基于低秩矩阵填充的XLPE电力电缆寿命评估

提出一种基于低秩矩阵填充技术的XLPE电力电缆寿命评估方法。该方法可有效应对传统算法所不能处理的不同厂家对电缆样本检测指标类别不统一导致的小样本寿命评估问题。在本文提出的评估方法中,首先以单一电缆样本检测指标及其寿命为列向量建立信息矩阵。然后,通过将该信息矩阵分解为一个低秩矩阵与一个稀疏的噪声矩阵的方式实现对目标电缆样本的寿命评估。仿真实验验证了该XLPE电力电缆寿命评估方法的准确性与鲁棒性。     

大矩阵压缩特征目标的低秩跟踪算法

针对压缩感知的矩阵低秩稀疏分解目标跟踪算法实时性差的问题,提出一种大矩阵压缩特征目标的低秩跟踪算法。该算法通过将大矩阵分成多个小矩阵的方法构建观测矩阵,进行矩阵低秩稀疏分解,获得各候选目标的误差向量并构建误差矩阵,求解误差矩阵列向量最小1-范数问题得到跟踪结果。为了适应跟踪过程中目标外观信息的变化,基于向量相似度判别有选择地更新字典。在跟踪结果不可信时,利用轨迹修正更新当前帧跟踪结果。通过6个典型视频序列上的对比实验,新算法的实时性是原算法的3倍。实验结果表明,在目标发生部分遮挡、光照变化、快速运动时,所提出的算法能实现目标的鲁棒跟踪。     

基于线性Bregman方法的缺失负荷数据低秩矩阵补全

针对电力负荷预测原始资料出现的数据缺失现象对提高预测精度带来的不利影响,提出基于低秩矩阵补全理论的缺失负荷数据恢复方法。通过分析电力负荷数据的低秩性特点,基于线性近似的原则构建低秩矩阵,推导基于线性Bregman方法的低秩矩阵补全算法。使用该算法对我国南方某电网负荷数据缺失值进行恢复,计算并分析恢复算法的误差以及其分布情况,并与传统插值和外推方法的误差分布进行对比。结果表明,相比传统方法,基于低秩矩阵的数据补全算法具有更高的精度和更强的鲁棒性。     

基于曲线相似与低秩矩阵的缺失电量数据补全方法

低压台区用电数据是电网运营中众多高级应用的基础。然而,在泛在电力物联网数据采集、传输、储存管理的过程中,会不可避免地出现数据缺失的情况,在一定程度上影响上层高级应用。针对这一问题,文章研究并提出曲线相似与低秩矩阵填充理论相结合的用电数据缺失补全方法。首先通过分析电量数据矩阵奇异值分布,揭示其低秩特性,完成数据恢复可行性判定。在此基础上,考虑用电曲线之间的差异性,提出预填充-曲线相似分类-二次填充的数据恢复方法,在对电量矩阵进行预填充之后,对于每一条待恢复的用电量曲线,基于考虑数据缺失的曲线相似性测度,找到与其最为相似的k条曲线构成数据矩阵,之后再次应用低秩矩阵填充理论恢复缺失数据,以提高恢复精度。以华北某电网居民用户电量数据进行试验,并将文章提出的方法与经典插值补齐法相比较,验证了所提出的电量曲线聚类与矩阵填充相结合的方法可以更有效补齐缺失电量数据。     

基于增广Huber正则化稀疏低秩矩阵的旋转机械微弱故障诊断

在多重故障相互耦合和强烈背景噪声下,提取大型旋转机械中的复合微弱故障特征是一个难点,针对这一问题,提出一种新的基于增广Huber正则化稀疏低秩矩阵(augmented Huber regularized sparse low-rank-matrix,AHR-SLM)的旋转机械故障特征提取方法,以大型减速机齿轮箱复合微弱诊断为例。该方法借助于非凸罚正则化稀疏低秩矩阵的思想,通过引入增广Huber罚函数代替传统最小化L1-norm融合套索算法,建立正则化目标成本函数,推导所建立模型的严格凸性,同时讨论模型严格凸性前提下的模型参数最优取值问题,并利用前向–后向算法对所建立模型进行求解。仿真算例与大型减速机齿轮箱微弱故障诊断实例表明:该方法不仅能提取隐藏在强烈外界噪声中的复合微弱故障特征,而且改善传统最小化L1-norm融合套索算法在提取微弱故障冲击时产生的稀疏系数低估与故障频率丢失问题,以及变分模态分解与快速谱峭度图特征提取算法产生的能量衰减与故障频率丢失问题。     

