电力系统在线运行风险评估与决策

电网运行风险评估可以综合考虑扰动事件发生的可能性与严重性,是电网确定性安全分析的有益补充.分析在线环境下运行风险评估与传统可靠性研究之间的关系,讨论在线运行风险评估的特性和关键问题;重点探讨瞬态时变的设备停运模型、缺乏统计数据情况下的建模方法、快速评估算法和基于风险决策模型的数学含义等.运行风险技术可以从系统和设备2个层面对导致系统故障的累积性风险因素和突发性风险因素进行建模,并可以应用到状态检修优化决策等领域,具有广阔的应用前景.     

隐含情感特征感知的智能客服系统情感分类模型

为研究智能客服系统中用户的情感分类,基于数据构成的复杂性,提出了一种智能客服情感分类的模型,该模型采用CNN(卷积神经网络)+特征模型+GRU(门循环单元)网络框架实现了多特征融合数据的情感分类.模型针对智能客服系统中用户中文语料库语句简短且偏重口语化,隐喻、讽刺等特点,构建了针对不同特征的语料卷积神经网络的特征模型,结合CNN采用循环神经网络GRU进行情感分类.大量的实验结果表明：该模型能够有效解决多特征融合的中文文本情感分类问题,在智能客服系统中人机交互场景具有广泛的应用前景.     

基于熵权法的新能源高渗透率送端电网风险模糊综合评价

新能源高渗透率送端电网在中国分布广泛,同时存在难以忽略的风险,但是目前没有针对新能源高渗透率送端电网风险评估的模型和指标体系,传统风险评估方法也难以对其进行定量风险评估.构建较为完整的新能源高渗透率送端电网风险评价指标体系,提出基于熵权法的新能源高渗透率送端电网风险模糊综合评价方法,利用熵权法确定各指标权重,采用改进三...     

基于超阈值模型的中国电网停电事故极值风险分析

在已有的极值模型的基础上,利用超阈值(peaks over threshold, POT)提出基于相对值法的POT-CVaR_Bootstrap模型,并对中国电网停电损失风险进行评估。结合电网装机容量的发展趋势,对比利用绝对值法与相对值法统计的停电损失负荷数据,表明相对值预测更符合未来电网损失;基于相对值数据建立POT模型,提出W²& A²-Hill图的阈值选取方法。为了解决电网停电损失负荷样本数量稀少的问题,结合对有限样本重复抽样的Bootstrap法,建立CVaR_Bootstrap停电损失风险评估模型,利用中国电网停电损失负荷数据验证了模型的有效性,得出CVaR_Bootstrap模型的评估结果更优,在此基础上给出我国未来10 a的停电事故风险评估,未来很长一段时间我国的停电损失负荷将仍呈现增长趋势,且华北、华东和南方地区是停电事故发生较严重的地区。     

基于CNN-SVM的飞机EHA故障诊断算法研究

针对飞机电动静液作动器(electro-hydrostatic actuator, EHA)系统集成度高、工况复杂、故障种类多的特点,为了对其典型故障进行有效诊断,提出一种基于卷积神经网络(convolutional neural networks, CNN)和支持向量机(support vector machine, SVM)的故障诊断算法。使用CNN对故障数据进行自适应特征提取,再利用SVM对CNN全连接层输出进行分类。为提高SVM分类性能,使用带动态惯性权重的自适应粒子群优化算法(dynamic inertia weight adaptive particle swarm optimization, IWAPSO)实现对SVM参数的优化选择。引入Ramp损失函数降低SVM的噪声敏感性。结果表明：经过参数优化后的SVM准确率比标准SVM提升了12.6%,比传统CNN方法提升了17.3%;当使用含噪声信号的测试集时,基于Ramp损失函数的SVM表现出了更好的鲁棒性。     

考虑连锁故障的电网安全分析综述

研究连锁故障对防御大电网停电事故具有重要意义。针对连锁故障的系统建模、风险评估、监测预警及脆弱性分析等相关方向的研究难点与关键技术,总结了目前已取得的国内外研究成果。首先剖析了连锁故障模型的建立方式,对连锁故障风险评估方法进行了分类梳理,综述了连锁故障在电网安全分析方面的应用情况,最后通过探讨后续亟需关注的问题展望了连锁故障研究的发展趋势,以期为新环境下大电网安全防御策略提供科学依据。     

电网机械支撑部件系统运行风险评估方法

针对电网部件的安全性分析,提出了基于材料失效机理的电网机械支撑部件系统运行风险评估方法(简称MSSFM方法),并从模型基础和范畴属性的层面分析了该方法的优势所在.给出了MSSFM方法的架构及其各模块的任务和功能;建立了电网机械支撑部件系统分类库、各部件失效故障树及其底事件库、以及部件系统风险概率的布尔合成方法.以一起耐张线夹接触劣化的风险概率评估实例,为前端失效分析与后端风险管理的有效联通提供了参考.结果表明,提出的MSSFM方法可以有效实现电网机械支撑部件系统运行风险评估.     

