区域电网机网协调系统调试方案研究

随着电力体制改革的进一步深入,多个地区都建立了区域电网,区域电网的安全稳定运行对各地区和企业的经济社会发展具有重要作用。为了确保区域电网的安全稳定运行,需要进行区域电网安全稳定性试验,某区域电网机网协调系统试验就是该电网的安全稳定性试验。笔者通过介绍某区域电网的机网协调系统的结构、配置和功能,以及机网协调系统试验的目的、步骤、风险、安全措施和注意事项,形成具有可操作性的区域电网安全稳定性试验方案。该方案对于区域电网安全稳定性试验起到一定的参考作用。     

基于手机传感器的握持方式判断及运动状态识别

传统运动识别技术多以传感器位置固定为前提进行识别,但当传感器放置位置或握持方式发生变化时运动识别率会受到相应影响。该文提出了一种基于手机传感器的握持方式判断及运动状态识别方法,解决了传感器随放置位置不同影响运动识别率的缺点。该方法首先通过传感器对设备握持方式进行判断,使用不同握持方式下的三轴加速度数据进行特征提取,通过多层小波变换得到各层高频和低频部分,对其进行组合形成初级特征,用奇异值分解对初级特征进行降维得到最终特征,使用基于径向基核函数的多分类支持向量机 (SVM) 对特征分类,进而判断不同握持方式下的不同运动。实验结果表明,该方法对不同运动方式下的平均识别率为93%。     

一种改进的模拟退火算法优化的支持向量机在交易信号研判中的应用

针对利用机器学习算法支持向量机来研判交易信号时的参数设置问题,本文首先提出一种改进的模拟退火算法(三交换法)来优化LIBSVM工具箱中的惩罚因子"-c"和核函数因子"-g"的选取,然后建立一个基于历史证券技术指标信息的量化择时模型.实证研究表明,改进后的ISA-SVM算法相比于二交换法和互逆交换法不仅可以更好地收敛于最小能量,而且在实际投资中可以对交易信号进行更准确的预测、实现更为可观的收益回报.     

基于机器学习的用户窃电行为预测

新型智能电表普及后,为了准确检测出电网中的窃电用户,可以结合机器学习的方法.为此,选择了支持向量机、随机森林和迭代决策树3种机器学习中较常用的大数据算法进行分析,通过不断调整试验数据集的大小,对3种算法的效率和准确率进行测试.对比分析结果发现,随机森林算法运行的时间和数据量的大小基本呈线性关系,效率较高,且准确率稳定在86%以上,表现较好.     

改性纳米碳酸钙填充PVC的机械性能研究

搅拌和超声条件下改性的纳米碳酸钙填充至聚氯乙烯(PVC),通过抗拉强度、断裂伸长率和冲击强度测试碳酸钙/PVC复合材料的机械性能.结果表明: PVC中纳米碳酸钙的最佳填充量是15 wt %,此时,纳米碳酸钙可均匀分散在PVC中,断裂伸长率和冲击强度明显增加,但抗拉强度略有下降;超声改性时,PVC/碳酸钙复合材料具有更好的抗冲击强度.     

基于交叉验证支持向量机算法的交通状态判别研究

传统交通状态判别算法存在准确率低和速度较慢的缺点。将支持向量机(SVM)算法应用于交通状态监测中,并且以径向基函数(RBF)作为核函数,在SVM训练过程中采取交叉验证的方法,即将训练样本分成多个子集,再通过每次保留其中一个子集作为检测样本进行反复训练,获得RBF所需的σ值和惩罚系数C。通过对某主干路上某时段的数据验证和检测表明,基于交叉验证SVM算法具有较高的准确率和速度,可以有效地将其运用到实际中。     

基于WA-ABC-WLSSVR的南美白对虾工厂化育苗溶解氧预测模型

为解决传统方法水质预测精度低、鲁棒性差等问题,提出了基于小波分析(WA)、人工蜂群(ABC)优化加权最小二乘支持向量回归机(WLSSVR)的工厂化育苗溶解氧组合预测模型(WA-ABC-WLSSVR模型).该模型采用小波分析对原始非平稳溶解氧时间序列数据进行多尺度特征提取,通过加权最小二乘支持向量回归机对不同尺度下的溶解氧数据子序列分别建模,利用改进人工蜂群优化算法(ABC)对各分量序列WLSSVR模型参数进行组合优化,最后叠加各尺度下的预测结果.运用该模型对工厂化育苗溶解氧进行预测,并与BPNN、标准LSSVR、WAACO-LSSVR、WA-PSO-LSSVR等模型对比分析,结果表明,该溶解氧预测模型具有较高的预测精度和泛化能力.     

利用最优同变估计的自适应有限元数字水印优化算法

自适应有限元数字水印属于多层的非线性的水印方法,对于复杂函数逼近问题是具有较好的应用性的,但对涵层相关参数十分敏感。针对上述问题,将最优同变估计的思想引入数字水印,提出了一种利用最优同变估计的数字水印优化算法。该算法利用最优同变估计及进化策略实现全局搜索及优化的特点,并对自适应有限元数字水印结构及相关参数进行了优化。理论分析及实验结果都证明了该算法的有效性。     

基于模式识别的火灾烟雾探测中抗水雾干扰研究

水雾与火灾烟雾在颜色、形态以及面积扩散等方面均具有相似性,容易对基于图像识别的火灾探测技术形成干扰。在同一地点及环境下使用监控系统录制火灾烟雾和水雾的真实视频,从运动方向特征和纹理特征着手进行分析,并利用支持向量机(support vector machine,SVM)对视频进行火灾烟雾和水雾的识别。实验结果表明,火灾烟雾与水雾在运动方向特征及纹理特征中熵和对比度上有明显差异,火灾烟雾识别时使用运动方向特征及纹理特征既能准确的识别出火灾烟雾,又能极大减小疑似烟雾目标带来的干扰。