道路交通行车安全预警算法研究

为了提高道路交通安全,针对目前行车安全预警算法采用确定性参数导致的预警准确度不高的问题,提出了一种基于多层感知器神经网络的行车安全预警算法。该算法以人工神经网络为基础,将前后车的相对距离、相对速度、驾驶员风格类型、前车加速度、后车加速度以及后车的速度作为系统的输入,行车安全预警级别作为系统的输出。结合样本数据进行训练,得到行车安全预警级别的预测值,并与传统的碰撞时间算法和停车距离算法的两种预警算法进行对比。实验结果表明,多层感知器神经网络预警算法在预警的有效性与准确性方面明显优于传统预警算法。     

智能电网的风险预警校正系统设计

为了实现对智能电网运行状态的全面评估和控制,通过对智能电网主要特点进行研究,分析了其实现的主要技术构成,据此设计了一种适合于智能电网的风险预警校正系统。介绍了风险预警校正系统根据系统风险状态进行评估校正的原理,说明和解释了该系统各个模块的功能定位,并详细分析了该系统实现的技术要点。所设计的风险预警校正系统可适应大量新能源入网的未来电网发展需要。     

基于情景分析的配电网运行风险预警方法

针对已有电网运行风险评估研究不能直接应用于配电网运行风险预警的现状,结合情景分析和电网风险评估的理论,建立了一套多因素影响下的配电网运行风险预警方法。首先,应用情景分析理论,对影响配电网运行风险的因素进行风险情景界定,建立完整的未来情景集;接下来应用电网风险评估理论,建立了一套全面的风险指标进行配电网运行情景风险表达;最后算例证明本方法能够展现配电网运行中可能面临的多种情景下的风险变动情况,从而对运行风险进行科学预警。     

基于停电风险评估的城市配电网应急预警方法

应急预警是城市配电网应急管理所必备的重要基本功能,其核心工作是评估各种突发事件对电网的威胁程度,进而评定相关预警级别并发布预警信息。文中研究并提出了一种城市配电网应急预警方法,通过分析各类突发事件引发的设备停运概率,计算出突发事件下配电网停电风险,并以此为判据确定突发事件预警级别。该方法考虑了应急调度措施的作用,所构建的停电风险指标具有明确清晰的物理意义,可用于优化设计应急预防和处置方案。以IEEE标准系统为算例说明了所提出的方法的工作流程和实用性。     

基于风险的供电企业突发事件预警分级

对供电企业突发事件预警工作进行了说明,提出＂基于风险的预警分级方法＂。     

智能汽车拟人驾驶风险量化方法研究

驾驶风险量化评估对智能汽车拟人驾驶决策至关重要,针对复杂多任务场景下的驾驶风险量化问题,提出了一种基于 人类风险感知机理的智能汽车驾驶风险量化方法。 首先,利用传感器获取驾驶场景周围环境信息与行驶状态信息,并根据人类 驾驶经验对潜在冲突因素赋值代价,生成驾驶场景代价地图;其次,根据车辆运动状态与拟人驾驶的基本原则,利用高斯函数建 立动态风险模型;最后,结合驾驶场景代价图与动态风险模型实时计算拟人驾驶风险量化值。 仿真结果表明,提出的方法能够 基于人类驾驶经验,计算出动态变化的驾驶风险量化值,应用于智能汽车自动驾驶决策,可产生拟人驾驶行为。     

基于信息化的安全风险智能管控

为解决当前安全风险管控存在的问题,利用现有资源与信息化手段,采用“平台+APP+智能终端”方式,构建安全风险智能管控平台。将风险辨识和评估标准化、流程化,落实安全风险分级管控以及班组人身安全风险预控等措施,实现对现场作业的有效监管,强化风险辨识、评估与分级管理,提升企业安全水平。     

基于风险预警的苏州电网变电站鸟害防治

针对变电站鸟害防治工作存在的前瞻性不够、针对性不强等问题,提出了一种基于风险预警的苏州电网变电站鸟害防治方法。该方法基于苏州电网变电站鸟害特征分析,提出了变电站鸟害风险指标,可量化不同变电站不同月份的鸟害风险,采用专家打分法与层次分析法相结合的综合评价法确定相关参数,划分了变电站鸟害风险等级,提出相应鸟害防治措施,并在实际生产中验证了此方法的有效性。     

