【摘 要】
：
随着智能电网的发展，针对电力设备故障的智能化检测成为研究热点。各种智能化监测设备与日俱增，电力设备一旦发生故障，将会产生大量故障数据，尤其极端天气下，更会产生井喷式数据，传统的单机处理环境已经无法应对。为解决此问题，本论文将传统故障诊断方法与Spark、MapReduce大数据框架相结合，以变压器故障诊断为例，对大数据环境下的电力设备诊断方式展开研究。 设计了深度信念网络在Spark框架上的并行
【机 构】
：
华北电力大学(保定) 华北电力大学
论文部分内容阅读
随着智能电网的发展，针对电力设备故障的智能化检测成为研究热点。各种智能化监测设备与日俱增，电力设备一旦发生故障，将会产生大量故障数据，尤其极端天气下，更会产生井喷式数据，传统的单机处理环境已经无法应对。为解决此问题，本论文将传统故障诊断方法与Spark、MapReduce大数据框架相结合，以变压器故障诊断为例，对大数据环境下的电力设备诊断方式展开研究。
设计了深度信念网络在Spark框架上的并行算法，并将其用于变压器故障诊断。DBN模型的并行化主要从数据在RDD上的分布式存储、并行化结构、数据迁移以及广播变量机制调优四个方面来部署。同时基于变压器油色谱分析方法，实验对比分析了DBN、Spark框架下的并行DBN和MapReduce框架下的DBN的模型性能，证明了Spark框架下的并行DBN算法的有效性。
提出基于遗传算法优化深度信念网络(GA-DBN)的变压器故障诊断方法。为了进一步提高变压器故障诊断准确率和解决深度信念网络(DBN)容易陷入局部极值的问题，提出GA-DBN模型。由于遗传算法具有全局寻优的特点，通过遗传算法寻找初始参数值，然后在局部解空间里训练DBN模型，最后通过BP算法对网络微调。结合两种方法对电力变压器故障进行诊断，实例分析表明该方法收敛速度快，而且有较高的诊断准确率。
设计了一种云平台间模型迁移的方法。将Spark框架学习的模型导出为PMML格式的文件，以备Storm框架使用，为Storm框架实时分析做准备。
其他文献
双目立体视觉在人工智能领域研究中占有重要的地位，是计算机视觉研究中的一个重要分支，广泛应用于机器人导航、视频监控、医药诊断、军事侦察和无人驾驶等领域。双目立体匹配模拟人类双眼看到事物在大脑中进行信息处理的原理，利用像素匹配方法确定双目相机获取的左右两目图像中各像素间的对应关系，计算三维空间中的深度信息，最终通过图像的角度、颜色、边缘特征等信息把物体的平面图像还原成三维立体场景，以达到从平面到立体的
近些年来，农作物产量预测已经成为农业科学领域的研究热点，对解决粮食生产问题具有关键性作用。因此准确、及时地对农作物产量进行预测对国家制定相关粮食政策具有重大意义，同时为农业决策提供了合理的依据，也为农作物改善措施提供重要根据。通过预测得到的结果可以有针对性地观察农作物的生长周期、土壤变化、雨水分布等因素对农作物产量的影响。传统的农作物产量预测方法尽管能获得一个农作物估产值，并在一定程度上反映农作物
随着二十世纪互联网的迅速发展，网民规模高速增长，人们开始习惯在网上交流，发表自己对某件事情的看法。在这些信息的背后，隐藏着巨大的商业和社会价值。情感分析就是针对这些网上评论的情绪倾向性进行的一种数据分析和处理，目前已经成为工业界和学术界的一个重要任务。但现阶段情感分析任务仍存在对关键信息学习不充分，情感分类准确性不高等多方面的问题。 针对目前情感分析模型存在的提取关键信息能力不强，无法有效捕捉特
变电设备是电力系统中最重要的一类设备，其故障能否快速而准确的诊断将直接影响到网供电可靠性和系统的安全运行。持续在线的电网监测数据给传统的数据处理方式提出了挑战，电力系统已经进入“大数据”时代。Storm作为流数据的分布式处理框架具有实时性和可扩展性等优势，可以满足电网数据的实时、持续的监测需求。本文研究了基于Storm的局部放电信号的并行分解方法，改进了在线序列学习机算法，同时研究了模型标记语言和
在智能电网中，智能电表实时采集用户的细粒度用电信息并周期性发送到控制中心，控制中心利用采集到的用电信息进行发电预测、实时定价及需求响应。由于用户的细粒度用电信息包含个人隐私，如若发生用电数据泄露将会影响用户的使用，从而制约智能电网的发展。因此，信息安全是智能电网稳定运行及发展的前提。本文围绕认证、数据完整性、机密性及保护用户数据隐私等确保智能电网安全稳定运行的要求设计了如下方案。首先，提出了一种高
随着互联网产业的快速发展，社交网络自媒体时代的到来，微博作为一种以信息发布、互动交流为主的广播式社交网络平台，消息传播速度快范围广。对海量的微博文本的进行情感分析，挖掘用户对商品、新闻、能有效的了解用户的喜好，监控社会舆论走向，具有重要的意义。情感分析是自然语言处理领域的一项重要任务，已经成为当今热点研究方向。深度学习不同于传统的设计网络，基本不需要人工辅助，通过学习数据的浅层属性和特征，总结规律
近年来，智能交通领域在人工智能领域的推动下不断发展，车辆跟踪技术作为智能交通领域研究的基础问题越来越受到人们的关注。深度学习作为解决目标跟踪领域问题的主流方法，基于深度学习的车辆跟踪算法成为了智能交通领域研究的热点，如基于卷积神经网络(CNN)的目标跟踪模型，虽然该类模型在跟踪的准确性上取得了突破性的进展，但是在跟踪速度上很难做到实时跟踪。于是，基于完全卷积孪生神经网络(SiamFC)的目标跟踪方
随着科技的发展，智慧大棚、智慧温室和植物工厂等的出现，改变了传统农业种植方式。近年来温室大棚种植规模越来越大，这种种植方式使植物生长环境得以人为控制，充分发挥土地产能，提高产量。植物光照控制系统结合计算机网络技术对植物的生长环境进行调控，具有理论研究和实用价值。 针对温室内植物种植的光环境调控，本文采用新型光源LED作为补光光源，以无线网络通信方式，采用简单的星型拓扑结构，将各个终端节点与Zig
图像领域中对于图像的清晰度和分辨率要求越来越高，研究模糊图像修复和图像超分辨率重建的问题，不仅有利于提升图像的视觉质量，更是能够提升视觉应用的鲁棒性，具有重要的实际应用价值。本文在研究生成对抗网络的基础上，尝试对生成对抗网络进行改进并应用于图像处理，以解决图像模糊和分辨率较低的问题。具体做了如下研究： (1)分析和研究生成式对抗网络的基本模型和图像处理的相关内容，利用生成对抗网络处理图像已经成为
变压器局部放电是造成变压器绝缘故障的主要原因。对不同类型的局部放电进行有效识别有利于故障的定位和排除。局部放电相位分布分析(PRPD)是目前应用范围最广、效果较好的局部放电模式识别方法，该方法基于PRPD图谱进行特征提取与放电类型分类，但常用的特征提取方法均基于原始检测数据，由于不同检测设备所用数据格式不同，且不同企业对数据相互保密，造成了局放诊断方法的不通用性。 PRPD图谱具有相关国际标准，