针对社区网络标签传播准确性差的问题,提出基于节点影响值的社区网络稳定标签传播算法。该算法重设社区网络相邻节点相似度,结合链路加权思想将其变换为链路无向带权图;利用节点K-shell分解值判断节点影响力,计算种子节点的中心性度量值,升序排列节点更新顺序;根据越重要节点标签影响越大的规则,修正高频数标签,获取最佳社区网络划分结果。结果表明:该算法模块度在0.320以上,准确率达到99％,因此,经该方法划分后的网络结构清晰、准确,稳定性高。

为了解决智能机器人规划路径时,由于未能获取机器人信号目标强度,路径规划存在适应度值低和规划时间长的问题,提出基于蝙蝠优化算法的智能机器人路径规划方法。建立机器人模型并获取机器人目标信号强度,利用粒子群算法搜索机器人移动目标,结合蝙蝠算法和黄金正弦算法获取种群平均位置,通过分阶段搜索流程,实现机器人移动路径规划。结果表明:所提方法的路径规划时间仅为2.0 s,适应度达到了24.1,不可行解个数为零,该方法有效提高了适应度值,降低了规划时间,具备可行性和实际应用价值。

针对应力集中导致管壁发生屈服失效的问题,提出了利用磁各向异性检测管壁应力集中区域的方法。从能量角度出发,研究了应力导致管壁产生磁各向异性的机理,建立了管壁当量应力与磁各向异性探头输出电压信号的数学模型,通过计算管壁的当量应力判断其是否发生屈服失效,搭建了应力检测实验平台。实验结果表明,应力会导致管壁产生磁各向异性,磁各向异性检测方法能够检测出管壁当量应力的变化趋势和主应力方向所在延长线的角度,进而判断管壁是否产生应力集中区域。

针对工控系统运行环境封闭带来的传统漏洞检测无法导出系统组件进行分析的问题,根据工控网络协议特征,结合测试用例变异因子,针对Modbus_TCP公开协议提出一种改进的电力工控系统漏洞测试挖掘方法。所提方法利用变异因子与工控协议特征依赖关系,改造协议测试用例。通过将测试用例的特征值和数据域的长度值因子及其数值的选择进行合并,并做归一化处理,进而简化协议测试过程中变异因子的执行次数。针对Modbus_TCP工控协议的模糊测试结果表明,改进后的Fuzzing测试表现出了更高的测试用例接收率和测试效率,测试样例的平均接收率至少提高50％。

为了提升分布式光伏资源利用率,提高时均用电效率,提出大数据联盟下分布式光伏资源共享算法。依据光伏发电储电用电价值链建立资源共享目标,并在约束条件下利用线性电力系统网络模型建立主导节点选择矩阵,划分资源共享集群。针对集成的分布式光伏资源,依据大数据联盟理论,将资源共享分为两种资源共享模式,建立资源共享动态模型,实现资源共享。结果表明,所提方法的资源共享效果较好,能够有效提升资源利用率,具有一定的应用价值。

针对电力监控网络服务请求繁多、身份认证速度慢等网络拥塞问题,通过深入分析网络通信过程中数据泄漏发生原理,并基于PKI机制下的挑战响应模式对通信双方的密钥进行动态更新,利用哈希函数对用户身份在通信前做及时认证,设计了一种安全电力监控网络安全的接入体系,实现对网络节点的信息化控制。实验结果表明,所提的基于PKI机制的方案较传统基于对称机制的方案在牺牲少量计算代价的情况下,可实现通信数据高保密高可靠传输,在密钥协商的相互认证阶段本文花费的通信开销相较于对称机制节省约4％。

输电线异物检测普遍采用无人机拍照,但需要人工复检,导致电力巡检效率偏低,为解决这一问题,提出输电通道交叉跨越段导地线异物三维信息检测算法。通过智能无人机拍摄相关区域,并采用双目立体视觉理论,获取异物图像的三维深度信息;引入双边滤波算法消除图像中的噪声及其他因素的干扰,对于动态异物,算法可分析其特征并完成连续跟踪;通过计算异物与导地线之间的安全距离,完成异物检测。结果表明,该方法能够精准地检测出多幅输电通道交叉跨越段导地线图像中的各类异物,且检测精度较高。

针对传统信息隐藏算法存在译码精确度及安全性均较低的问题,在生成对抗网络的基础上,提出了适用于电力信息网络的信息隐写模型。利用基于SE-ResNet块的编码器和解码器来增强模型全局特征的自动选择能力。通过判别器、编码器与译码器的高强度对抗训练,在保持图像布局的基础上,提高了信息隐写模型的安全性能。仿真结果表明,与其他信息隐写算法相比,基于生成对抗网络的信息隐写模型具有更高的译码精确度与安全性,且时间消耗更少。

