自主脉冲标定式特高频局部放电带电检测相位同步方法

针对现有的特高频局部放电带电检测系统,提出一种基于特高频自主标定脉冲的相位同步方法。该方法使用一个同步电路,在工频信号上升沿过零点同步输出一时频特性固定的特高频时间标定信号,实现相位的同步。此信号与局部放电脉冲信号同时被局部放电特高频检测系统所采集,并以其时频参数为特征参量,采用聚类方法加以分类标记。利用局部放电特高频脉冲与其前后时间标定信号的时差便可计算其在工频信号的相角位置。实验结果验证了该方法的有效性和实用性。     

基于虚拟仪器的GIS局部放电声电联合检测系统

笔者设计了一套基于虚拟仪器的GIS局部放电声电联合检测系统,通过不同速率的数据采集模块对GIS局部放电过程中所产生的超高频、高频电流以及超声波信号进行多通道同步联合检测。系统基于LabVIEW虚拟仪器平台开发,可连续捕捉与采集存储局部放电脉冲波形信号、实时计算放电脉冲相位。利用采集的局放信号进行时频分析和模糊聚类实现了多源局放的有效分离和类型判断,同时基于多路局部放电超高频信号与超声波信号本身或两者之间的时差可实现局部放电源的定位。该系统已在多个220 kV及500 kV GIS变电站的局部放电现场检测中得以应用,检测结果验证了系统的性能。     

高压电力电缆试验方法与检测技术探讨

为保障高压电力电缆安全运行,文章对高压电力电缆绝缘试验方法与检测技术展开探讨。利用宽带高频脉冲电流法采集电缆的局部放电脉冲信号,并设计相应的绝缘检测试验装置.基于自适应无监督聚类方法对采集的脉冲信号聚类,聚类完成后求取脉冲在工频上的分布规律,进而识别被检测电缆是否属于局部放电,判断高压电缆的绝缘劣化状态。     

基于ICA的水轮发电机局部放电干扰抑制方法

提出了一种基于独立分量分析（ICA）的水轮发电机局部放电干扰抑制方法,该方法可以有 效地分离出相互独立或者近似独立的源信号。对于现场采集到的局部放电信号,可认为该信号中 局部放电脉冲信号和噪声干扰是相互独立的。通过ICA方法对检测到的局部放电信号进行信号 分离和消噪处理,从而得到局部放电脉冲分量,在时域、频域上都保持了原信号的完整性。通过实 例证明了该方法的有效性。     

基于耦合混沌的局部放电信号检测

为了有效地检测局部放电脉冲信号,利用双耦合Duffing混沌振子瞬态同步突变现象对脉冲信号的敏感性和对白噪声的免疫能力,将双耦合Duffing振子应用于电机局部放电脉冲信号的检测中。根据局部放电脉冲信号的时频特性,构建适于局部放电检测的双耦合Duffing振子系统,设置双耦合Duffing振子的初始值、耦合因数、外部策动力的周期和幅值,以振子间的同步误差来检测微弱的局部放电信号。仿真测试结果表明,利用该方法检测局部放电脉冲信号,在低信噪比的条件下能取得良好的检测效果。     

局部放电的电脉冲信号检测研究

介绍了局部放电脉冲信号在线检测中采用的抑制干扰算法,理论和实践表明该算法能有效地抑制干扰和提取局部放电脉冲信号。     

变电站全站局部放电检测中多源信号分离方法

针对已有的变电站全站局部放电检测方法仅能得到放电源的大致方向,无法区分局部放电类型和来源的问题,基于各种局部放电源所产生的超高频信号在时域与频率的不同特征,对连续采集存储的局部放电电磁波脉冲波形进行TRPD （ time resolved peak display ）时频分析和模糊聚类,分离出不同局部放电源或干扰所产生的放电信号,以实现放电源的准确定位,为后期局放类型的图谱特征识别奠定基础。现场测试证明了该方法的可行性。     

基于传感器阈值法的局部放电信号自消噪

为抑制噪声干扰准确提取局放信号,针对局部放电脉冲的时域特征,运用电流、电容耦合以及电磁波传感器同时获取局部放电信号,将不同传感器采集的信号在时域上相乘,从而确定放电脉冲的起始和终止时间,再利用这两个阈值构建出一个时域屏蔽滤波器;运用该滤波器对含有背景噪声的原局部放电信号自行消噪,进而从噪声中提取出放电信号,提高信噪比。采用实际局部放电脉冲信号加人工模拟噪声信号对该消噪方法定量验证的结果表明,该屏蔽滤波器结构简单,容易实现在线处理,具有良好的消噪效果和应用前景。     

