基于多尺度B样条小波的发电机采样值差动保护

研究表明，发电机内部故障后将产生大量高次谐波电流分量，可被用做继电保护的动态参量。在此基础上，文中提出一种发电机采样动保护的新方法，即通过多尺度B样条小波对暂态电流进行分和重构，得到相应的暂态电流分量，以此判别发电机故障，仿真研究结果表明，新方法具有更高的灵敏度和较强的抗电流互感器饱和能力。     

应用B样条理论改进的变压器三比值故障诊断方法

为了解决三比值法在变压器故障诊断应用中存在的问题,提出一种基于B样条理论改进的方法。该方法在对三比值法进行空间几何分析的基础上,采用B样条曲面表示故障特征区域间的分界面,通过柔性自适应地调整分界面的形状,可将误诊样本对应的故障特征纳入到正确的故障特征区域内,从而提高诊断精度。方法突破了原三比值法固定区域边界的限制,为故障诊断问题求解提供了一种新的解决思路。实例分析表明,改进后的方法既保留了三比值法对大多数样本能够准确识别的特点,又使三比值法具备了学习能力,其学习过程具有可视性,且学习效果是可控的。     

基于目标差分特性的分段剔野方法

针对简单剔野方法无法剔除连续野值以及样条拟合方法复杂的参数估计问题,分析不同运动模型下的目标差分特性,提出了分段剔野方法。首先根据野值对差分特性的影响,利用拉伊达准则初步检择可疑数据;其次根据二阶差分数据将飞行轨迹分割为连续多段数据,并分别拟合趋势项;最后利用拟合的目标运动趋势项并与测量数据比较进而剔除野值。通过对某火箭弹的仿真数据及某无人机飞行数据的处理验证了本方法的有效性,具有一定的工程应用价值。     

采用稳健统计与B样条函数处理频率扰动记录单元异常数据

北美电网监测系统(FNET)是在配网侧实时采集电网频率的广域测量系统。由于硬件故障或网络中断,频率扰动记录单元(FDRs)采集的数据不可避免地包含尖峰或缺失数据段等异常数据,在剔除尖峰同时常用的一维中值滤波,弱化频率波动的细节信息无法弥补缺失数据段。针对此一问题,提出了融合稳健统计和B样条函数的频率异常数据处理方法,它通过设定阈值辨识尖峰值,采用B样条基函数的线性组合重构原始频率序列,引入曲线粗糙度控制B样条基函数学习过程中存在的过拟合问题。该方法仅在局部范围内处理频率异常数据,能最大限度地保留频率波动信息,且计算简洁,能实现任意阶B样条函数的构造及学习,易于推广到其他时间序列的数据预处理。     

基于B样条曲面参数方程的曲面边界元精细后处理方法研究

B样条曲面四边形边界元方法,是用B样条曲面拟合实际边界面,比一阶单元更接近实际边界,相应的顶点节点上的函数值也比较精确。但由于模型采用高阶单元粗略剖分,该方法单元数量相对较少,剖分后的模型较粗糙,而且模型只能以平面线性单元的形式显示,与实际模型边界差别较大。本文提出了基于B样条曲面参数方程的曲面边界元精细后处理方法。在该方法中,利用B样条曲面的参数方程把曲面单元精细显示出来。单元上新建节点的函数值可由曲面单元顶点上的函数值和面积比值法定义的形状函数插值得到。最后形成经精细显示后的B样条曲面边界元方法。算例表明,经精细显示后边界面比未处理前更接近实际边界。     

外弹道测量数据的小波阈值去噪方法研究

针对外弹道测量数据的随机误差难以消除的问题,介绍了小波变换的理论,阐述了小波阈值消噪的基本原理,对硬阈值和软阈值函数的优缺点进行了对比分析,讨论了小波阈值去噪中阈值的选取方法,并将小波阈值去噪理论应用于外弹道测量数据的随机误差处理,以信噪比和均方误差为衡量指标,通过在不同阈值和不同阈值函数条件下的去噪效果的对比,研究了更适用于外弹道测量数据的小波阈值去噪方法。     

