基于电气介数的电力系统脆弱性研究分析

本文以电力系统为研究对象,从复杂网络的基本概念出发,对一种表示网络电气特征的电气介数做出了定义,并与传统介数在网络效能方面进行了对比,对电气介数的分析优势做出了较为详细的分析与阐述,并据此论证了基于电气介数的网络效能分析在实现对电力系统脆弱性乃至运行特性作出表述的过程中所起到的至关重要的作用与意义。     

基于输电线路利用率和连锁过载线路数量的关键输电线路辨识

准确识别电网中的关键输电线路对于预防电力系统大停电事故具有重要意义.针对大停电事故过程主要由事故前和事故后2个阶段构成,在广域量测环境下,提出了基于输电线路利用率和连锁过载线路数量的关键输电线路辨识方法.首先,针对事故前提出了发电至负荷有功传输过程中输电线路利用率指标,辨识关键输电线路;其次,针对事故后提出了连锁过载线...     

一种关键线路和重要保护辨识的新方法

提出了一种基于连锁故障模型和风险理论对系统中关键线路和重要保护的辨识方法。该方法首先利用Markov状态空间理论建立了计及继电保护装置动作逻辑的初始状态概率模型,从而得到连锁故障初始阶段的系统状态。然后,建立了基于实时运行条件下的线路、发电机和负荷的可靠性模型来模拟后继故障。最后,利用风险理论对线路和线路保护进行风险辨识。算例仿真结果验证了算法的正确性和可行性。     

基于关键线路的输电断面识别

为提高电网实时监控水平,提出一种基于关键线路的输电断面识别方法。以功率灵敏度矩阵为基础,计算改进线路电气介数识别电网关键线路。以关键线路为主导线路,在其所属的潮流转移区域内搜索相应的输电断面。改进线路电气介数计算简单,符合实际电网潮流分布特点;将电网划分为多个潮流转移区域,并结合局部灵敏度计算法及稀疏向量技术,大幅度减少了搜索输电断面时的计算量;基于关键线路识别输电断面,避免了计算电网所有割集,同时保证了所得断面为在功率传输中起重要作用的关键断面。在IEEE39节点系统中对本文方法的正确性进行了验证。     

基于PSNodeRank算法的电力系统关键节点辨识方法

电力系统中的某些关键节点在系统发生大规模连锁故障的时候可能会对故障的扩大起着推动的作用。为了提高关键节点辨识的速度和准确性,该文通过对Google公司提出的PageRank算法进行改进,提出基于PSNodeRank算法的电网关键节点辨识方法。该方法选取电网关键节点的重要评价指标,建立电力系统有向加权网络模型。考虑电力系统网络的网络链接方向和权值的特性,该文提出PSNodeRank值对节点进行评估,并具体描述每个节点的重要性,再利用电力系统分区特点,对大电网节点重要性的复杂计算过程进行改进,大大提高了运算速度,减少了运算所需存储容量。最后,通过对IEEE 39节点系统进行仿真,所得结果表明:该文所提方法计算的指标可以有效、准确地辨识出电网中的关键节点,判断它们在交直流电网自组织临界演化过程中的作用。对预防系统向连锁故障临界状态演化有着重要的意义。     

基于模糊推理的电网风险评估及线路重要度辨识

由于电网事故发生的不确定性和事故造成的严重后果,需要建立风险模型及指标体系,实现电网风险评估和线路重要度辨识。基于此,建立电网风险评估模型,从电压越限、支路潮流过载及负荷削减量3个方面建立风险指标评价体系;基于模糊推理的方法、静态安全分析和风险理论,结合各子风险指标,得到各支路发生故障事故状态下的综合风险值并进行排序分级。以IEEE-RTS79系统为例进行仿真计算,仿真结果表明:该方法实现了电网综合风险评估的量化和分级,能实现线路重要度辨识,为安全预警和制定差异化运维策略提供参考。     