基于CNN、SVM和迁移学习的轮胎花纹分类

轮胎花纹图像分类在交通事故及刑侦破案取证中具有重要的作用。为了准确地分类轮胎花纹图像,提出了一种基于卷积神经网络(convelutional neural network,CNN)、支持向量机(support vector machine,SVM)和迁移学习的轮胎花纹分类算法。首先对辅助数据库ImageNet进行CNN训练得到初始CNN模型;其次,基于迁移学习思想,利用轮胎花纹图像数据库对初始CNN模型的分类层进行微调训练,得到用于轮胎花纹图像分类的CNN模型;最后,从所得CNN模型的第二个全连接层提取输出的4 096维特征,用该特征对轮胎花纹图像进行基于SVM的图像分类。使用轮胎花纹图像数据库进行分类实验,结果表明,提出算法的分类精度达到93.1%。说明提出算法能够提高轮胎花纹图像的分类准确率。     

基于云模型-熵权法的装配式建筑施工安全风险评估

为降低装配式建筑施工事故发生率,对装配式建筑施工安全风险评估指标及模型进行研究.通过装配式建筑施工特点、事故诱因、相关规范及论文研究,构建了基于云模型-熵权法的装配式建筑施工安全风险评估模型.利用云模型,有效地考虑了风险评估数据的模糊性与随机性,再利用熵权法,给出评价指标的权重系数,有效避免了专家赋权的主观性.将该模型应用于工程实例中,取得了良好的效果.研究结果表明:该模型风险等级评估结果与现场风险等级一致,证明该模型能够客观、准确地评估装配式建筑施工的风险等级.     

山区暴雨山洪水沙灾害预报预警关键技术研究构想与成果展望

山洪灾害为全球重大自然灾害之一,本世纪全球因山洪灾害造成的经济损失已高达每年460多亿美元。我国山洪灾害防治区面积约占陆地面积的40%,山洪灾害造成的人员死亡约占洪涝灾害死亡人数的70%。近年来,我国全面开展山洪灾害防治项目建设,目前已基本建成了专群结合的山洪灾害防治体系,山洪灾害监测预警技术水平明显提升。山区暴雨山洪灾害实例表明,重大人员伤亡与重大财产损失的山洪灾害事件往往源于洪水和泥沙的共同作用,然而,以往在进行山洪灾害防治时,大多仅关注“洪水”的作用,忽视了“洪水和泥沙”共同作用将显著增大山洪灾害的致灾风险乃至出现“小洪水大灾害”。为了进一步提高山洪灾害防控能力和完善山洪灾害防御体系,亟需深入研究暴雨山洪水沙灾害预报预警关键技术。“山区暴雨山洪水沙灾害预报预警关键技术研究与示范”项目,以洪水和泥沙共同作用为切入点,凝练了四个需攻克的关键科学技术问题：1)山区暴雨作用下流域产流产沙异变机制、水沙过程与沟床剧变耦合致灾机制；2)山区暴雨山洪水沙灾害早期识别与致灾要素一体化智能监测技术；3)山区暴雨山洪水沙运动过程模拟与快速预报技术；4)基于山洪水沙灾害动力过程的灾害风险动态评估与预警防控技术。围绕关键科学技术问题的内涵,提出五个需开展的重点研究内容：1)山区暴雨产流产沙过程与水沙耦合致灾机制研究；2)山区暴雨山洪水沙灾害早期识别与智能监测技术；3)山区暴雨山洪水沙运动过程模拟与快速预报技术；4)山区暴雨山洪水沙灾害风险动态评估与预警技术；5)山区暴雨山洪水沙灾害预报预警防控平台构建与示范。研究成果将揭示山区暴雨产流产沙过程与水沙耦合致灾机制,提出山区暴雨山洪水沙灾害早期识别方法、山区暴雨山洪水沙灾害智能监测技术体系、山洪水沙运动过程模拟与快速预报技术、山洪水沙灾害风险动态评估与预警技术等,构建集早期识别、风险评估及综合防控一体化的暴雨山洪水沙灾害预报预警防控平台,提升我国暴雨山洪灾害监测预警与防控的实时性、精准度和智能化水平。     

电流互感器自动化检定系统风险预警方法研究

电流互感器自动化检定系统在连续运行条件下,面临长时间、大批量运行可靠性和数据准确性的不确定性风险。提出了一种基于灰色神经网络的电流互感器检定系统风险预警模型,通过挖掘核查标准的比差、角差历史数据作为输入变量,使用灰色模型对输入变量值进行预测,并将预测结果值作为改进萤火虫算法优化的BP网络的输入,得到检定数据的预测值,通过风险评估策略对预测结果进行评估预警。仿真结果表明,该方法能够对电流互感器自动化检定系统的运行状态提前进行预警,保障了检定系统的稳定运行。     

脑机接口中基于BISVM的EEG分类

针对脑电信号(EEG)分类问题,提出基于批处理增量式支持向量机(BISVM)的分类方法.将所有数据通过批处理进行分组,采用第1组数据在SVM中建立初始分类器模型,将剩余组内数据顺序作为新增样本,对满足卡罗需-库恩-塔克(KKT)条件的样本进行增量学习和减量去学习,不断判断KKT条件并更新参数,丢弃错误样本,对初始分类器模型进行更新.对2008年脑机接口竞赛数据及本实验室采集数据,用小波包分解(WPD)结合共空间模式(CSP)进行特征提取,SVM、ISVM及BISVM分类.结果表明,BISVM的平均分类准确率相对SVM及ISVM分别提高了3.3%及0.3%,BISVM平均训练时间相对ISVM从1.076 s减少到0.793 s.BISVM为改善计算机对大脑的适应性,实现快速实时在线的脑机接口系统奠定基础.     

