继电保护装置可靠性及其最佳检修周期的研究

针对继电保护装置可靠性（即其误动和拒动的概率）的研究,建立了评价继电保护装置可靠性的马尔科夫模型;运用状态空间法计算了电保护装置的状态概率和可靠性指标;分析了自检周期对保护装置故障率的影响。研究了保护装置最佳检修周期的确定和带自检的微机保护装置和不带自检的传统保护装置在最佳检修周期上的差异;为确定保护装置的最佳检修周期提供了理论依据。     

基于时变隐马尔科夫模型的连锁故障预测

最近几年,电力系统大面积停电事故在国内外多有发生,而这些事故都是由连锁故障所引起。因此,分析其发展机理、预测其发展路径成为相关学者重点关注的问题。针对目前预测方法比较单一、不能全面考虑连锁故障的影响因素等问题。文章提出时变隐马尔科夫预测模型,该模型改进了马尔科夫模型中的状态转移矩阵;充分考虑了支路保护/断路器拒动、误动概率、系统支路硬件故障概率、支路使用年限等方面因素。首先,基于系统拓扑结构计算支路间的故障状态转移概率矩阵;其次,对该矩阵进行不同的改进;然后,通过对比不同模型的预测结果,优化改进,得到连锁故障传播路径;最后,用IEEE36模型验证本文所提方法的可行性和准确性。     

一种集成NER的文本分类特征选择方法

文本分类是将自由文本自动划分到若干预先定义类别的方法,在信息检索等领域有很重要的作用。其中,如何选择有效的文本特征是影响文本分类器分类性能的一个重要步骤 。很多应用中需要处理的文本信息包含了很多的命名实体,如某个行业的名人,往往能够在很大程度上影响着文本所属的类别。然而,现阶段的文本特征方法都只利用关键词
词的统计意义,而没有考虑关键词作为命名实体所含有的分类特征。针对这一问题,本文提出了一种将命名实体识别方法NER集成到文本分类特征选择中的方法,在保留关键 词统计特征之外,还保留了单词作为命名实体的分类特征。实验结果表明,相对于其他特征选择方法而言,本文提出的方法在一定程度上提高了文本分类的分类准确率。     

一种基于最优轨迹的假查询隐私保护机制

随着移动通信技术和无线传感器的发展, 基于位置服务的应用给我们的生活带来极大的便利。在实际使用中, 用户需要向不可信的LBS服务提供商发送自己的实时位置和相关的查询信息, 这可能会导致用户的个人隐私信息遭到泄露, 特别是在使用连续位置查询服务时, 服务提供商可以利用位置的时空相关性来构建用户的轨迹信息, 进而推断出用户的居住地址、公司位置等敏感信息。传统的位置隐私保护方法通常只考虑到当前位置, 在解决连续位置查询时存在挑战, 因此, 为了解决连续位置查询中难以权衡轨迹可用性与隐私性的问题, 提出一种基于最优位置轨迹的假查询隐私保护机制。首先, 通过真实轨迹和假轨迹间的互信息来度量轨迹的隐私, 解决轨迹隐私难以量化的问题。在此基础上, 提出一种基于马尔科夫链的轨迹互信息计算方法, 简化了轨迹互信息的计算过程,并使用两条轨迹上对应位置点间的欧几里距离来量化位置轨迹的可用性。其次, 考虑到生成的假轨迹可能并不符合用户的通行习惯, 容易被识别出来, 我们选择历史轨迹作为假轨迹。为了减少轨迹上位置点的数量, 使用四叉树法对路网区域进行划分, 将轨迹划分为不同的片段, 在相关约束条件下寻找最优的历史轨迹作为假轨迹, 从而保证使用的假轨迹更加真实、合理。最后, 实验结果表明,本文的方案可以最大程度的实现位置数据隐私性和可用性平衡, 与其他方案相比, 安全性更高、系统计算开销更少。     

Channel status prediction for cognitive radio networks

The cognitive radio (CR) technology appears as an attractive solution to effectively allocate the radio spectrum among the licensed and unlicensed users. With the CR technology the unlicensed users take the responsibility of dynamically sensing and accessing any unused channels (frequency bands) in the spectrum allocated to the licensed users. As spectrum sensing consumes considerable energy, predictive methods for inferring the availability of spectrum holes can reduce energy consumption of the unlicensed users to only sense those channels which are predicted to be idle. Prediction‐based channel sensing also helps to improve the spectrum utilization (SU) for the unlicensed users. In this paper, we demonstrate the advantages of channel status prediction to the spectrum sensing operation in terms of improving the SU and saving the sensing energy. We design the channel status predictor using two different adaptive schemes, i.e., a neural network based on multilayer perceptron (MLP) and the hidden Markov model (HMM). The advantage of the proposed channel status prediction schemes is that these schemes do not require a priori knowledge of the statistics of channel usage. Performance analysis of the two channel status prediction schemes is performed and the accuracy of the two prediction schemes is investigated. Copyright © 2010 John Wiley & Sons, Ltd.