A new methodology for identification of critical lines using damping sensitivity analysis

When an inter-area mode dominates a low-frequency oscillation in a stressed condition, control of the active power flow of interface lines, with compensating devices, can effectively reduce the electromechanical power oscillations. In general, interface lines in which inter-area oscillations are large are considered to be good locations for installation of compensating devices. A sensitivity analysis with respect to change in active power flow can provide an important factor in electric power system operation. This paper proposes a new methodology to calculate the damping sensitivity with respect to change in active power flow, which can be useful for accurate selection of critical lines from the viewpoint of small-signal stability. In the proposed methodology, a damping sensitivity index is used to select the critical lines to damp power system oscillations. This paper describes how to derive the damping sensitivity for the selected mode and illustrates an example applying the proposed algorithm to a simple two-area system and the New England 39-bus test system.     

基于模极大值小波域和TLS-ESPRIT的振荡瞬态识别方法

对于电能质量扰动检测和定位中振荡瞬态的检测、识别,目前普遍采用的是时频特征矢量提取和智能模式识别方法,此类方法无法准确提取电能质量振荡瞬态信号不同频率分量的组成。结合模极大值小波域和总体最小二乘法旋转不变技术的信号参数估计(total least squares-estimation of signal parameters via rotational invariance techniques,TLS-ESPRIT)可以很好地实现振荡信号的检测与识别。对于输入信号,首先采用模极大值小波域检测振荡发生的起始时刻和终止时刻,然后利用振荡时间间隔内的信号建立观测空间矩阵,通过奇异值分解和总体最小二乘法实现特征值截尾,将采样信号观测空间分解为信号子空间和噪声子空间,得到振荡信号每个构成频率分量的相应参数。仿真结果证实了所提出方法的可行性。     

基于CVMD和DBO-SVM的光纤周界安防信号识别方法

为降低光纤周界安防信号中噪声对分类结果的影响,提升信号分类的准确率和运行效率,提出一种融合了相关变分模态分解(Correlation Variational Mode Decomposition, CVMD)、蜣螂算法(Dung Beetle Optimizer, DBO)和支持向量机(Support Vector Machine, SVM)的分类方法。利用CVMD去除原始信号中的噪声分量,并提取去噪后信号的能量、能量熵和峭度作为特征向量。采用DBO算法优化SVM,得到最佳惩罚因子和核函数参数,并构建DBO-SVM分类模型。搭建了基于相位敏感光时域反射(Φ-OTDR)技术的周界安防系统,采集了攀爬、敲击、踩踏和无入侵四类信号。实验结果表明,CVMD-DBO-SVM的分类准确率相比CVMD-PSO-SVM和CVMD-GA-SVM更高,达到了98.75%,同时运行时间更短,综合性能最优。     

基于分解技术的动态结构神经网络

本文提出了基于分解技术的动态结构神经网络算法，这种算法能通过分析网络输入输出了空间的维数，确定每一隐含层神经元数目，为了加快学习效率，采用变误差混学习算法，仿真结果验证了这种算法的有效性。     

NO分解催化剂Cu/分子筛的ESR研究 Ⅰ.水合铜分子筛的ESR研究

系统地比较了在各种不同制备条件下制得的Ｃｕ／ＺＳＭ－５、Ｃｕ／丝光沸石、Ｃｕ／镁碱沸石和Ｃｕ／毛沸石的ＥＳＲ谱，至少六种水合Ｃｕ物种被发现，而且发现分子筛的腔结构对Ｃｕ物种的存在状态有很大的影响。     

基于支持向量机的心律失常诊断研究

运用计算机技术辅助激光治疗心律失常疾病,通过非线性动力学分析心电信号,采用模式识别工具实现心律失常疾病的初步诊断。首先提出一种基于经验模式分解（EMD）的时间尺度滤波法,从而有效的抑制心电信号噪声。然后提取预处理后数据的排列熵（Permutatior Entropy,PE）特征值。最后利用支持向量机（SVM）分类器验证特征值的分类。实验结果表明该算法能有效的实现正常和异常心电信号的自动分类,从而简便快速的初步诊断心律失常疾病。     

基于经验模式分解三相流型信号去噪方法研究

经验模式分解(EMD)作为一种信号处理技术,它是基于数据本身的,且能在空间域中将信号进行分解,从而可以区分噪声和有用信号。应用经验模式分解(EMD)对模拟信号及实测油气水三相流压差波动信号进行滤波去噪处理,分别与db8小波及Haar小波的滤波去噪效果进行定量比较。结果表明:EMD方法与小波方法一样能有效地处理短时瞬态及含宽带噪声的信号,但EMD方法更直接,更方便,且不受小波基函数选择的影响,因此EMD方法更具有通用性和稳定性,从而为三相流流型信号的预处理提供了又一种有效的方法。     

SF6气体分解产物检测技术及应用情况

介绍了7种SF6气体分解产物检测技术,包括气相色谱法(GC)、傅里叶变换红外分光光度计(FTIR)、色谱-质谱法(GC-MS)等,分析了各种气体检测技术的原理、优点和不足之处,得出在不同的试验目的和条件下,应选择合适的检测技术。     

线性映射函数对无损颅内压估计的影响

提出了一种基于截断奇异值分解的线性映射函数颅内压无损估计方法。在基于时间序列的数据挖掘框架基础上,分别推导了基于总体最小二乘法的线性映射函数和基于截断奇异值分解法的线性映射函数,通过实验仿真比较证明:不同的线性映射函数对颅内压的预测确实有较为明显的影响,在所采用的方法中,基于截断奇异值分解法的线性映射函数效果明显优于基于总体最小二乘法的线性映射函数。因此,在该数据挖掘框架中,选择合适的线性映射函数对无损颅内压预测精确性的提高有着非常重要的意义。