针对网络社区发现算法的低精确度与高复杂度问题,在节点相似性的基础上提出了一种适用于复杂网络的社区发现算法。利用邻接矩阵和经典决策规则,制定具有较高可靠性和准确性的相似性判定准则,实现网络拓扑中相邻节点之间关系的量化与计算。通过引入具有较少冲突的哈希表,提出具有并行运算结构的启发式社区发现算法,完成对复杂网络拓扑结构的高质量检测。仿真测试结果表明,与经典的Jaccard准则发现算法相比,基于节点相似性的发现算法具有更高的发现精确度及时间效率。

为优化二极管抗浪涌电流能力及正向特性,针对器件工艺参数对迅回效应的影响进行了研究。采用建模仿真对比不同参数下的器件正向特性,分别对P⁺区和漂移区的掺杂浓度以及P⁺区宽度3个方面进行讨论。提取在迅回效应过程中器件的正向偏置处于转折与折回电压时漂移区内空穴的分布,进而细化研究该效应的产生过程机理。仿真结果表明,增加P⁺区的掺杂浓度与宽度可以有效抑制迅回效应,较高的漂移区掺杂浓度会增加器件在单极工作模式下的电流密度,但同时增大转折电压可使迅回效应加剧,适当减小漂移区掺杂浓度可以抑制迅回效应。

为了能够在较短时间识别变电站火灾并发出报警,提出了一种基于特征识别的K-means聚类图像处理方法。通过远程传输获得变电站消防监控图像并提取HSI特征,采用欧氏距离法对HSI特征进行K-means聚类并分割图像子集。通过样本熵信号处理算法识别火灾子集和类火灾子集熵值,实现变电站火灾的精准辨别。结果表明:T_PR为100％,F_RP为4.44％,火灾识别并报警时间为15.21 s。该方法不但规避了漏检风险且具有较强鲁棒性,能够迅速、精准地识别变电站火灾,有效提高了变电站消防安全的管理能力。

为了提高电力通信系统数据融合时的节点存活率,提高网络连通性,提出了基于异构数据源的电力通信链路模拟数据智能融合方法。利用最小二乘残差估计法辨别噪声数据,识别异构数据中的不良数据。通过k-means聚类获取目标平均值,实现数据离散化并消除噪声。使用频繁项集的关联规则确定置信度阈值并挖掘不低于该阈值的数据。采用深度受限玻尔兹曼机算法将不同类型模拟数据映射到同一矢量空间内,实现智能融合。仿真实验结果表明,该数据融合方法的平均系统能量消耗为66.35 J,网络连通度范围为0.85~1,达到了提高节点存活率以及提升网络连通性的目的。

针对遥感图像分割迅速性和准确性不高的问题,提出了一种基于改进模糊均值聚类算法的遥感图像分割技术并将其应用于电力规划建设领域。以模糊均值聚类算法为基础,采用样本特征值平方差方式定义了新的特征距离,并通过引入空间函数方式实现了对图像空间信息的利用,从而对模糊均值聚类算法进行改进。结果表明:改进FCM算法单张图像处理时间约为FCM-S图像处理算法的0.43倍,约为FCM图像处理算法的0.19倍;改进FCM算法图像分割准确率约为95.3%,比FCM-S算法高约2.7%,比传统FCM算法高约7.1%。

为提高电容层析成像(ECT)系统对于非规则截面管道的成像质量,提出了一种基于填充式ECT传感器的图像重建方法.建立了完整的填充式ECT传感器模型,计算了考虑管壁和填充材料存在的灵敏度分布,针对重建区域标定了空场和满场.利用已知的填充区的介电常数以及对灵敏度矩阵的拆分处理,建立了降维的ECT正问题模型.利用Landweber迭代法求解了相应的逆问题.对所提方法进行了仿真数据验证和实测数据验证.重建结果表明:填充材料的介电常数与重建区的低介电常数一致时所提方法可显著改善重建质量.

针对串联串联(S-S)和串联并联(S-P)补偿拓扑结构在大(小)负载场合传输效率低的问题,提出了基于补偿拓扑结构切换的磁耦合谐振式无线电能传输(MCR-WPT)系统最大效率追踪方法.通过建立S-S、S-P等效电路模型提取谐振补偿网络参数,将系统最大传输效率切换点的寻优过程划分成轻载与重载两种工作模式,并使用有源阻抗匹配的方式对系统最大效率点进行自适应追踪.仿真测试结果表明:所提方法在轻载模式下能够维持原有系统最大传输效率,约为84.5%;在重载模式下效率由84.5%提升至91.6%,验证了该方法的有效性.

