基于支持向量机混合采样的不平衡数据分类方法

利用传统支持向量机(SVM)对不平衡数据进行分类时,由于真实的少数类支持向量样本过少且难以被识别,造成了分类时效果不是很理想.针对这一问题,提出了一种基于支持向量机混合采样的不平衡数据分类方法(BSMS).该方法首先对经过支持向量机分类的原始不平衡数据按照所处位置的不同划分为支持向量区(SV),多数类非支持向量区(MN...     

基于一维测量的多传感器多目标数据关联

本文在S-D分配算法的基础上,提出一种基于一维测量数据的多基地雷达多目标数据关联的方法.在每个传感器仅能给出目标的一维距离和量测信息,并且同时存在虚警的条件下,该方法首先利用4维组合的冗余信息对各传感器的量测值进行组合筛选,然后由4维分配算法进行多目标的数据关联,仿真结果表明该方法可以有效提高多目标的正确关联概率.     

基于深度学习的配电网图形节点数据校核技术研究

抽象化的配电网图像模型能够有效监控配电网各个节点的状态,根据监控数据即可对整个电网进行调度。当前的电网图模校准系统工作数据量大且整体性较差,而各地维护工作人员水平又参差不齐,故系统准确性难以保证。针对上述问题,文中使用长短时神经网络对GIS图形节点数据加以训练,并对各个节点的电气特征进行特征量分析,从而得到电网故障节点的特征数据。同时在模型构建部分,采用长短时神经网络对电网节点时序数据进行训练,利用逻辑门对故障状态加以判断,进而快速协调节点送电量并保证电网的有序运行。实验结果表明,文中设计的仿真系统可对节点的故障状态实现准确判断,且算法准确性及计算效率均优于对比算法,证明所提方法能够对配电网系统中的故障进行准确定位,进而完成对配电网图形节点数据的校核。     

基于多维度数据融合与分析的变压器移动监测评估模型设计

目前还没有仅靠一种手段就能有效诊断变压器状态的方案,而对变压器实施全方位、多维度在线监测,并融合多种手段进行状态分析具有较高的工程应用价值。针对电力变压器运行过程中数据种类繁多、状态评价中各指标不确定等问题,提出了一种基于多维度数据融合与分析的变压器移动监测评估模型。该模型筛选了具有代表性且能较全面反映变压器状态的监测量,并规定了移动监测平台设备的参数范围,进而深入研究了多维度数据融合分析算法。通过综合分析构建了一个更为全面的变压器健康状态评估模型,给出了各监测状态量的权重系数及评估流程,从而建立了完整的变压器状态评价体系。实际案例的测试结果证明了所设计模型的有效性。     

基于粒子群算法的科技创新数据检索系统设计

当前使用的深度学习驱动、基于哈希算法的数据检索方式,容易受到原始数据集冗余信息和噪声影响,存在检索查准率和查全率不高的问题,因此提出了基于粒子群算法的科技创新数据检索系统设计。使用检索引擎构建索引库群,设计检索数据存储模块、关联导航模块、数据分词流程。利用粒子群算法求解分词最短路径,根据数据分词处理结果,获取查询关键词对应的查询分词向量,完成数据检索,以此作为分词结果,避免系统检索受到原始数据集冗余信息和噪声影响。由实验结果可知,该系统查准率最高为96%,查全率最高为97%,具有高效检索效果。     

基于多传感器的无人机自主导地线巡视方法

为充分提升无人机导地线的点电荷传输能力,使剩余供应电量安全转移至地下环境中,提出基于多传感器的无人机自主导地线巡视方法。根据多传感器配准原则,获取关键的无人机电量供应数据,根据电信号检测结果,完成基于多传感器量测数据的预处理。在此基础上,将作业域环境划分成多个区间,按照巡视节点定义原则,分析导地线中传输电信号的敏感性水平,实现基于多传感器的无人机自主导地线巡视算法设计。实验结果表明,与IMU冗余补偿算法相比,在多传感器元件结构作用下,无人机导地线内点电荷传输速率明显加快,能够在较短时间内将剩余供应电量安全转移至地下环境中,符合实际需求。     

基于Hadoop技术的物联网大数据同步存储系统设计

目前研究的物联网大数据同步存储系统,对于海量物联网数据的存储效率低、同步性差,不利于数据安全、稳定且高效的存储,难以满足动态存储需求,为了解决上述问题,基于Hadoop技术设计了一种新的物联网大数据同步存储系统。集合采集单元、处理器、存储器构建硬件平台,完善系统接口设计,合理设计软件程序,进一步提升系统的实际应用性能,并采用加密算法对存储数据进行加密处理,保证数据存储的安全性。实验结果表明,针对海量物联网数据,基于Hadoop技术的物联网大数据同步存储系统能够有效提高数据存储的同步性和存储效率,减少数据存储时延。     

基于多源数据融合与模糊聚类的电力工程数据处理方法研究

针对电力工程项目智能化监理管控问题,提出了一种基于FCM-IFA-SVM算法的电力工程数据处理与风险识别模型。该模型利用FCM算法对环境风险、技术风险、经济风险与管理风险等指标数据进行聚类分析,并采用IFA算法优化了SVM模型的惩罚系数及核函数参数。将聚类后的数据集输入至已完成参数优化的SVM模型中,进而得到电力工程项目风险等级的评估结果。通过对某电力工程数据集的仿真测试结果表明,所提算法在风险识别方面具有更高的准确率。同时相比于SVM和FCM-SVM算法,其平均准确率分别提升了7.1%及2.9%,说明所提算法能更准确地识别并评估电力工程项目风险等级。     

基于信息融合的配电网工程三维数据智能处理算法设计

配电网工程的三维数据处理算法是智能电网建设的关键环节。为了解决电网工程稳态难以感知的问题,使用信号震荡检测算法,结合电网稳定感知系统设计了电网工程的增强广域态势感知方法。通过引入希尔伯特地图算法设计了非线性分类回归器,并建立了实时的电网工程建设档案。由实验测试结果可知,在对3种常用数据处理算法的比较中,文中设计的改进希尔伯特地图算法分类的效果较优,相比于原始希尔伯特地图法,其计算时间成本大幅缩减,能够高效地完成电网工程的三维数据采集与分析。     

基于区块链技术的电网光伏数据全量采集系统

目前电网光伏数据全量采集系统存在采集精度过低、采集时间过长的问题,因此利用区块链技术设计了新的电网光伏数据全量采集系统。系统硬件由智能电表、数据感知设备、云服务器和共享容器等组成,智能电表采用DL/T645-1997-2007通信协议,利用红外线装置实现信息传递。采用Fabric分布式方式布置数据感知设备,利用数据通信通道、API调节接口,在云服务器中获取具有MSP的数字证书。应用区块链技术采集与处理数据,分析电能变压器负荷、变压器功率因数实现数据全量采集。实验结果表明,基于区块链技术的电网光伏数据全量采集系统能够有效提升采集精度,缩短采集时间。