基于改进EMD的发电机宽频带局放监测方法

针对传统发电机局部放电监测方法出现的放电脉冲信号衰减失真和易受噪声干扰的问题。为提高其准确性和快速性,本文采用宽频带检测技术对局放信号进行有效捕捉,并利用模态分解法提取放电脉冲信号的固有模态分量,通过对原始信号与各固有模态分量的关联性分析,根据峭度准则获取包含局部放电脉冲特征信息的有效分量,从而将干扰信号从局放信号中分解分离,准确掌握发电机实时的运行状态。结果表明：该方法信噪比相比于软阈值小波去噪提高了52.5%,均方差降低了30.7%,分别为6.75和0.04,且在波形平滑度上表现良好,同时,该方法计算时间仅8.62s,很大程度的降低了迭代次数,减少了信号分析时的迭代计算时间。有效提高了对发电机局放信号的去噪效果及采集效率。     

基于Spectrogram谱图局部放电窄带干扰信号抑制方法

干扰抑制是局部放电信号处理的重难点。窄带干扰作为一种最常见的干扰形式,常将局部放电脉冲信号完全淹没。为在噪声中有效提取微弱的局部放电脉冲信号,提出一种基于Spectrogram谱图窄带干扰抑制方法。对原始信号做短时傅里叶变换(short-time fourier transform,STFT),并将时间-频率-功率密度三维信息绘制成谱图。借助该谱图颜色分布,即由特定谱功率密度突变确定局部放电脉冲起始时刻,从而分离检测时段内不含局部放电脉冲的时段,即噪声干扰段,进而基于该段的功率谱分布提取阈值,在频域上设计数字滤波器,对全检测时段进行干扰抑制。仿真和实测信号的处理结果均表明方法具有很好的干扰抑制效果。     

基于K-Means聚类算法的改进

本文基于传统的K-means聚类方法提出来一种基于密度的改进K-means聚类方法。改进后的方法,首先选取数据集中密度最大的点作为第一个聚类中心点,以此为基准,选取离此点最远的点作为第二个初始聚类中心,再在剩余的点中找出离这两个初始点距离最远的点作为第三个聚类中心,以此类推,直到找到所需的K个点,之后再根据K-means算法迭代更新聚类中心,直到收敛或达到设定的迭代次数为止。实验结果表明,本文提出的方法与传统K-means方法相比准确率及稳定性方面均有所提高,可以作为聚类研究的一个新的思路。     

基于模糊c均值算法文档聚类问题的研究

应用模糊c均值算法对文档进行分类，具有不使用语法知识、不使用词法规则、无监督等特点．采用模糊c均值算法对文档进行聚类，实验结果表明：该方法优于普通的聚类算法，聚类结果能充分体现文本的多样性．     

基于二次聚类弱监督学习的图像语义分割

针对在给定大量用户标注图像基础上,将图像分割成一系列具有单一语义的完整区域,并同时对各区域实现语义标注的问题,提出了一种基于弱监督学习的二次聚类的图像语义分割算法。将谱聚类和判别式聚类相结合,用谱聚类学到的类标指示函数来指导判别式聚类,学习特征的潜在数据结构,利用弱监督信息对聚类分配标签。该方法能够充分利用区域上下文信息,为每个类别选择判别式特征,并且输出鲁棒的多类分类器,对外来没有标签的图像也可以进行有效的区域标注。通过在公用数据集上的充分实验,证明了本方法的有效性。     

Subspace clustering through attribute clustering

Many recently proposed subspace clustering methods suffer from two severe problems. First, the algorithms typically scale exponentially with the data dimensionality or the subspace dimensionality of clusters. Second, the clustering results are often sensitive to input parameters. In this paper, a fast algorithm of subspace clustering using attribute clustering is proposed to overcome these limitations. This algorithm first filters out redundant attributes by computing the Gini coefficient. To evaluate the correlation of every two non-redundant attributes, the relation matrix of non-redundant attributes is constructed based on the relation function of two dimensional united Gini coefficients. After applying an overlapping clustering algorithm on the relation matrix, the candidate of all interesting subspaces is achieved. Finally, all subspace clusters can be derived by clustering on interesting subspaces. Experiments on both synthesis and real datasets show that the new algorithm not only achieves a significant gain of runtime and quality to find subspace clusters, but also is insensitive to input parameters. __________ Translated from Journal of Beijing University of Posts and Telecommunications, 2007, 30(3): 1–5 [译自: 北京邮电大学学报]     