一种RNN-DBN的网络购物风险评估方法

针对网络购物过程中的交易风险问题,提出一种利用深度学习技术中的循环神经网络(recurrent neural network,RNN)模型和深度置信网络(deep belief network,DBN)模型来进行网络购物风险评估的方法。该方法首先确定交易风险评估的多个影响因素,然后采用RNN模型对主观因素进行语义分析和情感分类,从而实现定性的主观评价到定量的客观评价的转化,最后采用DBN模型对所有客观影响因素进行交易风险综合评估。通过模拟实验验证,所提出的方法能够有效的解决交易风险评估问题,同时相比传统方法准确性更高,且评价结果更为科学。     

风险度理论在电力系统断线故障评价中的应用

大规模联网使电力系统运行更加复杂,这也对电网风险评价提出了更高的要求.应用风险度理论,在系统负荷变化的环境下,对电网断线造成的低电压风险进行评价.介绍了电网风险度的概念,然后根据故障概率分布函数和低电压函数建立了风险评估模型,最后在IEEE - 39.系统上进行了仿真测试,结果验证了方法的有效性,可以为电力系统风险评价人员提供一定的参考依据.     

高层建筑火灾风险灰关联评估

将灰色系统中的灰关联分析方法与高层建筑中对火灾风险有影响的因子相结合,建立了高层建筑火灾风险评估的灰关联评估模型.在该模型中对权重的选取、多层次的灰关联综合评判进行了方法上的研究.最后对高层建筑火灾风险评估进行了实例分析.     

基于危险理论的网络风险评估模型

为有效评估网络信息系统的网络风险,提出了一种新的基于危险理论的风险评估模型(DTREM)。在给出网络活动中自体、非自体、免疫细胞的定义,建立由记忆检测器、成熟检测器、未成熟检测器集合构成的入侵检测子模型后,进一步给出了基于危险理论的网络风险定量计算子模型。利用该模型,可以实时定量地计算出主机和网络当前所面临攻击的各类攻击和总体网络风险强度,理论分析和实验结果均表明,该模型为实时网络安全风险评估提供了一种有效的新途径。     

基于电网风险评估的事故控制措施分析

针对电网运行过程中存在的风险控制措施不到位的问题,提出了一种基于风险评估的电网事故控制措施.引入经济学领域的效用函数,采用指数型效用函数评估风险严重程度方案,提出了电网风险评估定级方案.采用潮流追踪法建立了发电机注入功率和支路潮流之间风险控制矩阵,通过求解发电机出力的调整量实现对系统风险的控制.对N-1故障条件下的风险等级进行评估,并给出了发电机出力的调整方案.结果表明,所提出的事故控制措施能够避免系统的重过载风险.     

一种用于多分类问题的改进支持向量机

针对非均衡分布的多类分类问题,为提高支持向量机(SVM)算法的性能,提出了一种改进的SVM算法. 将遗传算法(GA)与传统SVM算法结合,构造出一种参数最优的进化SVM(GA-SVM), SVM模型采用径向基函数(RBF)作为核函数,利用格雷码编码方式对SVM算法的模型参数进行遗传编码和优化搜索,将搜索到的优化结果作为SVM的最终模型参数. 在两个不同特性的数据集上进行仿真测试,结果表明,与使用交叉验证策略的简单SVM相比,改进后的GA-SVM算法在多类非均衡问题上明显提高了分类正确率,学习速度也有提高.     

基于风险评估的电动汽车直流充电站运维策略

随着电动汽车保有量的迅速增长,针对当前直流充电站运维工作的粗略性和低效性,提出基于风险评估的电动汽车直流充电站运维方法.首先建立充电站运维体系,定义充电桩故障事件给用户造成的后果为最小时间损失(LOT),结合故障参数建立风险评估模型,实现系统风险量化;通过缺供电量(ENC)对充电站进行风险追踪,评估各站风险水平并确定运...     

改进SFMEA的AUV风险评估方法

针对传统软件失效模式影响分析(SFMEA)方法在解决智能水下机器人软件系统失效模式风险评估过程中的局限性,在采用模糊集理论对各种失效模式进行评价的基础上,提出了一种基于灰色区间关联的SFMEA方法,通过计算各失效模式对象同理想评估对象的区间关联度,对水下机器人智能决策系统软件失效模式风险进行了定量评估,并给出了风险排序...