排序方式: 共有8条查询结果,搜索用时 6 毫秒
1
1.
2.
智能电能表自动化检定系统在长期运行过程中可能出现异常,但定期人工检测方法无法及时获悉风险信息,缩短人工检查的周期又将降低自动化检定的工作效率。在多数情况下异常表位样本数据是无标记的,通常采用无监督式异常检测算法筛选异常表位,为降低无监督异常检测的误报率、减少人工检查的代价,提出请求对无监督筛选的“异常表位”进行人工检查,在排除表位故障的同时获得少量标记样本,利用标记和无标记样本构建半监督方式直推式支持向量机(TSVM)异常检测模型,在以后的自动化检定工作过程中不断获取新的标记样本与未标记样本,可继续按照半监督训练方式对TSVM模型进行扩展及优化。使用提出的方法对国网上海市电力公司自动化检定数据进行了分析,对比人工检查结果,验证了方法的有效性。 相似文献
3.
目前对智能电表功能设置的适用性尚需进一步学习研究。分析了机械式电能表和电子式电能表的计量原理的差异性,并结合现场实际接线情况,着重对智能电能表零线电流测量功能进行研究,提出了对智能电能表安装接线的具体要求。 相似文献
4.
针对最小二乘支持向量机(LSSVM)在缺陷检测过程中的模型参数选择问题,提出了一种改进的万有引力搜索算法(IGSA)对模型参数进行优化,该算法有效地克服了标准GSA易陷入局部最优解且优化精度不高的缺点,显著提高了原算法中物体的探索能力与开发能力。通过利用UCI数据库的数据进行分类验证,相比交叉验证、标准GSA、遗传和粒子群优化的LSSVM,IGSA-LSSVM分类模型有效提高了分类正确率和模型的泛化能力。最后,把该模型应用于标签缺陷自动检测中,取得了良好的效果。 相似文献
5.
级联H桥多电平变换器在中压大功率应用场景需配合使用具有多个二次绕组的移相变压器为每个H桥模块提供独立的直流源,从而存在系统成本较高的问题,对此,提出了一种拓扑优化中压级联多电平变换器及其模型预测控制(MPC)。新型级联多电平变换拓扑每相只需一个独立直流源,故所需二次绕组数量大为减少,同时每相使用中点箝位(NPC)三电平模块,可将整个系统的复杂度和成本降至最低。进一步,建立了新变换器的离散时间域数学模型,并引入了MPC完成了直流侧电容电压和输出电流的多目标控制。利用小功率变换器样机进行了实际测试,实验结果验证了新型级联多电平变换拓扑的优势以及MPC的效果。 相似文献
6.
针对含多个分布式电源的微电网协调控制问题,根据电源特性的不同分别进行了控制器设计.运用多智能体技术将集中控制和分散控制有效结合起来,保证微电网在孤岛运行和联网运行模式之间切换时系统稳定运行,基于多智能体技术的能量管理系统对分布式电源的输出进行优化分配.电压/频率控制采用一个与配电网频率同步的正弦信号作为参考电压,控制结构简单且响应速度快,在确保系统的稳定的同时使得微电网频率与配电网维持同步,降低了重新并网的难度.通过PSCAD软件对微电网在不同运行模式下的分布式电源输出和负载变化进行仿真,对结果的分析表明提出的控制结构是正确有效的. 相似文献
7.
设计一种PE格式恶意软件混淆对抗样本生成模型。利用深度强化学习算法,实现对恶意软件的自动混淆。通过加入历史帧和LSTM神经网络结构的方法使深度强化学习模型具有记忆性。对比实验表明,该恶意软件变种在基于机器学习的检测模型上的逃逸率高于现有研究,在由918个PE格式恶意软件组成的测试集上达到39.54%的逃逸率。 相似文献
8.
准确的电力异常用户识别方法能为供电企业锁定存在窃电行为或其他违规行为的电力用户提供参考。大多数基于机器学习的异常识别模型采用了无监督算法,但模型的准确度还较低。针对上述问题,提出一种结合无监督的局部离群因子(LOF)算法与有监督的支持向量机(SVM)算法的两阶段异常用电用户识别方法。基于分析异常电能表区别于正常电能表的电流电压表现,构建异常识别模型的输入特征;采用无监督的LOF算法进行采样,筛选出可疑样本交给人工进行标记,然后利用标记样本训练有监督的SVM模型;在之后的检测工作中,直接将LOF算法筛选出可疑样本交给SVM模型进行识别。实例结果表明,该方法对电力异常用户的识别准确度高,对供电企业的窃电稽查工作具有指导意义。 相似文献
1