电力设备多源异构数据空间合成与立体展示方法

针对当前电力设备的海量状态监测多源异构数据无法自动化合成与立体展示的问题,提出了全自动化的电力设备多源异构数据空间合成与立体展示方法.首先利用单目可见光三维重建方法从电力设备可见光图像中恢复设备空间信息以及精细三维网格模型;再使用同源、异源图像配准方法分别建立同源、异源状态数据之间的空间关联关系,并使用提出的数据决策方...     

基于多源异构数据融合的综合管廊电力舱系统保护

针对综合管廊电力舱运维数据的利用和分析不足、未实现基于大数据的智能运维的问题,提出了一种新的综合管廊电力舱状态分析判断方法,旨在保护综合管廊电力舱系统,提高安全性,提升运维水平.首先,将来自管廊电力舱的多个分布式数据源采用中间件技术进行数据层融合.其次,将具有相似特性的数据分配到同一子空间,并提出一种新的既能保持数据集...     

企业多源异构数据库数据集成的研究

由于企业间数据的交互和共享越来越广泛,迫切需要对异构数据库数据进行集成。本文简要介绍了在大型企业中普遍存在的多源异构数据库状况,及几种行之有效的数据集成方法,同时以一种用对照表完成结构差异较大的数据库数据转化方法为例,详细阐述了多源异构数据库数据转化和共享的思路。     

基于多源异构数据的一体化仿真平台

为了解决多源数据造成的数据管理混乱和电网建模工作复杂繁重的现状,在功能需求分析的基础上,基于Windows平台采用C#开发了具有多源数据融合能力的一体化仿真平台。该平台能够对PSDB数据、PSD-BPA数据以及PMS数据进行整合,能够根据需求自动形成不同运行方式下的PSASP、PSD-BPA潮流和机电暂态仿真文件,能够根据基于平台具有的电网图形自动形成用于EMTDC电磁暂态仿真分析的psc文件。     

新型电力系统多源异构数据融合技术研究现状及展望

能源转型背景下,新型电力系统以清洁低碳、开放互动为目标不断建设,同时监测技术与通信技术也快速发展,电力系统中的数据来源更加广泛,数据结构更加复杂,为新型电力系统数据融合提供数据基础的同时也提出了挑战。首先,分析新型电力系统数据特征,提出新型电力系统的数据融合需求;接着,介绍新型电力系统数据模型、多源异构数据融合技术层级,分析关键融合技术的优缺点,并对不同技术的适用场景进行分析;然后,分别从输配协同、源网荷储协同、虚拟电厂、多元负荷、电碳市场交易5个典型场景,对多源异构数据融合的数据需求、数据来源、融合目标、常见方法及研究难点进行归纳;最后,对新型电力系统数据融合技术的未来研究发展进行了展望。     

基于数字孪生模型的输变电设备多源异构数据边缘侧智能采筛方法

输变电设备日复一日的运行和使用,会产生海量的数据,该数据呈现体量大、类型多样、来源广泛等多源异构的数据特点,而数字孪生技术在输变电设备的多源异构数据中的应用也越来越频繁。为此,对基于数字孪生模型的输变电设备多源异构数据的概念、特点、数据分析、数据预处理、数据融合等进行详细介绍,对数字孪生技术在多源异构数据上的应用进行阐述,相关现状的总结和叙述可为数字孪生模型的输变电设备多源异构数据边缘侧智能采筛提供一定的理论支撑。     

极端灾害下基于时空网格的配电网多源数据融合方法

极端灾害会对配电网造成一定的影响,严重时甚至破坏电网的安全稳定运行,灾害过程中会产生大量的配电网设备及运行方面的数据,这些数据信息量大且波动性强。为及时掌握极端灾害情况下对配电网设备的影响或破坏等信息,有效地协助配电网灾后指挥及修复工作,提出了一种基于时空地理网格的配电网多源数据融合方法。首先根据时空网格划分方法对配电网所在区域进行时间、空间上的划分并建立配电网时空网格编码数据库;然后对极端灾害下配电网的多源数据进行特征分析,提取关键时间特征和空间特征;通过计算时空特征关联度,关联匹配时空网格和配电网多源数据并储存于时空网格编码数据库中;进而根据融合后的配电网多源数据构建配电网灾情网格化视图;最后,通过算例验证了该方法的有效性和合理性。     