基于图规则化低秩矩阵恢复的用电数据修复与异常检测

针对电力系统用电数据中的记录误差与异常用电,提出一种基于图规则化低秩矩阵恢复的电力系统用电记录修复与异常检测算法。该方法从用户用电时空矩阵的低秩稀疏分解出发,结合电网拓扑结构与用户相关性的规则化调整,获取修复后的用电数据和异常用户。该方法同时兼顾了用户用电的周期性与异常用户的差异性特点。实验分析表明,与相关方法相比,所提方法在用电数据修复与异常用电模式检测的多项评价标准下均取得了更好的准确性和鲁棒性。     

基于矩阵填充的泛在电力物联网电能质量数据修复算法

电网智能优化运行依赖于对系统的泛在感知和完整正确的数据支持,这也是泛在电力物联网感知层必然要达到的最基本要求。在泛在电力物联网应用中,获取完整正确的量测数据是治理电能质量问题的基础。然而,在实际电网采集传输的全环节中,会不可避免地发生数据残缺。针对上述情况,提出基于低秩矩阵填充理论的泛在电力物联网电能质量感知数据补全新方法。首先证明了电能质量数据具有近似低秩的特性,以此为依据,设计多范数联合的秩优化模型,并应用交替方向乘子法将其分解为若干子问题分别求解。同时针对传统交替方向乘子法求解缓慢的问题,提出自适应迭代步长最优选取策略,加快模型求解速度。通过电压暂升、电压中断、脉冲振荡、电压暂降、谐波污染等高频故障场景验证所提方法的有效性,实验结果表明所提方法适用于多场景下的电能质量数据恢复,在缺失50%数据时仍能保证数据矩阵恢复误差在3%以内。     

基于改进各向异性扩散的图像去噪算法

针对纹理等细节信息丢失和图像边缘退化的问题,本文提出了一种基于l_(2)范数的改进各向异性扩散模型。本文首先将PM模型和LCC模型相结合,根据图像梯度的变化,构建局部图像梯度模值与扩散强度之间的关系,不同的梯度模值选择不同的扩散函数;然后利用l_(2)范数确定扩散函数中的梯度阈值,进一步提高去噪模型的泛化能力。实验结果表明,该模型不仅可以解决传统PM模型存在的孤立点问题,而且能够有效地保护图像边缘特征和轮廓结构的完整性,与原始算法相比图像信噪比提升了1.47~1.57 dB,结构相似度提高了17%,在保证去噪效果的同时提高了去噪效率。     

低秩矩阵分解在母线坏数据辨识与修复中的应用

母线负荷分析与预测对电力系统的安全稳定具有重要意义。目前我国采集到的母线负荷数据中含有较多且类型不同的坏数据,给母线负荷的分析的准确性与预测的精确性带来较大影响。文中提出了一种基于低秩矩阵分解的母线坏数据辨识与修复方法。从母线数据本身出发,首先分析了母线数据的低秩特性,研究不同类型坏数据产生的原因;然后建立了一种基于低秩矩阵分解的母线坏数据辨识与修复的模型,并给出了基于阈值迭代法(iterative thresholding,IT)的模型求解方法;最后,利用广东省母线负荷实际算例进行了分析,并利用修复前后的母线数据进行虚拟预测对比,结果实现了坏数据的有效恢复和预测精度的提高。     

基于四阶非线性偏微分方程的图像去噪算法

为了更好的实现图像模糊消除和有效地去除斑点噪声,提出了一种新的基于偏微分方程的图像去噪方法,它是基于非线性四阶扩散模型。首先提出了该非线性偏微分方程的方案,然后对微分模型进行数学处理,研究它的适定性,最后证明了此模型在一定条件下是适定的,并且存在了弱解,所得到的弱解近似于基于有限差分数值离散格式。实验结果表明,新模型在图像去噪和保边缘等细节信息方面都达到较好的效果,峰值信噪比有了大幅提高,去噪性能较经典模型更具优越性。     

基于深度密连网络的自然图像去噪算法

针对目前基于卷积神经网络的图像去噪算法中,存在的卷积层数少、模型简单、参数计算量大和收敛速度慢等问题,导致无法有效地保留高频纹理信息,易产生振铃效应,提出一种结合密连网络的图像去噪算法.首先利用低通滤波器将噪声图像分解成高频层和低频层,对包含高频层的图像信息进行傅里叶域上的预处理,将预处理后的初始图像小块作为网络的输入...     

基于旋转块的BM3D图像去噪改进算法

针对经典BM3D去噪算法中存在的相似块匹配误差较大及对图像细节保护不足的问题,提出了一种基于旋转块的BM3D图像去噪改进算法.新算法首先对参考块进行不同角度的旋转获取旋转块,通过旋转块进行相似块匹配过程;然后使用低秩正则化来代替传统算法中的硬阈值滤波;最后,对结合旋转块匹配与低秩正则化的BM3D算法进行自适应调整,从而改善在均匀图像区域中的去噪效果.实验结果表明,新算法的相似块匹配程度更高,峰值信噪比相较于经典算法平均提升0.5 dB,有效保留图像边缘和纹理细节.     