基于B样条小波预处理的短窗算法

提出了可滤除偶次和分次谐波的Ｂ样条小波滤波算法,将经过滤波预处理的短窗傅氏算法和传统傅氏算法进行了比较。从分析结果可看出,经过２次分解与重构的信号接近于基波,减少了因傅氏算法不能滤除偶次谐波或非整次谐波而带来的误差。在同传统方法作比较后,提出了用基于Ｂ样条预处理的２种短窗算法分别代替半波傅氏算法和全波傅氏算法的方案从而可提高保护动作的快速性和可靠性。     

三次准均匀B样条在地形数据拟合中的应用

基于三次准均匀B样条曲线拟合的原理,介绍了采用三次准均匀B样条插值求解的方法在三维地形数据拟合中应用的实际问题,并基于MATLAB编程实现了三维地形数据的网格化,为三维地形的重建奠定了基础。     

基于B样条曲面的LED汽车近光灯光学设计

近光灯是汽车的重要安全部件,LED近光灯已成为汽车近光灯发展的一个重要方向。从抛物面型B样条曲面出发,结合光线追迹原理及近光灯的配光标准,推算曲面的法向矢量组,进而构建满足要求的自由曲面反射器。实验模拟的结果满足近光灯的国家配光标准。     

基于数据挖掘技术的时序数据质量维护研究

随着电力系统智能化水平的不断提高,电网中产生的数据体系也越来越庞大,而数据的质量会直接影响电力系统的运行分析和规划决策。文中基于数据挖掘技术提出一种电网时序数据质量维护体系,筛选不合格的数据,并确定数据所存在的问题,为分析出现问题的原因提供便利。对电力数据及传输过程进行了分析,并指出了可能存在的问题。不同地区的数据具有自身不同的特点,为了提高检测速度,基于决策树算法先对历史数据样本进行决策分析。以某地区的数据训练集为例,对该地区电力数据检测流程进行分析,得到适合该区的检测顺序。针对数据合理性难以检测的问题,利用基于聚类的离群检测法筛选出问题数据,并尝试分析问题数据产生原因。通过算例证明了所提时序数据质量维护流程的有效性和可靠性。     

Peak load forecasting using multiple-year data with trend data processing techniques

This paper presents a regression-based daily peak load forecasting method using multiple-year data with trend cancellation and trend estimation techniques. Daily peak load heavily depends on daytime temperature and is influenced by the other weather factors such as humidity. Since the characteristic of the load is varying, peak loads just before a forecasting day are more significant for the forecasting. The regression model can represent relationships between these weather factors and peak loads. However, the forecasting model is sometimes not adequate for precise load forecasting. The regression model is well matched with the late data, but the model causes large forecasting errors in transitional seasons because of seasonal change of load characteristics. In order to forecast precisely through a year, a method of using seasonal or whole year data from past years is proposed. In this paper, two kinds of trend data processing techniques are described. The first is trend cancellation. The second is trend estimation. The trend cancellation technique removes annual load growth by means of division or subtraction processes with morning load on the forecasting day. The trend estimation technique estimates the trend between the forecasting year's load and the past year's load by using the variable transformation techniques. The performance of both techniques, verified with simulations on actual load data, is also described. © 1998 Scripta Technica, Electr Eng Jpn, 124(1): 7–16, 1998     

基于组合优化LOWESS的电能量数据缺失处理方法

针对实际电能量数据的统计分布特性,考虑到均值替代等通常方法对电能量数据缺失的处理效果欠佳,LOWESS模型的估计偏差受限于其给定的窗宽和拟合阶数,提出一种基于预测误差最小化的参数组合优化LOWESS回归模型的电能量数据缺失自动处理方法,通过对比固定窗口和阶数在非平稳的电能量数据上的预测效果,研究参数组合优化LOWESS模型的准确性、适应性以及相对优势性。通过实际数据验证,此模型能适应电能量数据不同数据分布、不同缺失比例等情况,预测准确率高,具有一定的实用参考价值。     

