基于社团结构理论的电网无功分区及主导节点选择方法研究

传统无功分区和主导节点选取算法大多基于电网的无功电压灵敏度和聚类分析算法,往往存在分区内部无功不平衡和主导节点过于集中的问题。依据复杂网络理论中的社团结构划分算法原理,提出了基于连边相似权的电力系统网络建模,并引入电网无功平衡度来构造新的社团结构模块化指标以改进分区无功平衡性。利用复杂网络拓扑结构中节点度和节点介数等特征量改进了无功分区内主导节点选择指标和方法,提高主导节点选择的准确性。最后对IEEE-39节点网络进行无功分区和主导节点选择的算例分析,验证了所提指标和算法的有效性。     

一种改进权重的非局部均值图像去噪算法

提出了一种改进权重的非局部均值滤波方法。在高斯加权的欧氏距离基础上,结合相关系数来衡量图像邻域间的相似性,将其应用到图像邻域灰度矩阵间的相似性度量上,更好地利用了图像邻域间的相似性质。通过对添加不同噪声水平的噪声图像进行测试,实验结果表明,与传统的非局部均值滤波算法相比,所提出的算法在去噪性能上尤其是结构信息保持上均有显著提高。     

多尺度信息融合的生成对抗网络壁画修复

针对现有壁画修复算法因缺乏对于图像远距离特征的捕获能力而导致修复结果结构紊乱,以及缺失边缘颜色不一致 问题,提出一种多尺度信息融合的生成对抗网络壁画修复算法。首先,将多分支扩张卷积架构引入生成网络,各个子扩张卷 积的卷积核以不同扩张率局部扩大感受野,提取图像的局部特征;其次结合快速傅里叶卷积基于全局感受野提取特征,实现 壁画图像局部到全局的特征提取;最后引入自注意力与PatchGAN 鉴别器以解决缺失边缘颜色不一致问题。根据自制壁画 数据集进行模型的训练和测试,并与多组修复算法进行修复对比,实验结果表明,相较于对比算法,所提算法在峰值信噪比 (PSNR) 平均提升4.42 dB, 结构相似性(SSIM) 平均提升4.4%,学习感知图像块相似度(LPIPS) 平均提升11.3%。实验证明 所提算法能够有效修复破损壁画,修复后的壁画有较好的结构和纹理信息,为真实壁画的修复工作提供了支撑。     

一种融合社区关系及共同邻居社区信息的链路预测算法

共同邻居的相似性指标因其只利用了网络的局部信息使得预测效果不理想,而网络的社区信息包含了节点的网络结构特征,有助于提高链路预测算法的准确性。为了提升预测精度,引入社区结构信息,提出了一种融合社区关系和共同邻居的社区信息的链路预测算法。算法首先采用DeepWalk和Node2vec图嵌入算法进行社区划分,即利用深度学习模型Skip-Gram训练得到的短随机游走节点序列的节点嵌入向量来划分社区,从而获得包含更多网络拓扑信息的高质量社区;然后,通过定义社区间的边关系提出了社区的相似性模型;最后,结合节点的相似性、节点所处社区的相似性、节点共同邻居的社区信息三者来度量两个未知节点的链接概率。实验在USAir等6个不同领域的真实网络上进行,与CN指标等4组基线相比,AUC指标最高提升了2.3%,表明社区结构信息对提升链路预测的效果起着重要的作用。     

基于非局部信息的模糊C-均值图像分割方法

模糊C-均值聚类算法(Fuzzy C-Means Algorithm,FCM)已经广泛应用于图像分割中。结合空间信息的FCM算法能更有效地抑制图像噪声,提高分割的质量。本文介绍了一个基于非局部空间信息的模糊C均值聚类算法的图像分割。算法包含两个部分:一是局部相似性测度,取决于中心像素与相邻像素之间的差异;另一个是非局部相似性测度,取决于所有像素的邻域结构类似于他们的邻域像素。此外,还引入了一个自适应权重用来控制局部相似性测度和非局部相似性测度的转化。本算法对合成图像和真实图像进行分割,并在不同类型的噪声下进行实验,结果表明本文所提出的算法十分有效,且具有较强的抗噪能力。     

