基于FAVMD-时变峰度的电缆局部放电多传感器在线检测与定位

在利用多传感器测量法进行电缆局放故障在线定位时,由于强环境噪声的干扰,局放初至脉冲的拾取误差较大或无 法拾取,造成精确定位失败。针对这一实际工程问题,提出一种基于FAVMD－时变峰度的电缆局放初至脉冲检测方法。首先,利用相关系数法自适应确定最优基本模态个数,将其应用于变分模态分解,将局放信号和噪声信号快速分解到不同的基本模态中,实现噪声信号的有效分离,然后运用时窗能量比方法确定局放时窗,并采用一种新的时变峰度法在局放时窗内精确拾取局放初至脉冲,最后运用多传感器测量法实现电缆局放源的在线定位。实验结果表明,相对于现有方法,该算法适应噪声能力强,定位精度高,在信噪比为－16ｄＢ的强噪声环境下,相对定位误差仅为 0.23%,在实际工程中有良好的应用前景。     

基于超高频和超声波的干式变压器局部放电检测与定位的研究

随着干式变压器的用途越来越广泛,对其在运行过程中的安全有效性要求也越来越高,因此对其进行局放检测尤为重要;主要分析了检测干式变压器局部放电的超高频方法与超声波方法的原理及检测方法,研究了基于超声和超高频相结合的干式变压器局部放电定位算法,试制了超高频传感器,并设计了一套超高频与超声波相联合的局放检测系统;通过该系统,对干式变压器局部放电源进行综合定位实验,实验结果验证了该方法的有效性,为干式变压器的局部放电检测提供了参考。     

基于IFA和TDOA的变压器局部放电特高频定位方法

非线性球面方程组的求解是变压器局部放电定位的关键技术之一,针对定位算法对时延误差敏感、容易陷入局部最优或误解等问题,提出基于改进萤火虫算法的变压器局部放电特高频定位方法。给出局部放电的定位模型和目标函数,对定位算法的适应度函数进行改进,对萤火虫算法的初始种群选择策略和萤火虫个体更新策略进行改进。仿真过程中,在理论时延下验证改进算法的可行性,通过改变时延大小模拟实际测量时的时延误差,并与其他定位算法进行对比,发现改进的定位算法平均定位误差为10.53 cm,满足定位精度要求。通过实验进一步验证了该算法的有效性和适用性。     

无线传感器网络中基于能量检测的定位研究

在许多无线传感器网络的应用中,节点定位是其关键技术之一,而定位精度的高低在很大程度上取决于距离测量的精度。针对射频信号受各种干扰影响而出现测距不精确的问题,该文对能量检测采用改进的限幅平均滤波方法,校正测量的节点间点到点的距离,并优选信标节点,最后用加权最小二乘法进行定位。实验及仿真结果表明,本定位算法可以提高测距精度...     

基于免疫记忆人工鱼群算法的局部放电超声定位方法

针对人工鱼群算法(AFSA)在局部放电超声定位中存在定位精度较低,容易陷入局部最优解的问题,在AFSA中引入免疫调节机制和免疫记忆特性,提出一种基于免疫记忆AFSA的局部放电超声定位方法,并将其定位效果与基本AFSA、遗传算法(GA)和免疫算法进行对比.算例仿真表明:免疫记忆人工鱼群算法的定位精度更高、综合误差最小、收敛速度更快,定位效果都优于其它三种智能算法.     

基于滑动窗口及局部特征的时间序列符号化方法

针对时间序列的数据挖掘将时间序列数据转换为离散的符号序列, 提出了一种基于滑动窗口及局部特征的时间序列符号化方法。该方法采用了滑动窗口的方法将时间序列分割, 每个分段采用多个斜率表示, 最后采用K-均值聚类算法对斜率表示的分段进行聚类, 实现时间序列的符号化。实验证明了该方法的有效性与准确性。     

声电联合法在35kV开关柜局部放电检测中的应用

介绍了基于超声波和高频电流相结合的局部放电检测方法的基本原理、检测和判定依据。将该方法应用到某高压配电室35kV开关柜的局部放电检修中,应用结果表明,该方法可准确判断开关柜的放电位置、放电相位、放电类型、放电强度等,并能对其趋势进行分析,为开关柜状态检修在线监测提供了有力的技术保障。     

