故障诊断对提升电网故障分析处理能力有重要意义。在变电站本地进行故障诊断可以更加充分、敏捷地利用本地的丰富信息。为适应智能电网环境下信息丰富、分布自治的趋势,提出一种基于Bayes网络的变电站故障诊断方法,考虑了保护、开关的...故障诊断对提升电网故障分析处理能力有重要意义。在变电站本地进行故障诊断可以更加充分、敏捷地利用本地的丰富信息。为适应智能电网环境下信息丰富、分布自治的趋势,提出一种基于Bayes网络的变电站故障诊断方法,考虑了保护、开关的拒误动和量测信道错误等不确定性,并综合利用顺序事件(sequence of events,SOE)、故障录波、保护闭锁等多源异质信息。使用经典的联结树(junction tree)算法进行概率推理。结果表明:与不考虑量测信道不确定性的方法相比,该方法可以更加充分利用开关SOE等信息;故障录波和闭锁等非SOE信息的引入可以有效提升诊断的准确率。展开更多
社会网络应用已无处不在,在健康医疗领域也是如此.同时,传感器网络的发展也面临新的形势.在真实世界中,有许多因素(如社会关系、历史健康状态和个人属性信息)都能对健康状态检测?预测结果产生影响.然而,却很少有相关文献能够系统阐述新...社会网络应用已无处不在,在健康医疗领域也是如此.同时,传感器网络的发展也面临新的形势.在真实世界中,有许多因素(如社会关系、历史健康状态和个人属性信息)都能对健康状态检测?预测结果产生影响.然而,却很少有相关文献能够系统阐述新形势下在一个动态社会网络中节点用户健康状态如何进行检测?预测以及不同因素对用户健康状态影响到何种程度.首先描述一种新颖的医疗物联网:医疗社会网络(medical social networks,MSNs);然后统一考虑社会关系、历史健康状态和用户属性对网络用户健康状态检测结果的影响,提出一种新的基于时-空概率因子图模型(temporal-spatial factorgraph model,TS-FGM)的网络用户健康状态检测?预测方法.在Twitter数据集上对所提出的模型进行了验证,并在一个真实的临床医疗数据集上与SVM基线算法进行了对比实验.实验结果表明所提出的TS-FGM模型是有效的,健康状态检测方法也在一定程度上优于基线方法.展开更多
文摘故障诊断对提升电网故障分析处理能力有重要意义。在变电站本地进行故障诊断可以更加充分、敏捷地利用本地的丰富信息。为适应智能电网环境下信息丰富、分布自治的趋势,提出一种基于Bayes网络的变电站故障诊断方法,考虑了保护、开关的拒误动和量测信道错误等不确定性,并综合利用顺序事件(sequence of events,SOE)、故障录波、保护闭锁等多源异质信息。使用经典的联结树(junction tree)算法进行概率推理。结果表明:与不考虑量测信道不确定性的方法相比,该方法可以更加充分利用开关SOE等信息;故障录波和闭锁等非SOE信息的引入可以有效提升诊断的准确率。
文摘社会网络应用已无处不在,在健康医疗领域也是如此.同时,传感器网络的发展也面临新的形势.在真实世界中,有许多因素(如社会关系、历史健康状态和个人属性信息)都能对健康状态检测?预测结果产生影响.然而,却很少有相关文献能够系统阐述新形势下在一个动态社会网络中节点用户健康状态如何进行检测?预测以及不同因素对用户健康状态影响到何种程度.首先描述一种新颖的医疗物联网:医疗社会网络(medical social networks,MSNs);然后统一考虑社会关系、历史健康状态和用户属性对网络用户健康状态检测结果的影响,提出一种新的基于时-空概率因子图模型(temporal-spatial factorgraph model,TS-FGM)的网络用户健康状态检测?预测方法.在Twitter数据集上对所提出的模型进行了验证,并在一个真实的临床医疗数据集上与SVM基线算法进行了对比实验.实验结果表明所提出的TS-FGM模型是有效的,健康状态检测方法也在一定程度上优于基线方法.