基于谱聚类的网络流量分类识别算法

网络流量分类识别是网络管理与网络安全的基础,但由于动态端口技术,加密传输方式及数据隐私等因素,现有的基于网络端口映射和有效载荷分析的方法在应用中,其准确性和效率都受到了制约。为此,引入谱聚类方法,将网络流量分类识别问题通过聚类思想转化为一个无向图的多路划分问题,并使用图论的思想来解决原问题。实验结果表明该方法具有良好的网络流量分类识别效果,精确度较高,在互联网流量分类中有良好的应用前景。     

Text clustering based on fusion of ant colony and genetic algorithms

Focusing on the problem that the ant colony algorithm gets into stagnation easily and cannot fully search in solution space, a text clustering approach based on the fusion of the ant colony and genetic algorithms is proposed. The four parameters that influence the performance of the ant colony algorithm are encoded as chromosomes, thereby the fitness function, selection, crossover and mutation operator are designed to find the combination of optimal parameters through a number of iteration, and then it is applied to text clustering. The simulation results show that compared with the classical k-means clustering and the basic ant colony clustering algorithm, the proposed algorithm has better performance and the value of F-Measure is enhanced by 5.69%, 48.60% and 69.60%, respectively, in 3 test datasets. Therefore, it is more suitable for processing a larger dataset. __________ Translated from Journal of Xi’an Jiaotong University, 2007, 41(10): 1146–1150 [译自: 西安交通大学学报]     

采用谱聚类的风电典型出力场景选取方法

为有效地减少原始场景数量,以较小的工作量和较高的精度表征风电出力的全时空特性,本文提出了一种基于谱聚类算法的风电日出力典型场景生成方法。首先采用谱聚类算法对风电日出力场景进行聚类分析,得到能有效反映样本亲疏关系的聚类簇。随后考虑风电的反调峰特性,从聚类后的风电日出力场景中选出能够很好的反映各类场景中原出力曲线调峰效益的出力曲线,将其作为典型场景。最后,以云南某地区2017年风电实际出力数据为算例进行聚类分析,验证所提方法的正确性及有效性。     

考虑双尺度相似性的负荷曲线集成谱聚类算法

负荷聚类可以依据形态特性差异对负荷曲线进行归类,实现用户用能行为规律分析,为需求侧响应、电网客户服务等提供重要的决策信息。文中提出一种考虑双尺度相似性的负荷曲线集成谱聚类算法。首先,为了克服欧氏距离在负荷特性相似程度度量上的局限,基于负荷差分向量的余弦距离实现负荷形态变化的相似性度量,提出一种双尺度相似性度量方式;然后,基于双尺度相似性与谱聚类算法,建立差异化基聚类模型;最后,依据聚类评价指标自适应计算基聚类模型权重,以加权一致性矩阵与谱聚类实现聚类集成。算例结果证明,所提方法可有效挖掘负荷形态特性差异,在不同数据集中性能表现稳定,具有显著的聚类有效性和鲁棒性。     

基于改进自适应密度峰值算法的日负荷曲线聚类分析

电力市场的逐步开放以及大量可再生能源的接入使用户具有更多的用电自由,导致电力用户类型多样化、用户间负荷特性差异逐渐增大、负荷数据的类簇分布情况复杂化。为解决传统聚类算法面对不均衡负荷数据集时聚类效果不佳以及缺乏自适应能力等问题,提出一种改进自适应密度峰值聚类(Improved self-adaptive Density Peak Clustering,ISDPC)算法。首先,基于K-最近邻(K-Nearest Neighbor,KNN)和相对密度的思想定义了一种新的密度度量方式。然后在决策图中拟合分段函数得到最优类簇数目。最后,通过构造加权KNN图改进样本分配策略。试验结果表明,与传统聚类算法相比,所提方法聚类结果更加精确、具备自适应能力、鲁棒性更强。     

基于聚类分析的客户用电模式智能识别方法

结合k-means、k-medoids、SOM以及FCM等聚类算法,构建了电力大客户典型用电模式的聚类分析模型,提出了一种评估聚类效果的新方法。首先通过分析电力客户用电指标数据及其特点,提出采用高斯滤波器对含"噪声"曲线数据进行平滑处理来获取客户用电数据。然后提出了聚类平均半径、平均直径和平均最小间距等3个评价指标,并以此为基础设计出一种评估聚类得分的新方法。最后使用聚类分析模型对某地区电力大客户日用电量曲线进行聚类分析,实现了地区典型用电模式的自动识别功能。实际算例分析结果表明,该评估方法物理概念清晰、简便、实用。