基于云模型和随机森林的韧性城市电网风险预警模型

相比传统电网,韧性城市电网展现出了出色的适应多种扰动和灾害的能力,但其复杂性也使得韧性城市电网风险预警面临更大的挑战,亟需大数据和机器学习等先进技术的引入。首先,构建韧性城市电网风险评估指标体系,采用主客观结合的综合赋权法对指标赋权,通过大数据技术获取的实时数据流得到韧性城市电网风险评估指标的动态权重;然后,构建韧性城市电网风险评估标准云,计算韧性城市电网风险等级隶属度,确定风险等级;最后,基于随机森林构建韧性城市电网风险预警模型,并进行算例分析,通过与其他模型对比,发现所构建的模型表现出高精度的特征。所建模型具有较好的风险预警效果,从而能够及时采取有效风险管控措施,保障韧性城市电网稳定运行。     

基于生成对抗网络的自动驾驶交通场景生成

自动驾驶汽车是智能交通的重要组成部分，也是未来交通的发展趋势。提高自动驾驶技术的可靠性需要对自动驾驶汽车进行广泛的测试。然而，进行实车路测成本高昂且风险较高。如何建立模型生成多样且真实的交通场景，在测试自动驾驶技术的时候显得尤为重要。针对自动驾驶交通场景生成问题，提出了一个基于生成对抗网络的交通场景生成模型TSG-GAN。TSG-GAN模型利用丰富的交通场景数据（如车道的几何形状、人行横道、交通信号、周围车辆等）快速生成真实且多样的交通场景。在设置车辆驾驶意图的情况下，TSG-GAN模型可以精确地生成现实中未观察到的真实交通场景。通过在公开数据集上进行测试，验证了该模型的有效性。     

基于冲突证据修正的DS改进方法

DS(Dempster-Shafer)证据理论在不确定推理与信息融合领域有着广泛的应用,但是当证据严重冲突时会出现反直观结果的问题。针对这一问题,提出了一种基于冲突证据修正的DS改进方法,首先根据各证据与平均证据的证据距离确立各证据的权重,以平均权重为阈值确立冲突证据,然后根据冲突证据的权重对其进行折扣度修正,修正后的证据再与非冲突的原始证据使用Dempster组合规则得到最终推理结果。仿真实验表明,有效地改善了经典DS证据理论存在的典型问题,在低冲突证据和高冲突证据的融合处理上,本方法相较于其他方法简单有效,收敛快,可靠性高。     

一种基于冲突证据的D-S诊断研究

D-S证据理论已广泛地应用到故障诊断中,其中的基本置信分配是进行D-S故障诊断的基础。在导弹武器等复杂系统的D-S诊断中,所需的基本置信分配时有矛盾的现象。此时,一般的Dempser合成公式对证据的合成已无能为力,因此,迫切需要适用矛盾证据的合成方法。虽然人们做了不少研究,但利用优化理论所提出的D-S合成方法,由于其优点而受到人们的关注。但是这种方法由于没有考虑故障诊断的实际需求,在D-S诊断中显得不足。为此,文中提出了一种改进的D-S诊断优化合成方法。通过验证,表明改进后的D-S诊断合成方法具有更好的合理性和有效性。     

基于数据挖掘的配电网故障风险预警

为了提高配电网风险预警的准确性,提出了基于数据挖掘的配电网故障关联因素分析与风险预警的方法。通过数据清洗、数据变换、数据集成和离群样本剔除,归纳配电网四大类共28个故障特征;采用改进的Relief-Wrapper算法进行故障关联因素分析,剔除了6个冗余特征,形成了由22个故障特征组成的最优故障特征子集;提出了兼顾故障发生频率和失电负荷比例的配电网故障风险指标和风险等级划分方法,采用基于径向基函数的支持向量机(SVM)方法和最优故障特征子集进行风险预警。对某市120条馈线配电网进行了风险预警算例分析,结果验证了所提方法的有效性。     

