汽轮发电机组并发故障的分类

该文以较成熟的ＢＰ（ｂａｃｋ ｐｒｏｐａｇａｔｉｏｎ）神经网络为基础，论述了神经网络技术在旋转机械故障诊断中的应用问题，提出了用并行ＢＰ网络解决并发故障分类问题的方法，并采用自适应学习率和绝对误差等距离逼近法改善ＢＰ网络的学习性能，最后以振动频谱为特征，就汽轮发电机组机械中常见的２０种故障模式的分类和训练学习进行了仿真试验和分析。结果表明：神经网络技术对于高维空间模式识别和非线性模式识别问题具有较强的分类能力，特别是并行ＢＰ网络，可以解决并发故障分类问题，为旋转机械智能诊断提供了一个有效方法。表５参１５     

基于多任务联合模型的居民用电模式分类方法

识别海量居民用户的用电行为模式并进行合理分类,可为需求侧精益化管理提供辅助决策。该文提出一种基于卷积神经网络自动编码器与层次聚类多任务联合模型的居民用电模式分类方法。首先,提出基于同时刻量测数据均值的缺失值填补方法和基于季节性极端学生化偏差检验的异常点检测方法,对海量且高维的用电数据进行数据清洗与修正;其次,利用卷积神经网络自动编码器对居民用电数据进行特征提取,获取可表征用户用电行为的特征向量;然后,结合层次聚类算法以及轮廓系数指标确定用户聚类个数以及聚类中心向量,并利用聚类中心向量初始化神经网络聚类层,进行用户聚类,将特征提取过程与用户聚类过程进行联合,组成多任务学习神经网络,实现端到端的用电模式分类;最后,结合环境温度和电价影响因素,在实际数据集进行验证。     

基于粗糙集和聚类PSO-RBF的水电机组故障诊断

正将聚类PSO优化粗糙集-神经网络算法引入水电机组故障诊断中,利用聚类算法和PSO算法的优点改进粗糙集属性约简方法并对水电机组故障的检测信息进行约简,提取对故障分类起主要作用的信息,并用BP神经网络对粗糙集处理后的故障信息进行诊断。该方法降低了神经网络的输入信息空间维数,简化神经网络结构,有效提高故障诊断的准确性。通过对水电机组振动故障数据进行诊断分析,     

基于动态RBF神经网络的模拟电路故障诊断

提出一种基于动态RBF神经网络的模拟电路故障诊断方法.该方法利用小波变换对故障信号进行预处理,提取特征向量建立故障字典,采用最近邻聚类算法构建动态RBF神经网络,利用神经网络对各种状态下的特征向量进行分类识别,实现模拟电路故障诊断.仿真结果表明该方法具有训练速度快,故障准确率高,容错能力强的特点.     

基于双神经网络的模拟电路故障诊断

对模拟电路故障诊断提出了一种双神经网络的诊断方法,该方法通过将电路故障模式分类的预处理,再用双神经网络分别对不同的故障模式类进行诊断.仿真实验表明,该方法能够实现故障检测及定位,具有准确率高的特点.     

基于模糊聚类的神经网络模型及其在渗流分析中的应用

本文采用模糊聚类理论方法对因子集进行模糊聚类 ,然后利用神经网络的方法建立样本因子集类别变量特征值与样本观测值之间的预测模型 ,提出了将模糊聚类、模糊模式识别以及神经网络三者有机结合的预测理论。并通过某大坝渗流计算实例对传统的统计预报模型和基于模糊聚类的神经网络预测模型进行了比较 ,结果表明后者的预报精度比前者要高。     

基于改进密度峰值聚类的超短期工业负荷预测

密度峰值聚类的收敛速度较快且无需人工设置最佳聚类数,更具备高鲁棒性特点,可以在工业负荷预测中进行用户用电行为的模式识别与分类,然后进行预测,具有较高的实际应用价值。但是该算法在小样本条件下聚类效果不佳,容易“遗漏”样本中的聚类中心。针对这种情况,进行类间距离优化和类内距离优化,使待聚类数据更容易被分类,对用户用电行为进行深入地挖掘分类,再使用灰色关联度确定待预测日所属类簇,使用GRNN神经网络进行负荷预测。通过Matlab仿真,可以得出结论,文中方法可以有效提高工业用户用电负荷数据的聚类效果,并提高负荷预测的精度。     

基于粗糙集的量子神经网络在变压器故障诊断中的应用

为了准确有效识别变压器故障模式,将粗糙集和量子神经网络结合进行变压器故障诊断。采用量子神经网络在宏观上收集数据信息,在微观上通过修正量子间隔将模糊交叉的数据按一定的比例合理分配到相关联的模式中,从而提高模式识别的准确性;利用粗糙集的约简去除冗余的属性、规则,提高量子神经网络的速率。与同输入下BP神经网络的诊断结果进行比较,可知本文方法在变压器故障模式识别方面具有更高的准确性。     

基于K均值聚类的光伏电站运行状态模式识别研究

在阐述光伏电站运行状态模式识别意义的基础上,提取了表征光伏电站运行状态的相关特征参量。基于K-means聚类原理,对广东佛山某光伏电站的实际运行数据进行相关数据处理得到相应的特征矩阵。利用K均值算法进行聚类分析,结果表明K均值聚类算法在光伏电站运行状态的模式识别上具有良好的聚类综合能力,可有效解决光伏电站运行状态模式分类处理的复杂性问题,具有重要的理论和应用价值。     

基于粗糙集和AFSA-BP的水电机组故障诊断

将粗糙集和人工鱼群优化-神经网络算法引入水电机组故障诊断中,利用人工鱼群优化算法中聚类的特点改进粗糙集属性约简方法并对水电机组故障的检测信息进行约简,提取对故障分类起主要作用的信息,并用BP神经网络对粗糙集处理后的故障信息进行诊断。实验结果表明：该方法降低了神经网络的输入信息空间维数,简化了神经网络结构,有效提高了故障诊断的准确性。     