针对传统方法在对海量云数据进行存储时无法满足安全需求的问题,提出了一种基于安全性验证的云数据存储与访问算法.该算法将用户传输至云端的数据进行分块重组,同时使用交叉加密方法对不同大小的数据块进行加密,从而实现数据的安全保护与快速加密.当用户申请访问数据时,通过基于安全性验证的访问判断及解密返回用户请求的数据.实验与分析结果表明,所提出的方法能够显著提升云数据存储的安全性并减少数据加密、解密的计算开销,且相比于传统方法,该方法具有更优的存储与访问性能.

为了解决抗攻击区块链渗入数据类型较多,造成数据防窜改时加密效果较差、误识个数较多的问题,提出了抗攻击区块链渗入数据防窜改识别方法.设定抗攻击区块链渗入数据特征评判准则,并提取和加密了其中的渗入数据特征;将相对熵与蒙特卡罗仿真方法作为渗入数据分类测度,通过支持向量机算法分类识别渗入数据,实现区块链渗入数据防窜改识别.测试结果表明,所提方法的识别性能更优、加密复杂度较高、误识个数较少,所提方法可以有效保证抗攻击区块链的安全.

针对输电线路中耐张线夹的倾斜缺陷,未能准确地去模糊处理所获取输电线路图像的问题,提出了基于深度学习的输电线路耐张线夹倾斜缺陷定量检测方法.结合冲击波滤波器与双边滤波器对获取的输电线路图像去噪处理,通过正则化方法估计模糊核.同时利用引导滤波器分解去模糊后的输电线路图像来获得细节层与基本层,分别进行伽马变换.将预处理后的输电线路图像输入至深度学习网络中,提取耐张线夹的倾斜缺陷特征,完成对缺陷的定量检测.实验结果表明,所提方法的准确率可保持在90％以上,且召回率、AP值及F₁指标均较高,具有良好的检测性能.

为了降低特征挖掘结果的汉明损失和错误率,提出了一种基于决策树的供应商全链路动态特征挖掘算法.对数据实施数值化、离散化和归一化处理,通过降低数据值域的差异来降低汉明损失和错误率.利用处理后的数据建立决策树,通过剪枝操作提高了数据分类的精度,采用改进的CHI值和RBF神经网络有效挖掘全链路动态特征.该算法降低了挖掘结果的汉明损失和错误率,且分类处理精度、准确率、召回率均有所提高.该算法有效提高了供应商全链路动态特征的挖掘效果.

针对目前知识蒸馏忽略特征图全局统计信息的问题,提出利用离散余弦变换(DCT)频域释义的全局统计特征知识,并对各类别的频域特征使用Logistic分类器进行二分类,提取类间差异性信息.利用元学习算法(MPL)对教师模型参数进行更新,使教师模型能动态调整所传递的频域特征.实验模型在CIFAR-10,CIFAR-100以及ImageNet 2012数据集上有0.12％~0.16％的精度提升,结果表明,频域特征与类间相似性信息为学生模型的训练提供更多有用的知识,且两模型的知识交互更有利于教师的知识迁移.

针对当前算法对电力线载波频谱进行分组量子加密时,存在加密效果差、加密的雪崩效应性能低以及安全性能差的问题,提出了基于Logistic混沌的电力线载波频谱分组量子加密算法.通过电力线载波频谱参数分析构建Logistic混沌模型,以此为基础迭代求解量子加密密钥,并在量子极化的原则下分配密钥,在信道中生成可分配的筛选密钥,并利用POVM算法分配密钥,实现电力线载波频谱的分组量子加密.实验结果表明,所提算法的加密效果更好、加密的雪崩效应性能更高以及安全性能更好.

为了提高以太系统的传输速度,主要对以太网物理层收发器模块进行了相关研究.在收发器模块中,采用了串并转换、4B/5B编码等并行编码方式替代了普通的曼彻斯特编码方式,将数据并行输出.并行传输方式与传串行传输相比,可在相同时钟频率内提供更多的有效数据,从而提升系统的传输速度.仿真结果表明,收发器模块在25 MHz时钟下实现了100 Mbit/s的收发速度,大幅提高了传输效率.

针对综合能源系统调度过程难以兼顾不同能源的调度条件,导致能源调度准确性较差的问题,提出基于条件风险价值理论的综合能源系统优化调度.分析以电、热、气为主的综合能源系统结构和响应过程,探究系统的不确定性供能因素.根据条件风险价值理论建立最优调度目标函数,将能量平衡、功率限制和储电设备容量等作为约束条件,构建优化调度模型.利用粒子群迭代方法求解模型,获取粒子的速度与位置更新方程,得出最佳调度结果.结果表明,所提方法能够准确预测出能源需求量,将输出能源控制在合理范围内,降低系统运行风险,提高经济效益.