基于Grassmann流形的谱聚类分析算法

在标准谱聚类分析算法中,基于欧氏空间的度量不能完全反映数据集合复杂的空间分布特性,导致聚类结果不够准确。而使用流形空间能够更准确的描述数据之间的几何结构关系。在基于规范化拉普拉斯矩阵的谱聚类算法基础上,研究Grassmann流形的光滑曲面的空间表达方式,应用适合度量数据点之间距离的特性,提出基于Grassmann距离度量的改进的谱聚类分析算法,在流形空间上分析待聚类数据点之间的相似性。实验结果表明,该算法不仅能够对分布在相同或不同子空间上的数据进行有效聚类,而且能够对具有复杂几何结构的数据集合进行分析,在流形空间上进行有效聚类。     

复杂数据源下基于深度卷积网络的局部放电模式识别

随着局部放电检测技术和大数据技术的推广,变电站现场气体绝缘组合电器(GIS)的局部放电检测数据不仅数量庞大,而且数据来源复杂,因此传统的局部放电模式识别方法已难以满足需求。鉴于此,提出了一种基于深度卷积网络的局部放电大数据模式识别方法,构建了应用于局部放电模式识别的深层卷积网络模型,同时应用深度自编码器对模型参数进行初始化,利用多层卷积神经网络提取局部放电大数据的深层特征以提高复杂数据源下的识别正确率。通过真型GIS模型实验、变电站现场带电检测和典型干扰实验获取了大量局部放电检测数据,组成复杂数据源的测试样本,并对所提方法进行了实验分析。实验结果表明:与传统的模式识别方法相比,新所提的方法在处理复杂数据源样本任务中识别正确率更高,且识别正确率提高值随样本数据的增加而增大,更适合于大数据平台的工程应用需求。     

基于谱聚类的黑启动子系统划分

互联电网发生大停电事故后,将电网划分成几个子系统并行恢复,可以加快系统恢复进程.文中研究基于谱聚类算法的黑启动子系统划分方法,根据黑启动电源的数目及其分布,以子系统规模相当、系统内部联系紧密等为子系统划分原则,以电网拓扑Laplace矩阵的第一和第二小非平凡特征向量中各节点对应元素为聚类对象进行聚类计算得到子系统的划分方案.该算法基于复杂网络的社团结构发现原理,具有严谨的理论依据.以IEEE39节点和IEEE118节点系统为例验证了所提算法的有效性.     

基于改进动态时间规整的相似性度量及轨迹聚类

针对传统轨迹相似性计算方法度量效果不佳,且当时间序列数据过度扭曲时相似性度量难以取得好的效果。鉴此基于诸多实际应用之精度和实时性需求,文章基于动态时间规整算法,结合轨迹平移的思路及全局变量约束的思想,通过算法优化和参数分析给出了一种改进动态时间规整算法。数值实验结果表明改进算法在轨迹相似性度量上的识别率为90%,与经典算法相比提高了41.25%,度量精度明显提升。进而作为轨迹相似性度量函数结合谱聚类算法应用于轨迹数据聚类分析中,仿真轨迹数据实验结果表明基于改进算法的聚类分析能够清晰区分轨迹簇、聚类效果较为理想。     

基于改进蛇优化算法的无人机路径规划研究

为提高无人机在复杂山区环境中飞行的可靠性和安全性,提出了一种改进蛇优化算法的无人机路径规划方法。首 先,结合数字高程信息和复杂地形威胁构建了无人机环境模型和山峰威胁模型;其次,提出改进蛇优化算法,将传统蛇优化算 法与元胞自动机进行融合用于无人机路径规划,并引入小生境技术和最优局部抖动,避免算法陷入局部最优,提高全局搜索 能力;最后,在3种场景下进行仿真实验验证所提方法的有效性。实验结果表明,所提方法在3种复杂场景下平均路径长度分 别为2.201、1.801 和2.187 km, 平均收敛时间为14.8、13.9和14.9 s, 与其他路径规划算法相比具有良好的优越性,且所生 成的路径对真实无人机运行具有良好的实际效果。     