补偿电压突变量方向判别元件的健全相动作特性研究

在分析了基于补偿电压突变量方向判据动作特性的基础上,深入讨论了按相构成的方向判据健全相的动作特性。指出在某些系统工况和故障情况下,该保护原理可能存在的不足,并根据健全相与故障相电压突变量幅值变化大小关系提出相应的解决方案,即裕度门槛的自适应整定方法。解决了该元件需要与选相元件配合才能实现超高压线路选相跳闸的不足,不仅实现了各种故障情况下的方向判别,而且能够正确选相,使补偿电压突变量方向元件的优势得以充分发挥。并对该方法进行了仿真验证。     

交直流并联电力系统动态电压稳定性分析

以特征分析法为基础,提出了鉴别电压失稳模式与功角失稳模式的新方法,并应用于多机交直流并联电力系统的动态电压稳定性分析,详细研究了直流输电系统运行方式及控制参数对动态电压稳定性的影响,验证了电压失稳模式鉴别方法的合理性。     

模态级数法在主导低频振荡模式鉴别方面的应用

基于模态级数法3阶解析解,提出了大干扰下识别系统主导低频振荡模式的方法,确定了大干扰下对系统动态特性和稳定性影响最大的主导低频振荡模式,并根据3阶情况下的非线性相关因子,确定主导低频振荡模式的强相关状态变量.最后用Prony方法,验证了主导模式鉴别式和3阶相关因子的正确性和有效性.     

电力系统调频控制相关的频率振荡问题

电网中多次出现不同于传统低频振荡的频率振荡问题,和调频控制过程强相关。基于一个三区域系统,采用特征值分析和时域仿真的方法,分析了系统中不同类型的振荡模式及其表现。除功角振荡模式外,系统中包含超低频的一次调频(PFR)模式和振荡频率更低的自动发电控制(AGC)模式。功角振荡模式下,机组转速和区域电网频率相对振荡,而PFR模式和AGC模式下电网频率整体振荡,是频率振荡模式的一个根本特征。根据分析结果,PFR模式下主要是PFR参与动作,而AGC模式下主要是AGC参与动作,并提出了根据不同变量参与因子辨别频率振荡模式并区分PFR模式和AGC模式的方法。分析结果初步厘清了不同类型频率振荡模式的表现和区别。     

开关电源传导EMI的模型分析与应用

从分布电容的角度出发，分析变压器及散热片产生EMI的方式及其特征，建立了开关电源共模传导发射的分析模型，并据此提出了降低反激式开关电源EMI共模发射源水平的解决方案及设计方法，通过实验验证了各设计方法的有效性。     

匀相窄波局部特征尺度分解方法及其在机械故障诊断中的应用

局部特征尺度分解(local characteristic-scale decomposition,LCD)方法在改善了经验模态分解(empirical mode decomposition,EMD)方法的同时,也继承了EMD的模态混叠问题.噪声辅助分解是解决EMD模态混叠问题的主要方法之一,但由于LCD对于噪声更加敏...     

基于模糊测试的GOOSE协议解析漏洞挖掘方法

现有工控协议模糊测试方法未考虑嵌入式终端系统特点,且对未采用传输控制协议/网际协议（TCP/IP）的工控协议研究较少。基于模糊测试提出一种通用面向对象变电站事件（GOOSE）协议解析漏洞挖掘方法。使用变异方式构造测试用例,给出基于GOOSE报文字段类型、抽象语法标记1（ASN.1）编码方式和比特翻转的3类变异策略;提出基于心跳报文和系统运行信息的终端异常监测方法。设计所提方法的实施系统架构和测试流程,在智能变电站实验室环境中,对某厂家嵌入式终端进行测试,发现2个未公开的GOOSE协议解析漏洞,验证所提方法的有效性,提出防范基于此类漏洞的畸形报文攻击的建议。     

自然通风逆流式冷却塔虹吸式竖井配水的探讨

自然通风逆流式冷却塔采用虹吸式竖井配水方式,与传统的多个竖井配水、中央套筒式竖井配水和中央竖井用启闭机闸板门配水等比较,具有淋水密度均匀、冷却效率高、运行灵活便利和操作简便易行等优点。莱城电厂的实际应用证明,虹吸式竖井配水方式是值得推广应用的一项新技术。     

Common‐mode gain reduction technique and its applications

This paper proposes a common‐mode gain reduction technique and a new approach for a balanced‐type system design. Two design examples of a balanced‐type operational transconductance amplifier and a balanced‐type filter are given. The proposed scheme employs the proposed common‐mode gain reduction technique together with the common‐mode feedback (CMFB) network, which is used only to set a bias, to meet requirements of common‐mode rejection. Compared with the conventional method, which uses the CMFB that has a higher gain than the one used in the proposed scheme, the proposed method shows reduction in design complexities and relaxation of the stability conditions. © 2011 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

Teaching Difference Amplifier Concepts

A novel method of teaching the concepts associated with difference amplifiers is outlined. Departures from methods used in most textbooks consist of emphasis upon superposition of common and difference mode signals, and use of "Thevenin equivalent type" models for the difference amplifier. The well-known decomposition of an arbitrary signal into common and difference mode components is interpreted in terms of three separate independent sources, an observation which forms the basis of the superposition approach. The circuit models make use of dependent sources producing the various difference and common mode output voltage components relative to ground. The techniques outlined here seem to present the many concepts required for solving general difference amplifiler problems in a manner which is especially easy for students to understand and remember.