针对多能系统对分布式能源使用率较低且经济效益不理想的问题,提出了基于改进BP网络与AHP模型的区域多能系统协同优化方法.该方法利用AHP模型构建了区域多能系统评价体系,并设计了双层GA-BP网络用于学习优化系统的各项评价指标,以得到最佳的系统综合评价得分用于调整系统能源的供需量.基于园区多能系统的实验结果表明,所提方法的可靠性、经济效益、碳交易成本及用户满意度分别为0.99、10.82万元、0.43万元和1.故其在提高经济效益的同时,还可保证系统运行可靠性及绿色环保.

针对大型交通物流调度的调度效率不佳的问题,提出了一种基于路径匹配的交通物流调度联合优化方法.构建交通物流调度联合优化数学模型,对物流配送终点进行定位;采用路径实时更新原则对生成的交通物流配送进行优化,匹配最优路径生成结果;根据跨多时段联合调度,获得最佳路径匹配联合调度结果.结果表明,相比于传统的物流配送调度方法,该方法能够有效节约调度时间,综合调度效率提高了8.05％.该方法能够对交通物流调度进行联合优化,具有一定的应用价值.

为了提高城市真实交通场景中的交通标志、交通信号灯及停止线检测精度,提出一种基于YOLO v3的多类交通标识检测模型——T-YOLO.该模型在YOLO v3目标检测模型的基础上,采用了四种尺度特征进行检测,设计了更贴合待测交通标识的先验框,提升了模型对多类交通标识等小目标检测性能.采集13 000张城市交通场景图像并进行标注,制作成多类交通标志数据集.实验结果表明,该模型在TT100K交通标志数据集、在LaRA交通信号灯数据集均取得较好结果.同时,在自制SUTDB数据集上交通标志、交通信号灯、停止线检测精度分别为0.90、0.99、0.80.文中提出的T-YOLO模型检测实现了多类交通标识,并且检测精度高,具有一定工程实用价值.

为降低检测成本,减少辐射危害,提出了基于超声波断层图像进行典型零件的三维重构方法.设计了相共振结合拉东反变换计算方法的零件断层扫描试验,基于Matlab平台构建了轮廓提取算法、图像堆叠算法以及三维模型重构算法.结合图像处理算法与三维模型重构算法实现了二维超声断层图像的三维重构,重构的零件外形尺寸与内部形位误差约为1 mm.结果表明,本文提出的超声波断层图像三维重构方法可靠、准确,可用于典型金属零件轮廓及内部缺陷的无损检测与三维重构.

针对无人机对电网巡检过程中移动镜头下的目标检测问题,采用背景补偿与背景差分法实现了动态场景下的目标检测.建立了全局运动矢量模型,并利用SIFT特征点提取和匹配技术,完成了视频图像的特征点匹配,实现了移动镜头下的背景补偿.通过降维和局部匹配方式对SIFT特征点提取和匹配技术进行优化.结果表明,优化后的特征向量生成时间是原来的30％～40％,与经典SIFT算法相比,提取特征点的总时间是原来的30％～50％,该方法能准确检测运动目标并排除干扰.

为了解决通信数据交互时受到脉冲干扰,导致通信数据误码率偏大的问题,提出了Docker容器下高速总线通信数据实时交互方法.设定通信数据采集的最大化约束条件,将通信数据采集指令转换为最短路径问题,并建立目标函数,完成高速总线通信数据的采集.采用Docker容器求解最优通信数据点,并利用Docker容器的最优集成节点调整通信数据的位置,控制高速总线通信数据传输效率,构建高速总线通信数据实时交互模型,实现了高速总线通信数据的实时交互.实验结果表明,所提方法抗干扰能力较强,降低了通信数据的误码率.

针对5G通信网络流量预测研究中常存在的忽略流量序列内所包含变化趋势与数据间的关联特性而导致预测结果不准确、与用户需求不符等问题,通过采用基于压缩感知的改进长短时神经网络算法,对通信数据流的采样建立具有一致收敛的约束条件稀疏矩阵,将实际流量序列与待预测的流量序列作为LSTM模型输入同时进行深度训练,实现对未来流量数据的精度预测,从而有效提高了5G通信网络流量预测精度.经TensorFlow仿真实验显示,所提算法可以将通信网络数据流的预测误差均值控制在5%~10%,绝对误差均值为3%~8%,相较于常规LSTM通信流量算法的预测结果,平均精度提高了近5%.