基于宏微观特征分层聚类的配电网拓扑相似性分析方法

提出一种基于宏观与微观拓扑特征分层聚类的配电网拓扑相似性分析方法。首先,构建涵盖宏微观拓扑特征的指标集作为拓扑相似性分析的依据,包括宏观层面的网络社团特性和节点度相关性指标以及微观层面的线路功率传输性能和负荷分布密度指标;针对传统拓扑相似性分析方法难以对变量数不同的微观拓扑特征进行细粒度分析的问题,提出基于核密度估计的微观拓扑特征描述方法和基于Kullback-Leibler散度的微观特征相似性量度方法;再以基于标准离差率改进的谱聚类算法对宏微观拓扑特征集进行分层聚类,实现配电网拓扑相似性分析。算例分析表明,所提出的配电网拓扑相似性分析方法在表征配电网结构特性的能力及相似性分析效果方面相对于传统方法更优。     

Mining communities in social network based on information diffusion

Based on the locality of information diffusion in social network, a new community detection algorithm DC_ID is proposed in this paper. Different from that of the traditional community discovery algorithms, the goal of the DC_ID algorithm is that the difference between the node's influence degree in its community and its influence degree in the whole network is small, which paves the way for further research on the influence maximization problem based on the detected community structure. Moreover, the algorithm can tackle the community detecting program in directed and weighted networks, which makes it different from other existing algorithms. The algorithm consists of two stages: partition and combination. During the first stage, the algorithm first estimates all nodes' influence in the network, then chooses the most influential non‐community node as the seed, and expands its influence along diffusion paths layer by layer. Finally, the local community with the node as its core is found. During the second stage, the closeness of two local communities will be evaluated by their ‘combination entropy’. When the combination entropy of any two communities is higher than some predefined threshold, they will be combined into one. To evaluate the quality of the detected community structure, two new measures, LEW and CRC, are introduced. Empirical studies on three real‐world social networks show that the algorithm outperforms the benchmark algorithm in runtime, LEW, and CRC. © 2016 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于Infomap算法的配电网边缘划分方法

在能源互联网时代,配电网面临着海量分布式数据的计算和存储需求,而边缘计算可以利用网络末端资源就近提供配用电分析和计算,从而减轻主站计算、存储压力.为了充分发挥配电网边缘计算的优势以及提高配电网精细化运行管理水平,文章提出了一种基于Infomap算法的配电网边缘划分方法.首先,考虑配电网边缘规模和自治需求,明确定义配电网...     

维持局部孤网稳定切换的网源荷分布式协调控制方法

由于土地、发电资源等条件的限制,现代大型城市主要由外部电网进行负荷供电,形成大型受端城市电网。大型受端城市电网与主系统解列后,功率不平衡会导致频率下降,甚至可能引发网络崩溃,维持其稳定切换以形成局部孤网供电具有重要的理论和现实意义。网源荷协调控制是维持局部孤网稳定切换的关键,然而,对于局部孤网,尤其是非计划形成的局部孤网,是较难实现集中式协调调控的。鉴于此,引入分布式多代理系统,提出一种无需集中控制器的网源荷分布式协调控制方法。有别于依赖集中控制器、且通信结构复杂的传统集中式控制方法,分布式协调控制在仅依靠相邻节点通信的状况下,通过改进的平均一致性算法获取电网运行全局参数,实现网源荷全局协调控制。该控制方法能够较好地适应网络结构变化,挖掘网源荷协调潜能。同时,提出的改进平均一致性算法具有更好的收敛性能,为局部孤网切换时的频率和电压控制提供快速全局数据支撑。基于PSCAD/EMTDC和Matlab仿真平台,在典型工况下对网源荷协调控制策略进行分析和验证,结果表明所提出的改进平均一致性算法和分布式网源荷协调控制方法能够维持局部孤网稳定切换。     

含分布式电源的复杂配电网相间故障定位等效解耦模型

分布式电源规模化接入,使配电网拓扑结构和组成元素越来越复杂,传统矩阵算法由于馈线开关处故障电流方向难以确定已不再适用于配电网相间故障定位.为有效将复杂配电网的拓扑结构简化,基于深度优先原则对配电网进行解耦,使其变成由若干个树干状结构组成的网络;针对复杂配电网故障定位矩阵算法计算量大、步骤复杂的难题,提出了一种新的复杂配...     

