智能电网背景下的电力设备监测和维护技术

介绍了智能电网中电力设备安全运行的前景,详细叙述了电力设备在线监测系统的开发和应用,利用人工智能诊断实例论证了电力设备智能化监测系统的可行性和实效性.     

上海电网中长期负荷预测

介绍了上海电网概况,分析了网供负荷特性,以及近期影响上海地区负荷的因素,并使用不同的预测方法给出了中长期负荷和用电量的方案.最后针对上海地区的特点,提出了提高负荷预测准确性和应对本地区电网严峻形势的对策和建议.     

基于双树复小波的煤矿电网故障选线

从煤矿电网实际条件着手,针对三相电流互感器、两相电流互感器、单相电流互感器以及零序电流互感器4种情况分别展开讨论,分析各线各相电流初始行波,利用双树复小波分解得到模极大值幅值和相位关系,并进行比值计算,构成不同的选线或选相判据。Matlab仿真验证了基于双树复小波的煤矿电网故障选线方法的可靠性。     

基于分布式计算的电网运行可靠性评估算法研究

针对电网运行可靠性评估计算量大,但又要求计算时间短的问题,提出了一种基于分布式计算的电网运行可靠性评估算法。该算法采用改进的状态选择和分析方案,解决了计算终端间随机数序列的关联性问题,有效地降低了通信量,提高了计算速度。基于该算法编制的评估软件已通过RTS-24系统和某省级电网的实际运行测试,测试结果表明,该算法不仅能够有效评估电网运行可靠性,而且计算速度随计算终端数增加呈一定倍数提高。     

结合稀疏表示和概率潜在语义的图像模糊度评价

目的 图像的模糊度评价是客观图像质量评价的一种,主要用来衡量图像信号经过成像系统或处理算法后的降质程度,其在图像获取、传输、分析以及图像处理系统或算法评价等领域有着广泛的应用。针对目前图像模糊度评价方法没有考虑人类视觉系统的无监督学习和层次化特征提取的特性,本文将图像稀疏表示和利用概率潜在语义提取图像主题相结合,提出基于稀疏表示和概率潜在语义的图像模糊度评价算法。方法 该算法在图像稀疏表示的基础上,通过概率潜在语义方法分别提取清晰训练图像和待测图像的主题,以待测图像潜在主题与清晰图像平均潜在主题之间的相似性作为模糊度评价的依据。主要过程分为3个阶段:词典构建阶段、训练学习阶段和模糊度评价阶段。词典构建阶段的目的是通过样本学习获得图像稀疏表示的词典;训练学习阶段的目的是采用概率潜在语义的方法获得训练图像的平均主题;模糊度评价阶段的目的是通过待测图像的潜在主题与训练图像的平均潜在主题的相关系数来计算图像的模糊程度。结果 在仿真图和公共测试数据库上与典型算法的比较实验表明:本文算法在单调性、抗噪性以及视频质量专家组制定的5个评价指标上都取得了较好的效果,其中Pearson相关系数和Spearman秩相关系数分别为0.995 6和0.993 4。结论 本文根据人类视觉系统具有无监督学习和层次化特征提取的特点,以待测图像潜在主题与清晰图像平均潜在主题之间的相似性作为模糊度评价的依据,提出了一种新的基于稀疏表示和概率潜在语义的图像模糊度评价方法。实验结果表明该方法能够对图像的模糊度进行较准确的评价,并且结果与人的主观评价结果一致。     

基于软分区的地区电网自动电压控制系统

介绍贵港地区电网基于软分区的三级自动电压控制（AVC）系统,并对该系统的三级控制原理及区域变电站的控制规则进行说明。     

电力信息和通信技术推动智能电网建设

智能电网的发展带动了电网发电、输电、变电、配电、用电等各个领域的巨大变革,电力信息和通信技术作为智能电网发展的关键性技术,对智能电网发展起到巨大的支撑作用。本文分析了智能电网建设中信息通信的重要性,并从网络融合、电网增值／具体领域应用等方面,分析了电力信息和通信技术对智能电网的推动作用。     

OpenCOPI: middleware integration for Ubiquitous Computing

In this paper, we present OpenCOPI (Open COntext Platform Integration), a Service-Oriented Architecture-based middleware platform that supports the integration of services provided by distinct sources, ranging from services offered by simple systems to more complex services provided by context-provision middleware. OpenCOPI offers selection and composition mechanisms to, respectively, select and compose services provided by different sources, considering applications of both Quality of Service and Quality of Context requirements. It also offers an adaptation mechanism that enables to adapt the application execution due to service failures, service quality fluctuation and user mobility. OpenCOPI allows the definition of applications in a higher abstraction level by the specification of a semantic workflow that contains abstract activities. This paper illustrates the use of OpenCOPI in an application from the Gas & Oil Industry and it also shows the evaluation of the main mechanisms of OpenCOPI: the service selection, composition, adaptation and workflow execution.     

融合语义差别和流型学习的偏标记学习方法

偏标记学习是一种重要的弱监督学习框架。在偏标记学习中,每个实例与一组候选标记相关联,它的真实标记隐藏在候选标记集合中,且在学习过程中不可获知。为了消除候选标记对学习过程的影响,提出了一种融合实例语义差别最大化和流型学习的偏标记学习方法(partial label learning by semantic difference and manifold learning, PL-SDML)。该方法是一个两阶段的方法：在训练阶段,基于实例的语义差别最大化准则和流型学习方法为训练实例生成标记置信度;在预测阶段,使用基于最近邻投票的方法为未知实例预测标记类别。在四组人工改造的UCI数据集中,在平均70%的情况下优于其他对比算法。在四组真实偏标记数据集中,相比其他对比算法,取得了0.3%～13.8%的性能提升。     

融合视觉风格和标签约束的少数民族服装图像解析

目的 少数民族服装款式结构复杂,视觉风格各异。由于缺少民族服装语义标签、局部特征繁杂以及语义标签之间存在相互干扰等因素导致少数民族服装图像解析准确率和精度较低。因此,本文提出了一种融合视觉风格和标签约束的少数民族服装图像解析方法。方法 首先基于本文构建的包含55个少数民族的服装图像数据集,按照基本款式结构、着装区域、配饰和不同视觉风格自定义少数民族服装的通用语义标签和民族语义标签,同时设置4组标注对,共8个标注点;然后,结合自定义语义标签和带有标注对的训练图像,在深度完全卷积神经网络SegNet中加入视觉风格以融合局部特征和全局特征,并引入属性预测、风格预测和三元组损失函数对输入的待解析图像进行初步解析;最后,通过构建的标签约束网络进一步优化初步解析结果,避免标签相互干扰,得到优化后的最终解析结果。结果 在构建的少数民族服装图像数据集上进行验证,实验结果表明,标注对有效提升了局部特征的检测准确率,构建的视觉风格网络能够有效融合少数民族服装的全局特征和局部特征,标签约束网络解决了标签之间相互干扰的问题,在结合视觉风格网络和标签约束网络后,能够明显提升少数民族服装解析的平均精度,像素准确度达到了90.54%。结论 本文提出的融合视觉风格和标签约束的少数民族服装图像解析方法,能够提高少数民族服装图像解析的准确率和精度,对传承祖国文化、保护非物质文化遗产具有很好的意义。