基于动态监督知识蒸馏的输电线路螺栓缺陷图像分类

螺栓是输电线路中广泛存在的紧固件,其缺陷图像具有类内差异性小、类间差异性大的特性。针对复杂度高且性能优秀的大模型在分析螺栓缺陷图像消耗大量计算资源的问题,将知识蒸馏技术引入到输电线路螺栓缺陷图像分类中,提出了一种基于动态监督知识蒸馏的输电线路螺栓缺陷图像分类方法:在网络输出层采用自适应加权方法,提高小模型学习螺栓缺陷标签的准确性;在网络隐藏层进行注意力转移,提高小模型螺栓特征的表达能力;将网络输出层的自适应加权方法与网络隐藏层的注意力转移机制相结合,以充分提高小模型的螺栓缺陷分类能力。最后通过自建螺栓缺陷图像分类数据集验证了大模型利用所提蒸馏方法指导小模型训练的有效性,实验结果表明:小模型的分类准确率提高了2.17%,小模型与大模型的分类准确率只差0.63%,且小模型的参数量仅为大模型参数量的7.8%。研究实现了螺栓缺陷的高效分类,达到了精度与资源消耗的平衡。     

基于数据驱动的网络安全数据分类方法

为了快速准确完成网络安全数据分类,提出了基于数据驱动的网络安全数据分类方法.利用基于数据驱动的K-means聚类算法通过初始中心选取和K值的确定聚类分析网络安全数据,采用随机森林算法完成聚类数据预处理,剔除网络数据的不相关特征属性,并利用领域粗糙集算法提取特征,去除冗余数据后,建立基于XGBoost算法的分类模型,通过...     

基于模糊聚类的动力电池梯次利用研究

针对退运电池一致性差、无先验理论和梯次利用筛选难度大等问题,研究了退运锂离子电池特性,在实验获取退运电池关键性能参数的基础上,将电池筛选与模糊数学的聚类分析方法相结合,建立电池筛选聚类分析模型,选择欧式距离法对数据进行聚类分析,然后通过截取阈值对电池进行了分类。结果表明,该方法分类符合电池的实际运行特性,满足梯次利用需求,同时证明了退运电池性能与箱体设计、成组拓扑有关,并且为成组电池整体性能改善提供了理论依据。     

基于自适应模糊C均值算法的电力负荷分类研究

针对当前负荷建模中存在的负荷时变性问题,提出了基于自适应模糊C均值聚类的电力负荷动特性分类方法。探讨了聚类分析方法在负荷动特性分类中的应用,包括聚类特征向量的选取和分类方法研究两个方面。对原始模糊C均值聚类算法中的聚类数 进行了研究,在原始算法中融入新的聚类有效性函数,对算法进行了改进,改进算法不需要预先选择类的数目作为先验值。通过动模实验数据的负荷分类实例,表明该方法可自动获取最佳分类数,且分类效果要好于原始算法。     

基于自适应模糊C均值算法的电力负荷分类研究

针对当前负荷建模中存在的负荷时变性问题,提出了基于自适应模糊C均值聚类的电力负荷动特性分类方法.探讨了聚类分析方法在负荷动特性分类中的应用,包括聚类特征向量的选取和分类方法研究两个方面.对原始模糊C均值聚类算法中的聚类数进行了研究,在原始算法中融入新的聚类有效性函数,对算法进行了改进,改进算法不需要预先选择类的数目作为先验值.通过动模实验数据的负荷分类实例,表明该方法可自动获取最佳分类数,且分类效果要好于原始算法.     

基于改进模糊C均值算法的电力电子电路故障诊断

针对目前电力电子电路故障诊断方法存在的缺陷,结合模糊聚类分析方法,采用改进模糊C均值算法,对Cuk电路故障进行分析,使之不仅达到更好的分类效果,同时还适用于样本分类不均衡的聚类问题,具有较高的诊断率和较低的误诊断率,且故障诊断的时间比较短,为电力电子电路故障的初期诊断和故障数据处理提供了一个有效的方法和途径。     