基于电力GIS的多源数据通信研究

电力GIS与MIS的异构系统中存在的数据孤立问题一直难以得到有效解决,在电力GIS平台的基础上采用多源数据通信技术可实现各应用软件系统的数据共享.设计了GIS与MIS之间的应用接口模型.构建基于XML的数据交换平台,解决了跨平台的异构数据交换.提出了基于中间件技术与XML数据标准的多源数据通信策略,利用具有面向对象技术和组件式思想的中间件技术,通过可视化软件开发工具,将各系统的不同组件统一,最终形成多源数据通信平台.基于多源数据的理论线损计算和电网GIS专题图分析两个应用实例说明以上多源数据通信策略和算法的合理性.     

基于XML格式融合多源异构数据建设智慧社区数据管理平台

建设以人为本的智慧社区,可有效提升居民幸福感和获得感。随着物联网、大数据、人工智能等新一代信息技术应用于智慧社区建设,不同传感器设备、不同应用场景下的数据格式、结构、内容均有所不同。如何统一收集与处理各种种类繁多、结构不一的多源、异构数据成为研究热点。针对智慧社区数据源的特点,基于XML格式实现多源异构数据的封装解析与传输存储,并搭建统一的社区数据管理平台,完成对数据的收集、清洗、转换和分析,实现智慧社区各类数据的融合存储与标准管理,进而形成高效便捷的智慧社区数据服务,为智慧社区各类场景应用提供底层数据支撑。     

多源异构数据融合的电力变压器状态评价方法

在设备运行维护中,记录了设备运行状态的非结构化数据尚未被挖掘并利用。为此,基于深度学习思想,提取运行检修过程中产生的设备缺陷记录的语义信息,并结合结构化的检测数据信息,提出了一种多源异构数据融合的电力变压器状态评价方法。该方法首先建立可识别电气专业术语的自定义词典,利用深度语义学习网络构建缺陷记录与缺陷等级间的深层映射关系;继而将基于结构化数据的计算结果和基于非结构化数据的计算结果进行加权求和,得到了不同运行状态下的隶属度。实验结果表明,所提出的非结构化信息挖掘方法具有98%～99%的分类准确度,且基于多源异构数据的变压器运行状态评价准确度达96.67%,可较准确地评估设备运行状态。     

基于卡尔曼滤波的汽包水位多传感器信息融合方法研究

汽包水位是锅炉安全运行的重要参数,列举了影响汽包水位变化的各种因素并且建立了锅炉汽包系统各输入、输出变量间的影响模型。分析了卡尔曼滤波在多传感器信息融合处理中的特点,在DRZ/T01-2004规定的基础上,提出了一个以卡尔曼滤波为底层传感信号融合方法为基础,结合其他聚类融合方法,引入多种类、多数量传感器信号和控制决策预测信号的汽包水位多传感器数据融合控制系统。基于此,设计了卡尔曼滤波在多传感器数据融合处理中的具体实现方法,并借助Matlab仿真,分别测试了卡尔曼滤波在单通道传感信号滤波以及多传感器信息融合中使用的效果。仿真结果证明了所设计的系统能够准确、快速的融合处理底层传感器信号,并作出有效的控制决策。     

基于联合卡尔曼滤波的多传感器信息融合算法及其应用

针对常见卡尔曼滤波器在处理多传感器组合系统的数据时,存在计算量大和故障数据相互污染的问题,提出了一种应用联合卡尔曼滤波技术进行多传感器信息融合,以求得参数最优估计的方法。文中首先对联合卡尔曼滤波的基本原理和4种主要结构方式进行了论述和分析,然后给出了融合算法的实现,最后以多传感器组合导航系统为例,对其进行计算机仿真。结果表明,该方法可有效提高计算的精度和可靠性,具有较好的容错性和环境适应性,有效高的工程实用价值。     

Self-tuning decoupled fusion Kalman filter based on the Riccati equation

An online noise variance estimator for multisensor systems with unknown noise variances is proposed by using the correlationmethod. Based on the Riccati equation and optimal fusion rule weighted by scalars for state components, a self-tuning component decoupled information fusion Kalman filter is presented. It is proved that the filter converges to the optimal fusion Kalman filter in a realization by dynamic error system analysis method, so that it has asymptotic optimality. Its effectiveness is demonstrated by simulation for a tracking system with 3 sensors. __________ Translated from Control and Decision, 2008, 23(2): 195–199 [译自: 控制与决策]     

自适应Kalman滤波在多传感器数据融合中应用

文中介绍基于白噪声滤波器和平滑器的改进的Sage和Husa噪声统计估值器及相应的自适应Kalman滤波器,可处理未知常的和时变的噪声统计估计问题.仿真结果验证了改进滤波器在精度和收敛速度上的优越性.     

