小波去噪在拉曼单模光纤传感系统中的应用

现有的拉曼光纤温度传感系统大多为多模系统,由于单模光纤传输损耗较小,采用单模光纤可以使测量范围轻易扩展。但由于单模光纤中产生的自发拉曼散射信号特别微弱,完全被淹没在噪声中,影响了系统的测温精度。针对存在的噪声信号问题,提出采用现有的累加平均算法与小波变换相结合的信号处理方法对拉曼散射信号进行处理。采用db5小波函数,分解层数为5层。通过matlab上进行仿真,结果表明信号处理方法可以有效地消除信号中的噪声,同时又能很好地保留有用信号,缩短了系统的测量时间,改善了系统的性能指标。     

电力物联网中基于深度学习的无蜂窝接入点选择算法

针对传统电力物联网中的设备间干扰和高能耗问题,提出一种基于深度神经网络(deep neural network,DNN)的无蜂窝接入点(access point,AP)选择算法.首先,考虑无蜂窝网络下,将中央处理单元连接的多个协作AP随机分布在大规模电力设备周围,从而拉近AP与设备间的距离以降低能耗;然后,基于深度神经...     

基于卷积神经网络与多维度电力大数据的信用评估系统

2017年,国家发展和改革委员会牵头启动"信易+"联盟建设,社会信用体系建设全面铺开.其中,企业信用评估是国家信用体系建设重要组成部分,国家对企业信用建设给予了高度重视.通过服务电力业务的信用评估系统构建,可以高效支撑电力行业对企业异常用电行为进行预警.在国家大力倡导社会信用体系建设背景下,国家电网各业务部门及单位积极开展了自身信用体系建设.文中使用电力行业上下游的企业用户用电信息、履约情况、安全监管等数据,结合改进的模糊聚类算法对电力企业用户进行划分和用电信用系统构建,同时使用卷积神经网络算法(CNN)对企业信用评估系统进行分析建模.改进的模糊聚类算法能够适应不同的数据分布和提高聚类效果;改进后的多尺度卷积核CNN模型设计能克服传统CNN算法计算量大、易过拟合的缺点.实验证明多维度电力数据集可以很好反映企业信用信息,文中所提出的分类模型的运算效率和准确率较高,整体实现了企业电力风险评估系统.