基于有向滑动时间窗的报警动态选择算法

针对现有报警选择方法在实时性和精确性方面存在的不足,提出一种基于有向滑动时间窗的报警动态选择算法。依据历史关联结果的趋向特征,动态调整每个时间窗内报警抽取的概率,向历史关联强度高的时间窗分配更高的抽取概率,提高报警关联的效率和准确性。仿真结果表明,该算法在实时性上远高于报警全选方法和随机选择方法,在关联精度上优于随机选择方法。     

高斯-牛顿法在基于能量的目标定位中的运用

将基于能量的最大似然法的目标定位问题转化为求解非线性最小二乘问题,并引入高斯-牛顿法来求解目标函数最小值,通过分析目标函数的特点,提出了能量法定位中高斯牛顿迭代的初始值和步长的选取原则,防止了迭代算法进入局部最小。这种算法在保证搜索法的定位精度的前提下,提高了定位速度,实现了精度与速度的结合。     

基于时间窗的AGV动态避碰路径规划方法

为了解决多AGV在动态不稳环境下的无碰撞路径规划和系统效率提升的问题,提出了基于时间窗的AGV无碰撞路径规划方法。首先建立了多AGV的避碰模型,并结合时间窗模型,将多AGV的无碰撞路径规划分为预先规划和实时规划两阶段,预先规划阶段进行多AGV无冲突时间窗的计算和最大化系统中AGV的流通量,实时规划阶段通过改变AGV在避碰模型上的占用优先级和局部重规划的方法进行动态避碰。最后以某智能仓储为应用案例进行仿真实验,证明了该算法能有效避免多AGV的碰撞,提高AGV的流通量,同时在动态环境下具有较好的鲁棒性和柔性。     

基于改进遗传算法的有时间窗车辆调度问题研究*

在分析带有时间窗车辆调度问题的基础上,建立了车辆调度问题的数学模型,并构造了不同时间窗的惩罚函数.设计了针对车辆调度问题基于自然数编码的遗传算法,并改进了传统的交叉运算,避免优秀基因在交叉操作中被破坏,提高了遗传算法的寻优能力.最后,结合算例进行了仿真计算,分析了载重体积约束和时间窗约束对车辆调度的影响,验证了算法的有...     

基于双约束滑动时间窗口的告警预处理方法研究

在通信网告警相关性分析中,针对传统时间窗口提取告警数据效率低的问题,提出了一种基于双约束滑动时间窗口的告警预处理方法.在双约束的条件下,滑动时间窗的窗口宽度和滑动步长能够根据告警序列的实际情况自动地调整,并选取时间段的中点作为参照点.实验证明,采用双约束滑动时间窗划分算法可以获得比传统方法更高的数据提取效率,并且能够有效去除噪声数据,非常适合于通信网告警数据的预处理.     

水平窗口能量计算的股市趋势预测算法

水平趋势持续时间短,方向变化的不确定性大,水平状态下趋势预测成为股市趋势预测的难点。基于水平窗口的能量计算,提出一种水平窗口趋势预测的BP神经网络算法（WE-BPNN）。算法首先给出短线趋势划分标准,在此基础上引入水平窗口定义;然后,通过对K线组合能量和均线组合能量进行量化计算,融合这两种能量得到窗口能量;最后,将窗口能量引入到BP神经网络预测窗口方向。由于能量对于趋势的作用具有滞后性,存在能量蓄而不发的情况,会影响到趋势判断的准确性,因而在WE-BPNN算法的基础上给出引入能量调节因子的BP神经网络（EF-BPNN）算法,动态调整窗口能量因子对于趋势预测的影响权重。在上证数据上的实验结果表明,EF-BPNN算法具有更好的性能。     

基于UHF传感器与以太网的GIS局部放电监测系统设计

针对传统局部放电监测采样率低、信号易受干扰、不利于实时监测,而超高频（ UHF）传感器进行局放监测因设备通信速度慢、无法故障录波的问题,设计了一种基于UHF传感器与以太网的气体绝缘开关设备（ GIS）局部放电监测系统。该系统由一个主控采集系统和若干个传感器模块组成,传感器模块获取局部放电产生的UHF电磁波信号0.3～2 GHz,通过对数检波电路降频至2～10 MHz;主控采集系统采集该信号,通过SDRAM缓存后经以太网发送至变电站管理员,实现对GIS局部放电高速实时在线监测。测试实验结果表明：该系统功能强,速度高,工作稳定,监测范围广,当局部放电发生时,系统能实时发送报警信号,并可提供故障信号波形用以故障分析。10/100 M以太网通信实际速度可达500 kB/s,比传统的RS—485通信速度提高90倍以上。