基于特征优选和HHO-SVM的变压器故障识别

在油中溶解气体的分析方法的研究中,不同故障类型下,各气体所体现的故障特征存在细微的区别。依次对不同故障的数据提取特征,能够补充和完善变压器故障特征的表征。数据集包括5种气体含量比值和三比值数集,将其拆分为6种不同故障类型的子集,利用核主元分析每一种故障类型的主元特征量,综合所有故障特征量,通过哈里斯鹰搜索算法,优化SVM模型进行故障识别验证,准确率为94.1%。实例结果表明,该方法保留了不同的故障类型的特征差异,提升了特征样本集的可分性。     

基于MCEEMD分解的多分支配电网行波测距

根据双端行波测距方案原理,提出一种适用于T型支接线路区段的三端行波测距方法。针对行波测距使用的希尔伯特-黄变换(Hilbert-Huang Transform,HHT)中经验模态分解(Empirical Mode Decomposition,EMD)存在模态混叠现象的问题,引入MCEEMD分解算法进行改善。通过Matlab/Simulink搭建IEEE33节点配电网仿真系统,结合Three-Phase Fault模块设置不同的故障条件,对所提故障测距原理进行仿真实验。实验结果表明,所提方法在T型支接线路的使用效果理想,提高了故障精准测距的精度。     

基于改进熵特征的心律失常分类研究

心律失常类型的判断对心血管疾病的防治十分重要,针对波动散布熵(multiscale f luctuation dispersion entropy,FDE)在进行心律失常分类识别时尺度单一、不能全面反映心律失常 信息等不足,通 过改进FDE特征,提出一种基于自适应多尺度波动散布熵(adaptive multiscale fluctuati on dispersion entropy,AMFDE)的心律失常分类方法。首先在计算FDE特征前利用优化K值的变分模态分 解(variational mode decomposition,VMD)对信号进行分解,以获取预设数量的固有模态 分量(IMF),然后 提取各尺度子序列的FDE作为分类特征,并采用遗传算法(genetic algorithm, GA)对支持向量机(SVM)的惩罚 因子c和 核函数参数g进行寻优,最后通过GA-SVM模型进行模式识别。计算结 果表明, 所提方法对4类心律识 别的平均准确率达到95.3%,灵敏度达到95.4% ,特 异性达到 98.4%,相比自适应多尺度散布熵(adaptive multiscale dispersion entropy, AMDE)等其他方法优势明显,可以实现对心 电(electrocardiogram, ECG)信号的准确分类。     

基于免疫记忆人工鱼群算法的局部放电超声定位方法

针对人工鱼群算法(AFSA)在局部放电超声定位中存在定位精度较低,容易陷入局部最优解的问题,在AFSA中引入免疫调节机制和免疫记忆特性,提出一种基于免疫记忆AFSA的局部放电超声定位方法,并将其定位效果与基本AFSA、遗传算法(GA)和免疫算法进行对比.算例仿真表明:免疫记忆人工鱼群算法的定位精度更高、综合误差最小、收敛速度更快,定位效果都优于其它三种智能算法.     

Rogowski线圈的FBG电流传感器研究

电流是电力设备进行计量、监控和保护的重要参量,对其准确测量是电力系统安全、稳定、可靠和经济运行的保证。研制了一种Rogowski线圈、叠堆压电陶瓷和光纤Bragg光栅组合成的测量大电流的电流传感器。利用Rogowski线圈把高压侧大电流线性地转换为低电压,输出电压加在叠堆压电陶瓷上,由逆压电效应,叠堆压电陶瓷伸缩带动光纤Bragg光栅伸缩,将叠堆压电陶瓷的应变线性转换为光纤Bragg光栅的中心反射波长的移位,增加温补光栅消除环境温度的影响,通过测量光纤Bragg光栅中心反射波长的移位来测量电流的大小。测试结果表明,该电流传感器的灵敏度为0.071 8pm/A,非线性误差为3.47%FS,滞后误差为4.17%FS,重复性误差为4.17%FS。     