基于原型嵌入图网络的小样本图像分类

针对在小样本图像分类中传统骨干卷积网络进行特征提取时会有上下文信息单一和感受野受限以及边特征相似度度量缺乏全局性问题,本文提出了一种基于原型嵌入图网络的小样本图像分类算法。首先,将CBAM产生的权重值与ASPP以不同采样率获取的不同尺度特征进行相乘的特征作为图网络的节点嵌入特征。然后,采用原型网络的方法在度量模块中构建了原型节点,使得成对节点之间的相似性计算转化为单个节点与原型节点相似性的和计算,将得到的相似度作为边特征输入图神经网络。最后,利用双图结构在多个更新代后将标签信息从有标签样本传播到无标签样本。在以ResNet-12为骨干卷积网络的算法分类任务中,本文在miniImageNet、tieredImageNet、CUB-200-2011和CIFAR-FS 4个数据集上的5-way 1-shot的任务分类准确率分别达到了71.47%、75.41%、86.21%和79.84%,在以Conv-4作为骨干卷积网络中,本文提出的算法在5-way 1-shot和5-way 5-shot任务中都优于现有的图网络方法。     

基于局部离群因子的PMU连续坏数据检测方法

同步相量测量单元(PMU)能为电力系统监测和控制提供实时数据。然而,PMU连续坏数据与扰动数据高度相似,可能会导致控制中心做出错误的决策。针对PMU连续坏数据难以与扰动数据区分的问题,提出了一种基于局部离群因子(LOF)的连续坏数据检测算法。通过大量现场数据分析得出连续坏数据空间相似性差、扰动数据空间相似性强的结论,依据此结论提出了基于动态时间规整(DTW)的空间相似性评估方法。通过评估不同PMU的空间相似性来计算每台PMU的LOF值,进一步,提出了基于箱线图的阈值确定方法。通过比较当前窗口每台PMU的LOF值是否超过阈值,在线识别连续坏数据。仿真和测试结果表明,所提方法能有效实现连续坏数据的辨识和检测,并区分扰动数据。     

基于改进哈里斯鹰优化算法的有源配电网故障定位

针对改进的遗传算法、二进制粒子群算法等智能优化算法在复杂的有源配电网中故障定位的准确率不高、易于陷入局部最优、收敛速度慢以及定位时间长等问题,提出一种基于改进哈里斯鹰优化算法的有源配电网故障区段定位方法。首先,通过Tent混沌映射改善初始种群和将逃逸能量非线性化,以加快哈里斯鹰优化算法的收敛速度。其次,通过结合黄金正弦算法跳出局部最优。最后,所提方法在IEEE33节点有源配电网模型上进行了仿真测试验证,表明改进后的哈里斯鹰优化算法能很大程度地加快收敛速率,故障定位方法具有很高的容错率。     

基于多特征融合的红外弱小目标检测

为解决红外弱小目标检测领域中基于单类先验知识的人类视觉系统检测方法检测准确率低、虚警率高以及显著图计算复杂等问题,提出一种在复杂背景条件下对红外弱小目标多种特性进行融合处理的检测方法。通过融合红外弱小目标的局部灰度值大、自身灰度信息符合二维高斯分布以及与邻域相似度低的三大特性,利用协方差检测和相似度对比计算得到显著图,对显著图进行简单阈值分割得到真实目标。对不同复杂背景和不同数据类型的红外源图像进行弱小目标检测实验,结果表明:与基线算法相比本文所提算法检测结果背景抑制因子和信杂比增益均提高2~3倍,交并比为HVS类方法最优,ROC曲线在较低虚警率时获得最高检测准确率。本文方法将红外源图像中弱小目标多个特性进行有效融合,提高检测精度的同时降低了显著图计算复杂度,在不同复杂背景和杂波干扰的情况下仍能取得较好的目标定位和背景抑制效果。     

基于多准则分区和WLS-PDIPM算法的有源配电网状态估计

针对复杂有源配电网三相不平衡状态估计计算速度较慢与计算精度较低的问题,提出了一种基于多准则分区和基本加权最小二乘法—原对偶内点法(WLS-PDIPM)混合算法的状态估计方法。基于对有源配电网中实时量测、虚拟量测和伪量测的配置分析,建立了适用于复杂有源配电网状态估计的多准则分区优化模型,该模型综合考虑了分区后各子区域规模均衡、量测冗余度均衡及伪量测平均误差均衡。通过高级量测体系(AMI)全量测点实现各子区域完全解耦,有效减小了系统规模和雅可比矩阵阶数。所提方法将WLS与PDIPM的优点相结合,在提高算法精度的同时减少了计算时间。仿真算例结果表明所提方法可实现对复杂有源配电网的合理分区,有效提高了状态估计的计算速度与求解精度。