基于表面粗糙度聚类的机载雷达点云数据地物分类方法研究

在机载激光雷达的发展与应用下,获取地物的空间分布情况变得更加快速便捷。为了实现面向机载激光雷达点云数据的地物分类,本文首先利用高程直方图去除原始点云的离群点;其次利用VoxelGrid滤波器采样,在确保形状的前提下,大量降低点云数量;然后改进K-Means聚类方法,结合三维点云数据携带的高程信息对原始聚类中心和K值进行确定,并采用点云表面粗糙度做聚类分析,从而得到对地物的精确分类。通过对实验采集数据和公开数据上的结果对比可知,本文所提方法对点云数据分类的准确性高,总体分类精度分别为88.17%和90.47%,Kappa系数分别为0.81和0.85。     

节能发电调度下的发电机组综合评价研究

为了综合评价机组发电能力,提出了K-means粒子群聚类算法,该算法结合了K-means聚类算法和粒子群算法特点,能够对数据集进行快速分类,具有良好的收敛效果。将该方法用于10台发电机组的综合评价,通过对各机组指标的聚类分析、权重和重要度计算,得出了各机组的综合评价值,并将其按综合值大小进行排序。结果表明了本文所采用方法有效可行,能够为节能发电提供必要的分析依据,具有一定的实际意义。     

统计特征参数及多分类SVM的局部放电类型识别

局部放电模式识别是诊断变压器绝缘状况的一种有效方法,为提高局部放电类型识别的正确率,提出了基于统计特征参数及多分类SVM的局部放电类型的识别方法。在实验室设计了4种典型的变压器故障缺陷,采用统计特征参数法提取各局部放电图谱的27种特征量,引入M-ary分类思想,将支持向量机的两类分类问题扩展为多类分类,使训练计算量和测试计算量大大减少。实验结果表明,该方法用于局部放电类型识别具有较好地识别效果,并且计算速度快。     

改进迭代自组织数据分析法的不良数据辨识

针对迭代自组织数据分析技术A(iterative selforgani zing data analysis technique A-ISODATlA)对初始聚类中心敏感问题,提出将基于遗传算法的改进ISODATA方法用于电力系统不良数据辨识。该方法采用量测值的标准残差rN 和相邻采样时刻量测值之差△z作为特征值,然后采用遗传算法形成初始分类矩阵,通过遗传操作进行迭代计算,实现量测数据的模糊聚类分析,最终根据隶属度的大小来辨识其是否属于不良数据。算例表明,该方法能最终获得全局最优解,从而进行准确的不良数据辨识,避免了初始聚类中心对分类结果的影响。     

混合编程在实时超声无损检测中的应用

超声无损检测中数据采集和与电脑之间的数据传输是人机交互进行的,对数据文件的分析也常是在检测之后。为了实现超声数据采集和缺陷类型智能识别的同步,采用了VC++和MATLAB混合编程的方法对采集的超声数据进行实时处理。该方法结合了VC++能直接与计算机硬件交互数据和MATLAB有强大运算能力的优势,对采集的超声数据进行实时分析。并结合小波分析和神经网络进行了实验,证明该方法能实现超声实时检测和缺陷智能识别。     

智能用电用户行为分析的聚类优选策略

针对大数据背景下用户智能用电行为最佳聚类数目的选择问题,提出一种用户用电行为分析的聚类优选策略。在前期智能用电用户行为分析的特征优选策略研究的基础上,采用特征优选策略提取负荷曲线的最佳特征集对用户用电数据进行聚类分析;然后提出聚类数优选策略,通过综合考虑准确度评价指标和有效度评价指标确定最佳聚类数目。以国内外的用电数据为数据源,仿真验证了所述策略可以选择合理的聚类数目,有效提高用电行为分析的数据聚类效果。     

一起换流站阀冷工业补水泵信号上传异常缺陷的分析和处理方法

介绍了±800kV普洱换流站的一起阀冷系统工业补水泵信号上传SER和实际工况不匹配的异常问题,详细分析了导致信号上传异常的原因,结合实际运行必要性提出了解决问题的方法,阐述了实际试验效果。     