基于Mahony与改进Kalman融合的姿态解算方法

获得精确的载体姿态信息是提高载体导航定位的关键。 针对加速运动会产生非重力加速度干扰,而传统滤波算法无法 解决其导致的精度下降的问题,提出一种基于 Mahony 和改进 Kalman 融合的姿态解算方法。 首先采用惯性测量传感器所得数 据进行 Mahony 解算,将其结果作为改进 Kalman 的量测信息;其次通过陀螺仪解算,将其结果作为改进 Kalman 的状态信息实现 姿态解算。 实验结果表明,本文所提出的方法相较于传统方法,解算精度提高一个数量级以上,能有效地抑制漂移误差高频噪 声,大幅提升了载体姿态角解算精度,且具有良好的收敛性。     

基于高斯过程模型的多源点云数据融合方法

多传感器测量技术被认为是表面计量学中一个很有效的解决方案。 针对多源数据的融合问题,本文提出了一种基于高斯过程模型的多源点云数据融合框架。 首先,提出一种自适应距离的鲁棒点云配准方法统一不同测量数据集的坐标系;然后,通过引入平差理论,对来自不同传感器的多个独立数据集之间的残差进行近似,构建基于 Matern 核函数的高斯过程模型;最后,通过仿真模拟和实际应用,与现有方法进行了一系列对比实验,验证了该方法的有效性。 实验结果表明,该方法能以更高的融合精度和更快的计算效率融合多传感器数据集。     

基于卡尔曼滤波的空气细颗粒物称重数据处理

针对在细颗粒物采样监测装置中称重部分数据采集易受外部环境的影响,产生测量误差和干扰,导致称重部分的精度达不到要求,进而影响整个监测装置的测量精度和性能.通过经典的卡尔曼滤波算法,对传感器读取的数据进行处理,去除了极端数据,提高了称重部分的检测精度.通过MATLAB编写程序,对称重数据进行处理并图形化显示,满足称重部件精度要求±2 mg的要求,验证了卡尔曼滤波算法在此应用的有效性.该方法可应用于相关领域的数据处理.     

模糊推理和深度学习数模融合的卡尔曼滤波腐蚀预测

腐蚀状态的准确预测对油气储运、化工设备安全可靠运行具有重要意义。因腐蚀过程复杂,影响因素多,导致常规腐蚀预测方法中先验模型对环境依赖性大,中长期预测效果差。本文提出一种融合模糊推理和深度学习的数模融合驱动的卡尔曼滤波腐蚀预测方法。首先结合腐蚀物理模型和实际监测数据,建立腐蚀速度模糊规则,得到基于现场环境的结合物理模型的修正腐蚀速度。同时针对模糊推理结果存在的预测滞后性,考虑腐蚀监测数据的长期规律性,利用深度学习预测腐蚀速度;然后融合模糊策略和深度学习预测结果,实现基于卡尔曼滤波的数模融合腐蚀预测。最后利用天然气管道实际腐蚀监测数据,与高斯过程回归(Gaussian process regression, GPR),粒子群优化灰度模型(particle swarm optimization gray model, PSOGM),模糊推理(fuzzy reasoning, FR),多层感知机(multilayer perceptron, MLP)和卡尔曼滤波预测方法(Kalman filter, KF)进行了对比验证分析。结果表明本文所提方法具有良好的预测效果,对两年内腐蚀状态的相对预测误...     

基于联邦卡尔曼滤波器的容错组合导航系统设计

针对SINS/GPS/DVS全源组合导航系统在非理想状态下的容错性差,无法实现多源组合导航系统最优化的问题,建立基于卡尔曼滤波器的导航子系统局部滤波器和基于联邦滤波器的全源导航系统全局滤波器,设计了一种全源容错组合导航系统.通过仿真验证,该全源导航系统能够在子系统出现故障的情况下实现高精度导航,满足临界空间飞行器对导航...