模糊神经网络在区分电力系统故障和振荡中的应用

根据电力系统发生故障和振荡时母线处获得的信号的特点,提出了用模糊神经网络来识别电力系统振荡与故障的模型和算法。经EMTP仿真表明,该方法能够很好地识别振荡与故障,而且计算和响应速度快,另外,系统正在振荡时又发生故障,本文提出的模糊神经网络的模型及算法也能正确区分出故障。缺点是需要经过大量的训练,但是由于是离线训练,不影响此方法的实时应用。     

具有冗余神经元神经网络模型系统的输电线路故障测距的研究

提出了一个层次化与模块化相结合的具有冗余神经元的神经网络（ＮＮ）系统,该系统充分利用了神经网络在模式识别、非线性拟合及联想记忆等方面的优势,其模块化结构与生物神经网络功能区域结构相一致,信息处理机制符合生物神经网络分类和逐步推理的规律。该系统可实现高压（超高压）架空输电线路故障测距所需的复杂信息处理要求,可避免常规测距方法中出现伪根,迭代不收敛,及消除对端系统运行方式和助增电流影响导致测距误差大等     

基于双端电气量的输电线路故障测距的新方法

利用输电线路两端的故障电压、电流量 ,提出了一种基于输电线路等效序网的故障测距方法。该方法不严格要求两端数据同步采样 ,不需要故障选相 ,且所需通讯数据少。测距结果不受线路负荷、线路两端的系统运行方式、故障点过渡电阻以及故障合闸角等因素的影响。理论及大量的ATP仿真结果表明 ,该方法具有较高的故障测距精度 ,完全满足现场实际要求     

电力系统故障暂态信号的小波奇异性检测

小波变换理论在时域和频域的局部化性质 ,使之能有效地检测信号的奇异性。文章分析了电力系统故障暂态信号的奇异性 ,得出其奇异的特殊性 ,即具有不确定的奇异度 ,从而提出用小波变换进行奇异检测时对所用小波函数的要求 ,确保奇异性的准确检出 ,并给出了计算的方法     

一种基于子采样的混合域稳健零水印算法

为了实现对图像数据版权的有效保护,论文提出了一种新的基于子采样的 混合变换域零水印算法。先将载体图像进行非下采样剪切波变换,变换后的低频分量经过子 采样后得到4 幅子图,然后对每一幅子图进行分块处理,最后通过比较两幅随机子图中规定 映射位置上子块DCT 变换后的直流分量的大小关系构造零水印。实验结果表明,该算法能 够较稳健地抵抗添加噪声、JPEG 压缩和剪切等多种常见的攻击操作,同时具有较高的安全 性。     

基于小波包变换和矢量量化的电力系统故障数据压缩

在实际的故障分析中通常不是利用故障暂态信号的全部频带信息，而是利用其部分频带信息来解决问题，因此提出了针对电力系统故障信号压缩的特殊要求，即对于所要解决问题有重要价值的频带信息无损压缩，对不重要的频带信息可以失真压缩，即保频带压缩。在此基础上提出了基于小波包变换、Huffman编码方法和矢量量化相结合的故障数据压缩算法，首先利用小波包变换将故障信号分解成各个频带的信息，选择有重要信息的频带采用自适应Huffman无损压缩算法，而对于其他频带数据信息，采用矢量量化压缩算法。通过仿真测试，该算法较好地满足了故障暂态信号的压缩要求，具有较大的应用潜力。     

炼铁厂剩余高炉煤气的合理利用

本文根据系统节能的观点,考虑经济、社会综合效益,提出呼和浩特炼铁厂剩余高炉煤气的最佳利用方案。     

基于平衡多小波的改进的盲水印算法

利用图像经过CARDBAL平衡多小波变换(BMWT)后,能量汇聚且平均分摊在最低分辨率子图像4个分量上的特点,提出了一种基于BMWT和DCT的改进的盲水印算法.在彩色图像的饱和度分量上嵌入一幅二值水印图像,水印嵌入前进行Arnold置乱和混沌加密预处理,保证了算法的安全性.实验结果表明,改进后的算法具有良好的鲁棒性,而且在抵抗JPEG压缩性能方面有明显的提高.     

基于非下采样剪切波变换和QR分解的鲁棒零水印算法

针对数字图像的版权保护问题,提出了一种基于非下采样剪切波变换(NSST,non-subsam-pled shearlet transform)和QR分解的零水印算法。首先,采用NSST对宿主图像进行分解;然后利用Logistic混沌系统从分解后的低频逼近分量中随机抽取出一幅子图,并将其分割成互不重叠的子块;最后对每一个子块进行QR分解,通过判断各个子块R矩阵中第1行元素向量的l1范数和所有子块R矩阵第1行元素向量l1范数的均值之间的大小关系构造零水印。实验结果表明,本文算法对添加噪声、滤波、JPEG压缩和剪切具有很强的鲁棒性,同时还能抵抗一定程度的旋转、缩放和平移(RST)几何攻击。