基于VB编程的内存泄露检测

在计算机系统中,内存泄露常常容易诱发各种系统问题,比如系统宕机、重启等,给实际计算机应用系统造成非常严重的危害。在系统研发阶段,需要检测内存泄露是否存在,从而改进系统,进而提高系统的健壮性。为了有效地检测系统可能存在的内存泄露问题,运用基于Visual Basic编程的算法,通过对计算机进程的内存消耗数据进行数理统计,能够快速地寻找出发生内存泄露的进程。实验结果证明,本方法是切实可靠的,能够有效地预防计算机系统内存泄露,进而避免由于系统崩溃导致的损失。     

一种基于最大相关-最小冗余算法的输电线路故障定位方法

针对传统输电线路故障定位精度较低且易受故障后暂态分量影响的问题,提出一种基于数据驱动的输电线路故障定位方法。构建基于系统状态和故障位置的电力系统运行数据集,基于最大相关-最小冗余准则,在此数据集中挖掘关键特征与故障位置之间的隐含关系,提取与故障位置最大相关且变量之间最小冗余的关键信息,构建与故障位置最相关的核心变量集,应用曲线拟合技术获取运行变量与故障位置之间的数学解析关系,综合多个特征信息给出准确的故障定位结果。仿真验证结果表明,与传统基于阻抗的故障定位方法相比,所提方法具有更高的故障定位精度,同时对故障后出现的暂态分量也有良好的适应能力,是一种准确快速的输电线路故障定位新方法。     

基于视在伪阻抗辨识的直流配电电缆单端在线故障定位方法

当直流配电电缆发生故障时,直流断路器将故障电缆隔离,为快速排除故障恢复供电,需要快速准确地确定故障点的位置。针对单极接地故障,提出一种基于视在伪阻抗辨识的直流配电电缆单端在线故障定位方法,将故障定位模块与故障电缆串联,使得电缆中流过振荡衰减电流,利用Prony算法提取定位端电缆电压与电流的特征参数,辨识出当前故障情况下的视在伪阻抗;以故障距离和故障点过渡电阻为变量,推算出基于?电缆模型的等效伪阻抗;利用视在伪阻抗和等效伪阻抗的实部和虚部分别相等判据,计算出故障距离和过渡电阻。仿真结果表明,所提出的方法能准确有效地定位故障点,并考虑了电缆的分布电容,具有较好的实用性。     

内存数据库索引结构的研究

一种能使数据库管理系统获得高性能的方式是将数据存储在内存而不是磁盘。此方法的实现需要设计新的数据结构和算法,其目标是CPU时间和内存空间的高效应用,而不再是减少磁盘访问次数和节省磁盘空间。本文中对若干现有索引结构的内存应用效果进行比较,由此得出适合于内存数据库索引机制的判定标准。     

基于Teager能量算子的电能质量扰动实时检测方法

建立一个有效的电能质量监控系统的关键,首先在于实现对扰动的快速、准确检测.通过引入Teager能量算子(TEO),提出基于TEO的实时检测方法.由于Teager能量算子只需要对被测波形相邻的三个采样点进行两次乘法和一次加法运算,使得所提算法快速、简洁,具有优良的时间分辨率,能实时跟踪被测信号波形变化.仿真和实验结果表明,所提算法能够准确、迅速地检测和定位电能质量扰动的发生,具有优良的检测效果.     

改进的二维Otsu法阈值分割快速迭代算法

常用的灰度级-平均灰度级二维直方图存在错分,导致二维Otsu法阈值分割结果不够准确;其快速迭代算法搜寻最佳阈值时避免了穷举搜索,但仍需遍历整个解空间.为此,提出了一种改进的二维Otsu法阈值分割快速迭代算法.采用灰度级-梯度直方图及其区域划分方法,导出了基于该直方图区域划分的Otsu法阈值分割快速迭代算法公式;在实验结...     

基于伯格算法的双马赫-曾德干涉光纤传感系统

针对双马赫-曾德干涉型光纤振动传感系统定位误差较大的问题,提出了一种基于伯格算法的振动定位方法。 利用频 谱分析法比较伯格算法与快速傅里叶变换算法在不同频数下的能量特征,通过能量比计算确定最优频数,并进行伯格算法最优 阶数的选值分析。 在最优频数与最优阶数条件下提取特征数据帧,通过互相关计算获取双路振动信号之间的时延,进而获得振 动位置。 在双马赫-曾德干涉光纤振动传感系统中,开展了振动定位实验研究。 实验结果表明,在 2. 2 km 的传感光纤上,本方 法能顺利提取出振动信号频率的特征数据帧,且振动定位绝对误差为 7. 3 m,为提升双马赫-曾德干涉光纤传感系统定位精度提 供了新方法。     

