智能配电网供电模式与优化规划研究展望

从电网规划的角度,提出了智能配电网建设的目标及意义,阐述了智能配电网建设需要研究的电源分布、运行方式、网络损耗及负荷增长等方面的问题,展望了供电模式和优化规划的研究,提出了若干建议和对策。     

基于数字孪生的GIS外部局部放电干扰识别

在实际的变电站复杂环境中,除了来自环境噪声的影响外,气体绝缘金属封闭开关设备(gas insulated switchgear, GIS)在线监测系统还会受到外部局部放电信号的干扰。针对目前GIS局部放电在线监测系统无法识别外部局部放电信号的缺陷,结合数字孪生技术的优势,开展GIS外部局部放电干扰识别研究,提出一种基于数字孪生的GIS外部局部放电干扰识别机制,建立GIS数字孪生整体模型和信号衰减部件模型,分析特高频信号衰减速率。根据衰减速率对比,完成外部局部放电信号识别,并通过仿真实验验证该算法的有效性。     

基于核邻域保持投影的人脸识别

提出了一种有效的非线性子空间学习方法:核邻域保持投影.其主要思想是通过引入线性变换矩阵来近似经典的局部线性嵌入(LLE),然后通过核方法的技巧在高维空间里求解.经过推导,实际的子空间的计算可归结为标准的特征值分解问题而非推广的特征值分解问题.在AR人脸数据库上的试验表明该方法是有效的.     

结合提升自举FLD投影的特征提取算法

针对两类分类问题,提出一种基于自适应提升(Adaptive Boosting,Adaboost)算法的分类特征提取算法.首先对训练样本集进行自举采样从而生成一定数量的训练样本自举子集,然后通过对每个自举.子集的Fisher线性判别分析(FLD),得到相应数量的一维自举投影向量.在Adaboost算法迭代的每一步中,具有最小的加权最近邻分类误差的一维自举投影向量被作为分类特征选出,用来构成最终的强分类器.该算法可以有效地克服传统特征提取算法性能依赖于数据分布以及提取准则不直接与训练误差相关的弱点.实验结果表明,相比传统算法,该算法的分类准确度有较明显的提升,并且特别适用于数据分布复杂的情况.     

基于MobileNet的电缆局部放电模式识别方法

针对传统方法判别电缆局部放电类型非常耗时,且准确率较低等问题,提出了一种基于MobileNet的电缆局部放电模式识别方法。对电缆高频局部放电带电检测仪器采集到的各类PRPD图谱进行预处理与数据增强,形成图谱库;将预先训练好的MobileNetV1模型中的权值迁移到局部放电的新任务中,对模型进行网络结构和权值的微调;对迁移后的新模型进行训练,将训练得到的识别率最高的模型作为测试模型,并对测试集中的PRPD图谱进行测试。实验结果表明,该算法的识别准确率可达96.4%,并有效提升了训练的收敛速率。将该算法应用于基于安卓设备的智能局部放电巡检仪,在实际场景下,能够实现局部放电缺陷类型的快速识别,且识别准确率达到95%以上。     

基于DSP的软件无线电QPSK相干解调技术研究

基于DSP的软件无线电通信平台实现,要求能够实时快速准确完成调制解调编码解码等功能,因此对程序算法的效率要求很高,同时又必须保证结果的准确,软件无线电台有其特有的灵活性,因此必须对算法加以特殊处理以满足要求.基于TMS320C6201DSP平台,以软件无线电方式实现了实时QPSK通信平台,包括实时编解码、全自动识别、调制解调等,主要就解调过程中的软件锁相、判决、软件位同步及系统优化等关键技术提出了解决方案及改进措施,主要包括算法原理,算法简化及优化,最终实现了实时通信,达到了预期的结果,通过实践证明,文中提到的算法与改进都是行之有效的.     

以全新的经营规划理念构筑城镇发展格局

人们常说规划是建设的“龙头”,同样规划也是城镇资本化经营的“龙头”。国内外城镇发展的经验表明,规划就是生产力,是建设和管理城镇的依据。因此,在城镇资本化经营的过程中,要运用市场经济规律的杠杆,合理利用城镇空间布局,确保有形资源和空间资源得到有效配置,最大限度地释放城镇资源资本的潜能,使规划成为创造财富的“龙头”。     

基于遗传算法的线性判别分析方法

由于线性判别分析(Linear discriminant analysis,LDA)算法并不直接以训练误差作为目标函数,所以在Fisher准则不能代表最小训练误差情况下,LDA算法无法找到最优的分类子空间.本文针对这种情况,首先通过分析数据样本分布与LDA投影向量之间的关系,揭示了LDA投影向量与类间散布矩阵和类内散布矩阵特征值之间存在的关联,并以此提出一种基于遗传算法的LDA算法.该算法以子空间上的训练误差最小为目标,通过遗传算法调整LDA算法中类间矩阵特征值的大小,达到搜索最佳特征子空间的效果.通过模拟数据和真实数据的实验,表明这种方法的分类正确率比现有的线性子空间方法有明显提高.     

基于改进SSD的GIS多源局放模式识别

为了克服局部放电(partial discharge, PD)缺陷诊断中样本数量不足的困难,并解决传统模式识别算法无法有效识别多源局放的缺陷,文中提出了一种基于改进单阶段多框预测算法(single shot multi-box detector,SSD)的气体绝缘组合电器(gas insulated switchgear, GIS)多源局放谱图检测算法。首先,分析了多源局放的相位分布局部放电(phase resolve partial discharge, PRPD)谱图特征,搭建GIS实验平台并模拟了4种典型局放缺陷,采集样本数据并采用ACGAN算法进行样本扩充。然后,搭建了SSD网络模型,在特征提取网络中引入了空间与通道注意力机制。最后,利用实验室数据与某220 kV变电站收集的现场数据分别验证所提出算法的有效性。实验结果表明,提出的算法能够有效检测出复杂噪声下PRPD谱图中的多源局放特征,其实验室数据平均检测精度可达97.8%,现场数据平均检测精度可达91.6%。     

基于ESMD的局部放电信号自适应去噪方法

检测电力设备的绝缘缺陷对确保电网安全可靠运行具有重要意义，但电力设备信号易受到现场噪声干扰。因此，抑制局部放电信号背景噪声是准确诊断电气设备绝缘状态的关键问题之一。本研究提出了一种自适应阈值辅助极点对称模态分解(ESMD)的自适应去噪方法，采用ESMD对局部放电信号进行分解得到一系列模态分量，构建基于相关系数和峭度自适应重构准则，以减小噪声干扰对局部放电特征的影响；针对重构的局部放电信号，引入自适应阈值进一步去除重构信号中的残余噪声，从而实现干扰抑制。本算法分别针对局放仿真信号和现场实测信号进行了去噪实验，结果表明，基于ESMD的自适应去噪算法能够有效抑制噪声干扰，保留局部放电信号特征，波形相似系数接近1,提高了局部放电检测的准确性。