基于改进遗传算法的ROV推进器伺服系统辨识

针对ROV变量液压推进器伺服控制系统的控制模型,提出了采用改进遗传算法进行控制模型参数辨识。为解决遗传算法易早熟,难以找到精确解等问题,采用一种基于均匀设计的种群初始化方法和一种改进变异方式的深度捕食策略,有效提高了ROV变量液压推进器伺服控制模型辨识算法的全局收敛性和搜索效率。同时,利用液压试验平台搭建液压回路模拟液压推进器伺服控制系统,采集试验数据辨识得到了ROV变量液压推进器的精确控制模型,仿真和实验结果证明了辨识算法的可行性和模型的正确性。     

基于改进遗传算法的系统参数辨识方法

介绍了一种基于遗传算法辨识系统参数的方法,遗传算法是一种基于自然选择和自然遗传学机理的全局搜索学习算法,为了提高算法的优化能力,我们采用了种群迁移以及自适应变异率来改进算法,仿真结果表明,改进的遗传算法辨识系统参数收敛到全局最优,且鲁棒性强,辨识精度高。     

基于站点线路数的城市公交网络鲁棒性研究

以成都、重庆、昆明、贵阳和拉萨的公交站点网络为例,研究了节点依据站点线路数(途经某车站的公交线路总数)失效后网络的鲁棒性,并将所得结果与随机失效、度值选择性失效和介数值选择性失效进行了比较。首先分析了网络的拓扑特性;然后研究了不同节点失效方式下网络的静态鲁棒性;最后基于负载?容量级联失效模型,研究了网络的动态鲁棒性。结果显示:1) 各城市累积度分布和累积站点线路数分布近似服从指数分布;2) 公交站点网络的静态鲁棒性与网络的拓扑结构密切相关,累积度分布的指数越大,度值选择性失效下的网络越脆弱;3) 与静态鲁棒性的结果相反,在考虑级联失效时,动态度值选择性失效对网络的破坏性弱于静态度值选择性失效。     

基于混合遗传算法的机器人改进摩擦模型辨识

为了解决机器人运动过程中库伦+黏性摩擦模型不能真实反映关节摩擦的非线性特性的问题,采用改进Stribeck摩擦模型对机器人关节摩擦进行建模,提出基于混合遗传算法与余弦轨迹的模型参数辨识方法. 采用不同的余弦轨迹对机器人关节进行激励,利用已知的机器人动力学方程确定关节摩擦力矩,从而建立机器人关节速度与关节摩擦力矩之间的映射关系,并利用模拟退火混合遗传算法对摩擦参数进行辨识. 为了验证所提方法的有效性,以多关节串联型机器人为研究对象,进行摩擦参数辨识实验. 实验结果表明,与传统的库伦+黏性摩擦模型相比,改进的Stribeck摩擦模型可以减少17.7%~33.6%的关节力矩计算误差,并能够进一步提高机器人动力学模型的准确性.     

基于电加热炉系统的参数辨识

电加热炉系统是一个较为复杂的被控对象,一般认为它是一个大惯性、纯滞后的系统.文章首先利用MATLAB工具箱中提供的函数对电加热炉的阶跃响应曲线进行滤波,在此基础上对电加热炉的系统参数进行辨识,仿真结果表明,这种辨识方法编程较简单,且辨识的参数精度较高.     

一种基于改进聚类算法的模糊模型辨识

传统建模方法对于建立精确的存在多变量、强耦合、大时滞以及不确定性的非线性系统模型无能为力,从而难于精确表达复杂系统及实施整体优化控制.针对传统模糊C-均值聚类算法对初始值敏感及无法确定最优规则数的缺陷,提出了一种基于改进聚类算法的模糊辨识方法.它通过减法聚类和有效性函数确定初始聚类中心,然后采用一种全局模糊C-均值聚类算法寻找出最终聚类中心,并利用最近临域法确定合适的区域半径,最后通过递推最小二乘法建立系统的T-S模糊模型,对电阻炉温度系统进行仿真,说明本文所述方法的有效性.     