配电网调度监测数据的多线程集群共享内存折叠压缩方法

针对配电网中数据指数增长造成的读写时延越来越长的问题,提出一种多线程集群共享内存折叠压缩新方法。将数据结构扁平化处理融入于数据压缩之中,通过启用内存折叠方法,在写入内存过程中消除数据冗余,改变数据结构,减少刷新到磁盘的次数,同时缓解磁盘块缓存的压力,从而提高对数据的读写性能,以千万条数据记录的某动车段10kV配电网远动调度监控系统实测数据为例,搭建4个节点测试集群,进行集群内存压缩导入延时测试与读写性能测试。实验结果表明,启用内存压缩能优化内存结构,提升调度监测数据库的读写性能。     

内存计算技术及在电网分析中的应用

首先介绍内存计算技术以及其在大数据处理中的应用。针对在电力系统分析中计算性能的磁盘及网络数据I/O瓶颈问题,提出一种基于内存计算技术的电网分析内存计算架构,并讨论了内存计算在快速动态安全评估(DSA)中的典型应用场景。以国调现有在线DSA电网模型(4万节点)为案例,给出了内存计算在大型电网分析中应用的相应性能测试结果。     

基于IRS辅助的北斗+5G融合定位

在变电站、发电厂等电力场景中,保障输配电线路及其设备安全尤为重要。为方便调度指挥更好地应对电力突发事件,需要知道终端的精准位置信息,从而获取对巡检周边电力设施或设备状态的实时数据。基于此,提出一种基于智能反射表面(intelligent reflecting surface, IRS)辅助的北斗+5G融合定位算法。在通过北斗定位进行位置监测的基础上,采用由IRS辅助的5G网络进行信息传输以降低时延,同时在加强直射径信号功率的基础上解决了基站数目不足、非直射径引起的信号衰减等问题。在捕获北斗卫星阶段,提出利用改进的鸡群优化(chicken swarm optimization, CSO)算法快速准确搜索整周模糊度,从而获得准确的差分信号;在利用基站和IRS传输差分信息时,提出了一种改进的基于凸优化的精准位置估计算法。仿真结果证明了所提方法能够实现对目标的精准定位。     

实现影响因素多源异构融合的短期负荷预测支持向量机算法

针对智能电网大数据环境下,导致电力系统负荷波动的诸多因素存在多源异构性的问题,利用多核函数来对其多源异构特性进行差异化处理和融合,能够描述影响因素的内在分布特性并应对其变化,提高负荷预测精度。选取历史负荷、气温、气压、相对湿度、降雨量、风向、风速、节假日及电价9个属性作为多源异构影响因素,利用样本特征分布法、单变量法及核矩阵秩空间差异法来选择多核函数的构成,采用双层多核学习算法,建立了并行化多核支持向量机(SVM)负荷预测算法流程,并在Hadoop集群上进行了仿真验证。仿真结果表明,多核SVM比单核SVM预测平均相对误差小,双层多核学习、基于lp范数的多核SVM模型预测精度最高。因此,多核SVM能有效处理负荷预测中的多源异构数据,经并行化处理后,能提高负荷预测的速度与精度。     

基于SVR算法的短期负荷快速预测研究

将支持向量回归(SVR)算法引入短期负荷预测,为提高预测速度,根据负荷预测的特点,提出了一种SVR的在线训练算法,该算法通过不断输入新的负荷数据来更新回归函数,以获得更快的计算速度和较好的预测结果。和传统的SVR算法比较,它能在保证精度的同时大大减少支持向量的数目,具有更快的收敛性。仿真结果表明了算法的有效性。     

基于FPGA的快速图像纹理特征提取方法的研究

图像特征的一个重要分支就是纹理特征,它体现了不同图像和物体的形态、大小、分布、方向等重要参数,对图像特征识别起到决定性因素。但是纹理特征提取的过程十分复杂且计算量巨大,为了解决这个难题,提出了一种在现场可编程逻辑门阵列(FPGA)平台下实现纹理特征提取新方法。首先对基本图像特征算法做了并行化的优化,从算法的数值范围和表示精度两个角度,做了相应的分析和误差控制,从而适应FPGA的运行。然后对FPGA的数据流传输提出了一个高效率的解决办法,该方法对其中的主要模块采用了流水线优化,并采用寄存器配置模式,从而在线地修改参数,适应不同的图像大小和卷积核等环境变量。结果表明,在同等功耗条件下,可以达到10倍于CPU的性能,达到了快速提取特征的目的。     

Wiener核的快速提取算法*

对于非线性特性未知的模拟电路,可以运用Wiener泛函级数来描述,且Wiener核值可以表示电路特征。但是随着阶数及采样点数的增加,Wiener核值提取运算次数呈指数形式增长,这给应用带来困难。针对这一问题,提出了一种折叠递推快速算法,经分析计算本快速算法比常规算法节省乘法计算量90%以上。在此基础上,运用快速算法与常规算法针对典型电路进行了对比实验,提取的核相同,可以快捷有效的诊断电路的正常状态及不同软故障状态。     