基于孤立森林评分扩展的流量异常检测方法

流量异常检测是一种有效识别网络攻击行为的技术。近年来,无监督方法在异常检测领域得到了广泛应用。针对现有流量数据间时序关系挖掘的需求与孤立森林随机选择特征属性进行样本划分的问题,本文提出一种基于孤立森林评分扩展的流量异常检测方法。首先,文章使用滑动窗口机制和信息熵特性,设计了网络流量的熵时序特征提取方法,集成至特征集执行显著特征筛选。然后,文章构建了孤立森林评分扩展模型,在节点样本划分时,利用特征集合迭代方法与特征重要性矩阵,综合集合中孤立树特征,为节点标记综合路径长度代替原路径长度,并计算更能表征样本分布的异常评分。最后,通过设定异常得分阈值判别样本是否异常。在公开数据集上的实验结果表明,文章提出的异常检测模型,相比其他方法有明显优势,具有良好的实时检测性能,误报率更低,可有效用于网络流量的异常检测中,对真实网络环境中攻击事件的识别具有重要意义。     

基于特征耦合泛化的流量异常检测方法

针对现有流量异常检测模型中稀疏特征易被特征选择算法忽略的问题,提出一种基于特征耦合泛化(FCG)的流量异常检测方法。首先,采用DBSCAN密度聚类算法去除数据中的离群点,降低异常点对后续FCG算法的影响。其次,使用最大相关最小冗余(mRMR)算法对数据特征进行排序,选择对分类最具影响力的特征生成FCG算法中的类别区分特征(CDF),以增强分类能力。利用K最近邻(KNN)算法填补CDF中的缺失值,保持数据完整性。然后,将数据按照攻击类别分组,分别使用mRMR算法对特征进行排序,挑选每种攻击类别数据中具有实例区分能力的稀疏特征作为FCG算法中的实例区分特征(EDF)。利用两种特征在异常检测数据中的耦合程度和EDF的上层概念将EDF转化成更泛化的特征。最后,将经过处理的数据输入基于贝叶斯优化(Bayesian optimization, BO)参数的随机森林(RF)模型进行分类识别。通过在NSL-KDD数据集上进行仿真实验,准确率达到了91.79%,验证了所提方法具有较好的检测性能。     

基于营配调融合的重要用户风险预警技术探索

围绕重要用户风险预警工作,依托营配调贯通建设成果,整合实时的开关跳闸、保护动作信息、设备台账信息以及用户档案等数据,通过构建模型化的重要用户信息库,并应用到故障停电、计划停电以及电力保障管理业务中,实现对重要用户各类风险的实时监控和主动预警,有利于及时做好供电服务工作。     

基于风险的电力系统安全预警的预防性控制决策分析

针对事故发生的可能性和严重性进行电力系统安全分析的风险评估,将基于风险的安全性评估指标应用到电力系统安全预警中定量分析电力系统的运行状态转换风险,并进行电力系统预防性控制研究.根据系统低电压风险指标、系统过负荷风险指标和系统电压失稳风险指标3种风险指标综合表征的系统安全等级,在事故发生前进行预防性控制决策分析,以灵敏度确定参与决策的关键节点,用遗传算法确定参与决策的节点的最优有功和无功的注入量,从而有效地降低电网的运行风险,提高电网的安全预警等级.以上海电网84节点系统的仿真表明算法的可行性和有效性.     

基于灰色关联模型的输电线路舞动预警方法

中国是世界上架空输电线路覆冰舞动最严重的国家之一。近年来输电线路舞动跳闸呈现出频率高、影响范围大的特点。提出了一种基于灰色关联模型的输电线路舞动预警方法,根据舞动故障发生的主要原因,建立指标体系,并根据各指标的影响程度采用层次分析法对各个指标分别赋以权重。据此再利用灰色关联理论将当前数据与参考数据进行关联度分析,从而计算当前线路发生舞动故障的危险指数,对故障发生的可能性进行预测。检修人员可以基于预测结果选择相应的巡检策略,从而做到有针对性地预防舞动故障,提高巡检效率,进一步减小输电线路舞动带来的危害。