基于压缩感知理论的小电流接地故障选线法

将一种全新的信号处理方法——压缩感知理论应用于小电流接地故障的选线中．采用压缩采样方法对故障前1／4周期到故障后1／4周期各线路零序电流进行低频压缩采样．然后通过恢复算法对所采信号进行精确重构。对承构信号采用小波去噪后进行经验模态分解（empirical mode decomposition．EMD）,选出各线路零序电流最高频IMF分量作差分运算．依据故障线路零序电流最高频IMF分量在故障发生时刻的一阶差分板性和健全线路相反的原则实现故障选线。Matlab仿真试验表明该方法不受采样频率限制．选线结果具有较高的准确度．     

基于特征图像组合与改进ResNet-18的电能质量扰动识别方法

针对传统电能质量扰动(power quality disturbance,PQD)识别体系中单一图像特征信息受限与算法识别能力不足等问题,依据特征融合的思想,提出一种基于特征图像组合与改进ResNet-18的PQD识别方法。首先,对PQD信号进行变分模态分解(variational mode decomposition,VMD)得到一系列固有模态函数(intrinsic mode functions,IMFs)与残差分量;其次,将IMFs、残差分量、原始扰动信号与Subtract分量纵向拼接成分量矩阵,利用信号-图像转化方法生成特征分量彩色图;再次,对原始扰动信号进行连续小波变换(continuous wavelet transform,CWT)生成小波时-频图;最后,将特征分量彩色图与小波时-频图组合输入改进的六通道ResNet-18中训练学习并完成扰动识别。通过仿真对PQD识别方法进行分析并将其与目前常用识别体系进行比较。结果表明,所提方法具有较好的抗噪性能并且能够更好地提取PQD特征信息,达到更高的识别准确率。     

基于双层动态网络的语言竞争微观仿真模型

城镇化背景下,社会网络弱连接关系增强,对弱势语言保护提出了挑战。引入虚拟镜像概念构建了新的社会网络。以二进制字串代表agent的内部词汇结构,给出改进的agent语言水平传播和垂直传播公式;增加了教师节点与学习者节点构成的星型教学网络,构建了语言水平、垂直传播网络和语言教学网络组成的二层语言竞争动态社会网络微观仿真模型。针对我国目前弱势语言存在三类语言保持类型进行了动力学特性仿真分析和政策调控计算实验。认为语言态度提升和双语教学实施有利于弱势语言的恢复和保持,为现代社会网络条件下的弱势语言保护探索了新的机制。     

管道泄漏模拟声发射的压缩感知及经验模态分解

管道泄漏监测中常用到声发射信号检测技术。压缩感知理论是一种高效的信号采集压缩处理方法,将其应用到模拟声发射信号的采样重构中,可以使信号采样不再受Nyquist采样定理的限制,降低了数据采集成本,通过重构算法实现对原始信号的精确重构。进而对重构声发射信号进行分解,通过对比信号的经验模态分解,集合经验模态分解和掩膜信号法分解结果,表明掩膜信号法能有效抑制分解过程中存在的模态混叠现象,使分解结果更加精确有效。为声发射信号的特征提取打下坚实基础。     

基于多层感知器的LCC-MMC并联型特高压三端混合直流输电线路故障检测方法探讨

针对现有故障检测方法存在阈值整定困难、特征量提取过程复杂的问题,提出一种基于多层感知器（MLP）的电网换相换流器和模块化多电平换流器（LCC-MMC）并联型特高压三端混合直流输电线路故障检测方法。首先,分析直流线路昆北侧边界、T区边界、龙门侧边界的频率特性,指出三端直流线路不同区域发生故障时的故障特征差异;其次,通过小波变换对线模电流、线模电压进行多尺度小波分解,提取小波能量,并结合正、负极电压变化量组成故障特征量。然后,将故障特征量作为MLP的输入量、故障区域作为输出量,构建基于MLP的故障区域识别模型;将测量点提取到的故障特征量输入训练完成的模型即可达到故障区域识别的目的。通过大量仿真验证了所提故障检测方法准确率高,且可耐受300Ω的过渡电阻。     

多智能体技术及其在虚拟企业伙伴选择中的应用

研究了一种多智能体的体系结构及其实现技术。并实现了基于这种智体技术的虚拟企业伙伴选择原型系统。证明智能体技术在构建虚拟组织信息系统中的有效性。     

基于混合LSTM深度学习的特高压直流线路模量幅值比故障测距研究

对特高压直流（Ultra high voltage direct current,UHVDC）输电系统而言,准确可靠的测距方案可确保故障线路快速恢复、提高供电可靠性。提出一种基于线模分量和零模分量幅值比的特高压直流线路单端故障测距方法。首先推导出故障距离与初始电压行波模量幅值比之间的近似公式。公式表明,两者之间存在非线性关系,且与过渡电阻无关。然后选用混合长短期记忆（Long short-time memory,LSTM）深度学习网络进行训练和学习,提取各模量初始电压行波首波头的幅值比作为深度学习网络的输入量,以故障距离作为输出量,构建深度学习故障测距模型。搭建云广±800 kV特高压直流输电系统仿真模型。仿真实验表明,所提出的测距方法不受故障类型和过渡电阻的影响,且测距结果具有较高的准确性,相对误差不超过0.34%。     

基于混合分解多尺度时频图和Res-GRU-AT的电能质量复合扰动识别

能源互联网背景下的电能质量问题越来越凸显,针对传统电能质量扰动(powerqualitydisturbances, PQDs)识别过程中存在的信号特征提取复杂、算法识别能力不足和复合扰动区分困难等问题,提出了一种混合分量多尺度时频图和残差神经网络(residual neural network, ResNet)、门控循环单元(gated recurrent units, GRU)网络与注意力机制(attention, AT)组合的电能质量复合扰动识别新方法—Res-GRU-AT。首先利用奇异谱分解(singularspectrum decomposition, SSD)和逐次变分模态分解(successive variational mode decomposition, SVMD)对PQDs信号分别进行多尺度分解得到混合分量,再对混合分量进行希尔伯特黄变换(Hilbert-Huang transform, HHT),分析得到多尺度时频图。其次,利用Res-GRU-AT模型对多尺度时频图进行深层次特征提取、强化和识别。Res-GRU-AT模型能够利用ResNet的二维图像空间特征提取能...     

柔软棒材端面几何形状精密图像检测技术研究

研究了柔软棒材几何形状的测量原理,提出一种基于亚像素图像测量技术的香烟滤棒圆周长和圆度误差精密检测方法。该方法采用小波变换进行图像去噪处理,用Sobel算子提取图像边缘,用改进的随机Hough变换提取单像素圆边界,用Zernike矩进行边缘亚像素校正。最后给出了圆周长和圆度误差的评定方法与检测结果。     

基于形态学的特高压直流输电线路单端电流方向暂态保护

提出一种基于形态学的特高压直流输电线路单端电流方向暂态保护方法,根据故障电流行波方向判定故障发生在本侧区外,或者本侧区内/对侧区外,根据边界及线路对高频信号的衰减特性判定故障发生在本侧区内还是对侧区外。利用整流侧保护安装处获取的故障暂态电流信号结合多分辨形态梯度(MMG)变换,提取电流信号在突变点的极性,提出电流方向元件原理及判据。对整流侧保护安装处检测到的暂态信号进行形态谱运算,并将形态谱归一化后的值转换到频域,通过比较在频域内的形态谱判断故障在对侧区外还是本侧区内。仿真结果表明所提方法能准确区分本侧区外、本侧区内和对侧区外故障,实现特高压直流输电线路全线保护。