基于MIC-LSTM与CKDE的风电机组机舱温度区间预测

风电安全技术的发展在新能源生产安全中具有重要意义。风力发电机组机舱温度预测可提前发现机舱温度的异常变化,为监测和控制系统提供温度预警信号,从而保障内部设备安全稳定运行。提出基于最大信息系数（MIC）的变量筛选方法,选取与机舱温度相关性较高的变量作为输入变量,然后基于长短时记忆（LSTM）网络建立了多变量机舱温度单点预测模型,通过与其它3类预测模型的性能对比表明了所提方法精度更高;基于LSTM网络模型的预测结果及其误差数据集,采用条件核密度估计（CKDE）法建立了不同置信度下机舱温度预测值的波动区间,依据具体实例验证了不确定性区间预测模型的有效性和可靠性。     

基于KLPP-K-means-BiLSTM的台区短期电力负荷预测

随着智能电网的发展,各场景的用电更加多元化,而准确的台区负荷预测是确保相关电力部门制定合适检修任务的关键,同时为有序用电、电网经济运行提供重要参考。为了挖掘台区负荷的特征以提高台区负荷预测的精度,提出了一种基于核主元分析与局部保持投影降维、K均值聚类算法(K-means)以及双向长短时记忆网络(BiLSTM)的台区电力负荷预测方法。首先利用核局部保持投影（KLPP）对台区多特征负荷数据进行降维以提取主要特征信息;然后采取K-means聚类算法将相似特征的数据归类成各自的簇集;最后针对聚类后的各典型类型,有针对性地训练BiLSTM,并选取中国某高校低压台区负荷作为算例与其他经典预测方法进行对比分析,结果表明所提方法更拟合实际负荷走向,有效提升了预测效果。     

RBF-SVM的核参数选择方法及其在故障诊断中的应用

基于核理论的SVM中,RBF核函数应用最广,是一个普适的核函数,但其参数的选择却没有固定方法。鉴于此,本文首先分析了现有核函数参数优选算法的不足;然后在SVM网络结构分类原理的基础上提出了基于数据最大方差-关联度准则的核参数选择算法,并结合粒子群算法建立了RBF核参数的自动优选流程。将其用于模拟电路故障诊断实验,证明了所提方法具有参数选择准确、简单快速等优点,优选得到的核参数提高了故障诊断率。     

基于两端量线路故障测距新算法

提出了基于两端量实现线路故障测距的算法。该算法选用适用于各类型故障的正序网进行计算，利用线路两端电压、电流与故障点电压的向量关系，建立双端量测距方程式，并利用方程式两端向量模相等关系实现故障测距计算，测距精度不受过渡电阻和系统运行方式的影响，且不需要线路两端数据采样同步。经实例验证，测距误差小，测距快速方便。     

Fast and accurate parameter estimation algorithm for digital distance relaying

Response of digital distance relaying depends on the fast and accurate calculation of parameters such as voltage and current phasors and fault impedance. This paper describes a new apparent impedance estimation algorithm that is based on modal components theory. It is shown in the paper that the proposed algorithm has several advantageous features in terms of speed and accuracy over previously suggested symmetrical and modal components based algorithms. The paper discusses a procedure for deriving a fault impedance estimation algorithm that can be used for protecting power transmission lines. The proposed algorithm was evaluated using an alternative transient program (ATP). The program models a power system, simulates many fault conditions on a selected transmission line and generates fault data. The relay software then obtains filtered, scaled and sampled data and calculates fault impedance using the proposed algorithm. The relay characteristic makes trip decisions based on the fault impedance estimates. The paper shows the feasibility of the proposed algorithm for first zone distance protection. Some results of these studies are presented and discussed in the paper.     

多策略改进 MPA 算法与 HKELM 的变压器故障辨识

为解决目前变压器故障诊断精度低的问题,提出一种多策略改进海洋捕食者算法( MPA) 与混合核极限学习机 (HKELM)的变压器故障辨识方法。 首先通过核主成分分析法(KPCA)对高维线性不可分的变压器故障数据进行降维,获取特 征支持数据;然后通过伯努利混沌映射、改进阶段转换判据、最佳候选者等策略综合改进 MPA,加强全局开发能力;最后使用改 进的 IMPA 算法对 HKELM 的参数寻优,构建变压器故障诊断模型。 为验证模型有效性,分析比较常用算法优化的 HKELM 的 4 种变压器故障诊断模型。 其中 IMPA-HKELM 的诊断精度为 94. 7%,相比于另外 3 种基础算法优化的模型,诊断精度分别提升 了 5. 4%、8%、10. 7%。 结果表明,提出模型有效提升了故障诊断的分类性能,并实现了较高的故障诊断精度。