基于虚拟仪器的回声探伤系统设计与实现

本文介绍了一种应用虚拟仪器技术的回声探伤系统,它由硬件部分和一套控制分析软件组成。文章主要介绍了控制分析软件的各个功能组成部分,其各个功能块相对独立。该系统是一套具有脉冲激励产生,回波信号数据采集,降噪,缺陷定位,缺陷特征提取功能的完整的回声探伤系统。在LabVIEW软件的基础上通过调用第三方数据采集卡的dll库函数进行回波信号的采集,提出了波形和数组抽值相结合的精确定位的方法,提出了一种根据缺陷波形的上升和下降速率来判断缺陷类型的方法。实验结果表明缺陷能够被精确地定位和定性。     

基于人工免疫系统聚类算法的用电客户信用分析

在分析人工免疫系统聚类算法的基础上研究基于人工免疫系统聚类算法的用电客户信用分析原理,建立用电客户信用分析指标体系,根据电力公司客户数据,采用人工免疫系统聚类分析方法对用电客户信用进行分析,将用电客户信用按高、中、低三类进行聚类,经计算得到信用高、中、低的用电客户分别为2家、3家、1家。结果表明人工免疫系统聚类分析方法只要确定了浓度阈值和聚类个数就可得到结果,计算过程简单,能够适用于大数据量,对专业知识的要求较低,对于数据的顺序不敏感,是一种进行用电客户信用分析的较好方法。     

基于加窗插值FFT的高精度电能质量检测系统

提出了一种新电能质量检测系统的设计方案。该设计以同步高速数据采集卡与工控机作为硬件基础,应用VisualC＋＋的多线程编程功能,使数据采集、参数分析、参数及波形显示和分析结果存储同步进行。应用加Harming窗的插值FFT等先进算法进行电能质量参数分析,确保各参数高准确度,分析得到的电能参数和参数异常时的故障波形数据均存储到SQLserver2005数据库中。通过测试,本系统的各项电能参数测量精度与先进设备相当。     

高效的以太网供电解决方案降低了总体成本

IEEE 802.3at规范定义的以太网供电(PoE),是通过一条CAT-5以太网电缆安全地传输应用数据和电源的方法。本文介绍的LTPoE++供电设备(PSE),采用了更智能的PSE隔离体系结构,以减少元器件数量,尽量少使用昂贵的外部元器件。全面的电缆放电保护和80V绝对最大值的引脚,保证了现场工作的高可靠性。     

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。     

基于大数据技术的北美FNET/GridEye系统设计与实现

随着智能电网信息化技术的快速发展,已稳定运行多年的FNET/GridEye软件系统已经无法适应未来的发展。针对这种情况并结合最新的电力实时大数据(以同步向量数据为主)开源项目OpenPDC/OpenHistorian设计了基于分布式架构的新一代系统。系统由前端集群、后端集群和系统调用组件三部分组成,具有系统扩展性强和可靠性高的特点。前端集群中的每台OpenPDC服务器负责接入一定数量的同步向量采集设备,并在其中运行不同的电网事件触发器插件。当触发器探测到电网事件后会以组播方式通知位于后端集群中的系统调度组件,此组件负责从OpenHistorian中加载窗口数据后,运行对应的分析应用程序。针对已投运系统的数据吞吐量测试、两年多的稳定运行和不断添加前端设备和后端应用证明了新系统设计的先进性。     

基于多模型级联的轻量级缺陷检测算法

基于深度学习技术的缺陷检测算法往往因为网络参数较多而需要大量的图像样本去训练模型,但是在工业生产过程中缺陷产品数量极少,采集大量缺陷数据图像费时又费力。针对这一难题,本文提出了一种基于多模型级联的轻量级缺陷检测算法,它采用监督学习的训练方式,通过少量缺陷样本就可以获得较好的检测效果。首先,使用CBAM注意力残差模块代替常规卷积层进行特征提取,以聚焦缺陷特征,强化网络对缺陷的表征能力;其次,设计了SE-FPN模块,促进各级特征之间有效融合,提高网络对缺陷的分割效果,尤其是对小缺陷的分割效果;最后,在训练阶段,采用监督学习方式对本文所提的多模型算法网络进行训练。实验结果表明,本文所提算法在KolektorSDD数据集上的检测准确率高达99.28%,每张图像的平均检测时间仅需10.5ms,不但充分满足了工业检测行业高精度、实时性的要求,同时,还能实现对缺陷区域精准定位。因此,本文的研究内容非常适合应用在工业产品表面质量在线检测领域。