改进SADE-EKF的永磁同步电机参数辨识

针对永磁同步电机（PMSM）参数辨识中扩展卡尔曼滤波（EKF）难以确定合适的系统噪声矩阵Q和量测噪声矩阵R的问题,提出了一种改进自适应差分进化算法（SADE）-EKF的PMSM参数辨识方法。首先分析了扩展卡尔曼滤波器的工作原理,建立了双线程辨识模型;然后通过改进差分进化算法（DE）的变异策略跳出局部最优,并设计了合适的适应度函数;最后,通过SADE算法对EKF的Q和R进行优化。实验结果表明,改进的SADE-EKF在辨识电机参数时比传统的EKF具有更好的收敛速度和辨识精度。     

机器视觉电动缝纫机关键技术研究

研究了一种基于机器视觉和数控技术的工业智能缝纫设备的关键技术。该设备通过图像传感器对工作台上摆放的缝片进行识别与定位,通过送料机械手实现缝片的抓取并实现精确、快速、可靠地缝片的送料,以抛弃目前电动缝纫机的模板夹具,并实现减少操作工干预。     

基于改进Bouc-Wen模型防屈曲支撑的参数识别

为了对“改进Bouc-Wen模型”进行深入研究,提出了该模型的参数拟合方法,并实现了二次开发程序.对30根防屈曲支撑试验的滞回曲线数据进行了参数回归与分析,给出模型参数的变化趋势、波动范围、统计平均值.为了给改进Bouc-Wen模型的应用提供参考,给出了参数取值的建议.应用Abaqus软件中的材料用户子程序(UMAT)的二次开发接口,使“改进Bouc-Wen模型”得以在有限元软件中应用.     

基于改进Xception的玉米大斑病识别

利用无人机平台进行作物病害识别时,由于其拍摄图像分辨率高、目标病斑占比小,现有检测方法需要对图像进行多步骤处理,费时费力且检测效果不稳定。为减少图像处理步骤,提高检测准确率,文章以无人机拍摄图像中玉米大斑病为检测对象,首先将图像按照一定的比例进行缩小和裁剪,利用2种不同分辨率的图像重构公开数据集;然后对Xception网络进行改进,通过增加密集连接减少病斑特征信息丢失,以提高特征信息融合能力,增加注意力模块调整图像通道,以抑制无效信息;最后训练模型完成对玉米大斑病的识别并进行性能评估。实验结果表明,所提模型识别准确率达到了95.23%,单张图片识别时间减少到了0.547 6 s。该模型能够有效检测无人机拍摄的图像中的玉米大斑病。     

改进SSR算法在人脸识别中的应用

为提高人脸检测中人脸验证的速度,在平方积分图像和图像窗口的灰度均值及方差快速计算基础上,对传统的SSR算法中人脸验证算法部分进行了改进。应用改进的算法,结合窗口灰度标准化的计算和平均人脸模板的取得,引入相关系数和平均偏差,加快了求解速度,克服了由于噪声点的存在对真实的候选脸图像漏检的情况。人脸检测实验证明应用改进的模板匹配算法的正确性.     

基于改进CNN的阀门泄漏超声信号识别方法

为了检测输气管道阀门泄漏，对改进AlexNet网络结构进行了研究，提出了基于改进卷积神经网络（CNN）的阀门泄漏超声信号识别方法.针对泄漏信号短时稳定的窄带线谱特征，从图像邻域信息密度角度出发，将卷积核形状由图像识别领域通常使用的"正方形"改进为"扁横状".同时，对AlexNet层数进行优化，重新确定卷积核和全连接层神经元数目，并选择小尺寸卷积核，在减少参数量的同时增加网络容量和模型复杂度，防止模型出现过拟合.分别建立二分类和不同泄漏量下的多分类模型，通过输气管道实验平台采集阀门泄漏数据集，生成对应时频图样本，包括不同阀门开度、不同管道压力下的泄漏及背景声信号.结果表明，对比传统的CNN分类模型，改进CNN分类模型在测试集上取得了更高的识别性能.     

基于最小二乘法的电力变压器参数辨识算法

根据变压器的Y/△接线方式,分别列写回路方程,消去三角形侧绕组中的环流和公共磁链的影响.这种方式无需改变三角形侧TA配置,直接利用三角形侧线电流构建了变压器绕组的电阻和电感参数辨识算法,利用带动态遗忘因子的最小二乘法,消除了最小二乘法"数据饱和"的影响.应用EMTP进行了仿真,结果表明,参数辨识算法稳定,不受负荷波动以及功率因数变化的影响,辨识精度较高.