感器信息优化协调技术对量测数据进行初步处理，为系统故障模糊融合诊断奠定基础；然后，针对同一症状的不同表现信息，采用多个模糊神经网络得到对故障的局部决策，利用模糊积分融合方法，识别出该症状所对应的故障。最后针对某液体火箭发动机的泄漏故障进行仿真，并与常规模糊神经网络故障分类器进行对比。研究表明，在对渐变故障的诊断中，本法较常规模糊神经网络故障分类器具有更好的诊断性能。