基于矩阵算法的配电网故障定位

分析了原有的配电网矩阵法故障定位中存在的问题,提出一种适用于辐射状网及开环运行环网的配电网故障定位算法。该算法仍以矩阵分析为核心,通过网络拓扑形成网络关联矩阵,然后结合馈线终端设备(FTU)上传的故障信息形成故障判定矩阵,判定方法简单。它不仅可以实现配电网单一故障的快速定位,而且对末端故障及多点故障也可以做出准确判断。通过编程实现算法,并用不同区域故障的模拟验证了算法的有效性。     

基于RSSI测距的加权概率定位算法

针对无线传感网络中每条链路衰减因子的不同,提出了一种基于RSSI测距的加权概率定位算法。该算法先将可能存在的未知节点区域划分成栅格,运用高斯噪声模拟路径衰减指数误差以构建信号传播概率模型,根据信号强度确定信标节点的权值。然后由概率模型和相应的权值赋予栅格不同的置信度,将置信度最大栅格的位置作为未知节点的坐标。最后根据网络的连通信息消除翻转歧义。实验表明,在相同的条件下,与MLS算法相比,该算法更接近真实环境,具有更高的定位精度。     

基于加权K近邻算法的变压器故障诊断

该文将K近邻分类方法引入基于溶解气体法（DGA）的变压器故障诊断中。并针对经典K近邻方法（K-NN）存在的缺陷,提出根据待分类样本和近邻样本的距离来加权的改进方法。最后通过仿真验证了该方法的有效性。仿真表明,当K的取值在一定范围内时,经典的K-NN算法和加权的K-NN方法都具有比较高的准确性,且加权的K近邻方法比经典的K近邻法体现出了更好的性能。     

基于k-means的加权聚类算法研究

聚类是将数据对象分组为多个有意义或有用的类或簇的数据挖掘技术。聚类分析方法作为统计学的分支,在其多年的研究中主要集中在距离的聚类分析上。从较为经典的k-means算法出发,分析出存在的不足,并提出一种改进算法,通过实验证实了改进算法的高效性。     

基于低秩表示的多任务短期电力负荷预测的研究

在电力系统负荷预测中,使用传统的单任务学习方法未考虑多个地点的负荷间的潜在关系,忽视关联信息在多个地点间传递的可能会导致学习效果欠佳。针对这一问题,本文提出基于低秩表示的多任务学习方法进行多个地点的多任务负荷预测,该方法在学习过程中可以提取不同位置的负荷预测模型的共享低维表示,从而可以挖掘多个任务之间的关联关系,同时又可以区别不同任务之间的差别。实验表明,多任务负荷预测的平均性能优于决策树和随机森林等单任务学习方法,在负荷预测的精度上有了一定的提升。     

基于多轨迹矢量加权的矩阵变换器过调制策略

针对矩阵变换器的电压传输比较低的问题,提出了一种矩阵变换器的新型过调制策略,该策略利用圆形轨迹矢量,六边形轨迹矢量和基本矢量加权合成得到综合矢量,不同轨迹矢量的加权对应不同的调制区.调制区分为线性区和过调制区,过调制区又分为过调制Ⅰ区和过调制Ⅱ区,各个区域分别采用了该过调制方法.本文从理论上分析了这种过调制策略的可行性...     

改进的压缩感知红外图像去噪算法

红外成像系统因其在信号的传输和信号转换环节中会受到外界环境中的各种干扰,使红外成像系统生成的红外图像中产生多种噪声,导致红外图像的信噪比降低.针对红外图像受到多类噪声影响的问题,基于压缩感知理论的迭代加权最小二乘算法设计了新的加权系数,并结合中值滤波算法设计了新的重构算法.首先利用中值滤波对信号进行红外图像的粗去噪,然...     

自适应SUSAN扩散的超声图像去噪算法

为了降低超声图像斑点噪声的影响,提出一种自适应SUSAN(ASUSAN)扩散的超声图像去噪算法.通过引入SUSAN算法检测出图像的边缘,然后采用K均值法对模板区域特征值进行分类,自适应获得图像的全斑点噪声区域和相关参数,最后将SUSAN算法与非线性扩散方法相结合,提出一种新的扩散方程对图像进行非线性去噪.实验证明,相比于其他的各向异性扩散算法,本算法能得到更高的PSNR值和FOM值以及更小的MSE值,且在细节保留方面也能取得更好的效果.