C-RAM系统的弹道数据建模及航迹融合仿真

尽管基于弹道数据建模和航迹融合的研究紧密性很强,但大多数人只是将针对两者的研究独立开来,并没有应用到实际的情况。为满足某军队对空情状况预警和防御的训练,在对C-RAM（counter rocket,artillery and mortar）系统深入研究的基础上,就火箭、火炮及迫击炮（RAM）等火力威胁武器的弹道进行了建模并依此设计了多弹丸飞行目标仿真模型。在完成时间、空间校准基础上,该模型进行了基于多探测站点、多目标航迹关联以及数据融合的系统设计。实验结果表明,该系统能较好地完成C-RAM系统中对目标弹道仿真、关联及融合与目标跟踪定位等任务。     

靶场多雷达组网数据处理中时间校准方法研究

多雷达组网是靶场测控的发展趋势,它能大大提高靶场测控区域的覆盖范围和系统的电子对抗能力.时间校准技术是多雷达组网的基础,校准方法的好坏将直接影响着组网系统的数据处理精度.对分段线性插值、3次Hermite插值和3次样条插值方法进行了时间对准算法研究及性能分析,仿真结果表明:分段线性插值方法计算最简单,具有良好的时间校准性能.最后给出了分段线性插值在多雷达组网数据处理中的应用仿真结果,结果表明该方法对靶场多雷达组网数据处理具有良好的适应性.     

基于LabVIEW的数据处理方法

数据处理是各种工程测试和实验过程中的重要环节,数据处理的理论及方法是否正确将直接影响测试工作的效率和结论的准确性。文中介绍了用DDE实现LabVIEW与Excel的通信,并利用LabVIEW与Excel的通信功能从Excel中读取测试数据,然后进行滤波处理并直接计算出测试数据的特征值。为处理采集到的数据提供了一种新的方法,该方法简化了数据分析过程,提高了测试的效率。     

基于IKNN和LOF的变压器回复电压数据清洗方法研究

基于回复电压极化谱提取特征参量是目前广泛应用的变压器油纸绝缘状态评估方法,但极化谱易受工况干扰、人工失误等因素影响而出现特征数据异常的情况,严重降低评估准确性。针对上述问题,该文提出了一种基于局部离群因子(LOF)和改进K最近邻(IKNN)的回复电压数据清洗方法。首先,选取回复电压极化谱的回复电压极大值Urmax、初始斜率Sr与主时间常数tcdom作为老化特征参量,并基于LOF算法对非标准极化谱中的异常特征量数据进行识别与筛除。其次,利用模糊C均值(FCM)聚类算法减小噪声点对KNN算法的干扰,并通过加权欧氏距离标度突出各特征量间的关联性,进而构建出基于IKNN的数据填补模型架构以实现特征缺失数据的填补。最后,代入多组实测数据验证所提数据清洗方法的实效性。结果表明,数据清洗后的状态评估准确率相较于原有数据上升了50%左右,有效提高了变压器回复电压数据质量,为准确感知变压器运行状况奠定坚实的基础。     

基于压缩感知的综合能源数据处理

摘要：综合能源系统是集多种能源为一体,便利于人民生活的一种综合供能系统。综合能源信息的采集与分析是构建综合能源信息系统的基础和前提。本文提出一种基于复合数据结构压缩感知的综合能源数据压缩采集方法。首先,对综合能源数据进行分析,研究综合能源数据存储的复合数据结构,实现多源综合能源数据的数据融合;然后,利用综合能源数据设计复合数据结构的归一化过完备字典,将其应用于综合能源数据的压缩采集和信号重构;在此基础上,提出能够处理综合能源数据的压缩感知重构算法,并利用压缩感知重构对用户的综合用能特性进行分析,最后通过仿真结果验证了本文设计方法对处理综合能源数据的有效性。     

基于电力数据网的电网故障录波数据综合处理系统

电网故障录波数据综合处理系统基于联网录波器及主站分析系统,实现故障录波数据快速收集、及时处理、综合分析等功能。详细阐述了杭州电网故障录波数据综合处理系统及相关功能技术。该系统已投入实际应用,取得良好的应用效果。