保偏光纤耦合型铌酸锂晶体工频强电场传感器

随着我国特高压技术的发展,工频强电场的测量变得越来越重要。为了适应工频强电场时域测量的需要,基于Pockels效应,设计并研制了一种保偏光纤耦合型铌酸锂晶体工频强电场传感器。通过保偏光纤准直器耦合进行光输入和光输出,避免了起偏器、1/4波片等分离光学元件的使用,将传感器的光耦合效率提高到了66.7%,并且通过将输入保偏光纤准直器前端1/2拍长的保偏光纤扭转90°,可将传感器的静态工作点设置为π/2,从而使传感器工作在近线性区。使用工频强电场对传感器进行测试得出:传感器的线性可测范围为10.5～527 kV/m,线性相关系数为0.998 6,线性动态范围为34 dB。相比于现有的铌酸锂晶体强电场传感器,研制的传感器具有结构简单紧凑、耦合效率高等优点,为工频强电场的时域测量提供了一种新的方案。     

基于改进YOLOv4的中小型绝缘子检测

为解决中小型绝缘子在检测目标时出现的漏检、错检问题,提出一种改进YOLOv4算法的中小型绝缘子检测方法.首先,通过增加特征融合层、引入SE注意力机制的方式改变YOLOv4网络结构,以发掘更有用的中小型绝缘子特征信息.其次,在模型结尾增加负例挖掘模块,抑制复杂背景干扰,提高绝缘子检测准确度.最后,使用改进k-means+...     

基于Attention-WOA-BiLSTM的输电塔线路等值覆冰厚度预测模型

针对采用时间序列预测方法预测覆冰厚度会因其序列自相关性产生一定程度的滞后情况的问题，采用气象数据作为特征的多变量等值覆冰厚度预测。针对覆冰厚度预测准确性不高的问题，采用注意力机制对多维特征参量和时间步长进行自适应权重分配，以突出不同特征维度、时间步中的重要信息。同时由于覆冰随时间变化，采用双向长短期记忆网络(BiLSTM)建立覆冰预测模型对该过程中各时间点的过去和未来所提供的信息加以利用，并且针对BiLSTM的参数选取问题，采用鲸鱼优化算法(WOA)进行超参数选取，减小人为干预导致的误差，进而提升线路等值覆冰厚度预测的准确度，最终通过实验结果对模型进行有效性验证。     

基于特征融合的风机叶片表面缺陷检测模型

针对风机叶片表面缺陷检测识别率低、且易受光照影响的特点。提出一种基于卷积神经网络特征融合局部二值模式特征及核极限学习机的风机叶片表面缺陷检测方法。利用引入注意力机制的卷积神经网络提取图像深层次信息,然后提取描述图像浅层纹理信息的局部二值模式特征,采用主成分分析方法降低局部二值模式特征维度;将两种从不同层面描述图像的互补特征串行融合。用改进的麻雀搜索算法优化核极限学习机参数,利用融合的特征训练模型,得到最优模型进行缺陷识别。通过实验,在自建数据集训练后的分类准确率达到了97.5%,kappa系数达到95.1。相比利用单一特征检测,分类准确率有明显的提高。经风电场实际验证,本模型的平均分类准确率为96.3%,Kappa系数为94.5,漏报率明显降低。     

红萝卜中芥子苷酶提取工艺的研究

该研究以红萝卜为原料，用硫酸铵沉淀法提取芥子苷酶，使用考马斯亮蓝法和双缩脲法对粗提物进行了蛋白质定性分析。以提取率为指标，考察液料比、浸提时间、缓冲溶液pH 3个因素对提取率的影响，根据单因素实验结果，进行正交实验，得到最佳提取条件为液料比3(mL/g),浸提时间3 h,缓冲溶液pH 7.0。在此条件下，芥子苷酶粗提物提取率为5.74%,采用DNS法测定酶活，结果显示酶活为96 U。此研究结果能为红萝卜中芥子苷酶的后续研究提供实验基础，为红萝卜的开发和利用提供科学依据。