数据清洗、特征选择和预测模型建立是基于数据采集与监视控制系统(supervisory control and data acquisition,SCADA)数据,实现风电机组异常状态预警不可缺少的重要环节。先结合孤立森林(isolation forest,iForest)和基于密度的空间聚类...数据清洗、特征选择和预测模型建立是基于数据采集与监视控制系统(supervisory control and data acquisition,SCADA)数据,实现风电机组异常状态预警不可缺少的重要环节。先结合孤立森林(isolation forest,iForest)和基于密度的空间聚类(density-based spatial clustering of applications with noise,DBSCAN)算法对SCADA数据异常点进行有效清洗,并采用随机森林算法(random forests,RF)与Person相关系数法优选模型输入参数;再进而基于Optuna优化的类别提升树(categorical boosting,CATBoost)算法,建立风电机组正常工况齿轮箱油池温度的预测模型;然后采用滑动窗方法,构建状态评价指标,并使用区间估计理论确定油温异常状态判别的临界阈值;实现油温异常预警;最后,采用某风电机组SCADA系统油温异常的真实历史故障数据进行检验,验证了该方法的有效性。展开更多
针对现有低功耗蓝牙(BLE)欺骗攻击检测技术准确率低的问题,提出了一种基于异常指纹的BLE欺骗攻击检测技术,将攻击者的射频指纹作为异常数据,把欺骗攻击检测建模为异常检测问题;设计了一种基于深度支持向量描述(Deep Support Vector Data...针对现有低功耗蓝牙(BLE)欺骗攻击检测技术准确率低的问题,提出了一种基于异常指纹的BLE欺骗攻击检测技术,将攻击者的射频指纹作为异常数据,把欺骗攻击检测建模为异常检测问题;设计了一种基于深度支持向量描述(Deep Support Vector Data Description,DeepSVDD)的异常指纹检测模型——RFFAD_DeepSVDD,并使用残差单元构建网络模型,有效缓解了机器学习异常检测算法非线性特征提取不足的问题。采用预训练自编码器获取最优初始化参数,极大增强了模型边界决策能力。在异常检测实验中,该模型准确率达到95.47%,相比基于机器学习的异常检测模型平均提升8.92%;在欺骗攻击检测实验中,该方法相比现有欺骗攻击检测技术在攻击节点运动与静止状态下均表现出更好的性能,能够准确检测并识别出中间人攻击、冒充攻击、重连接欺骗攻击3种欺骗攻击。展开更多
绝缘油是电抗器内部重要的绝缘介质,击穿电压是评估其绝缘特性的关键指标,与绝缘油的品质状态密切相关。本文共选取155组电抗器绝缘油进行实验,分别进行击穿电压的测定和多频超声信号在油样中传播衰减后信号的采集,分析多频超声声学参...绝缘油是电抗器内部重要的绝缘介质,击穿电压是评估其绝缘特性的关键指标,与绝缘油的品质状态密切相关。本文共选取155组电抗器绝缘油进行实验,分别进行击穿电压的测定和多频超声信号在油样中传播衰减后信号的采集,分析多频超声声学参数和击穿电压之间的幅频响应、相频响应之间的关系,并基于多频超声检测技术提出结合灰狼优化算法(grey wolf optimizer,GWO)优化随机森林算法(random forest algorithm,RF)的击穿电压预测方法。结果表明:GWO-RF绝缘油击穿电压预测模型的预测值与实际值的平均相对误差为4.04%,预测准确率达到95.96%,相较于优化前的RF绝缘油击穿电压预测模型准确率提升了20.25%。结合多频超声检测技术和GWO-RF建立的并联电抗器绝缘油击穿电压预测模型,对击穿电压的预测具有可行性。展开更多
文摘数据清洗、特征选择和预测模型建立是基于数据采集与监视控制系统(supervisory control and data acquisition,SCADA)数据,实现风电机组异常状态预警不可缺少的重要环节。先结合孤立森林(isolation forest,iForest)和基于密度的空间聚类(density-based spatial clustering of applications with noise,DBSCAN)算法对SCADA数据异常点进行有效清洗,并采用随机森林算法(random forests,RF)与Person相关系数法优选模型输入参数;再进而基于Optuna优化的类别提升树(categorical boosting,CATBoost)算法,建立风电机组正常工况齿轮箱油池温度的预测模型;然后采用滑动窗方法,构建状态评价指标,并使用区间估计理论确定油温异常状态判别的临界阈值;实现油温异常预警;最后,采用某风电机组SCADA系统油温异常的真实历史故障数据进行检验,验证了该方法的有效性。
文摘针对现有低功耗蓝牙(BLE)欺骗攻击检测技术准确率低的问题,提出了一种基于异常指纹的BLE欺骗攻击检测技术,将攻击者的射频指纹作为异常数据,把欺骗攻击检测建模为异常检测问题;设计了一种基于深度支持向量描述(Deep Support Vector Data Description,DeepSVDD)的异常指纹检测模型——RFFAD_DeepSVDD,并使用残差单元构建网络模型,有效缓解了机器学习异常检测算法非线性特征提取不足的问题。采用预训练自编码器获取最优初始化参数,极大增强了模型边界决策能力。在异常检测实验中,该模型准确率达到95.47%,相比基于机器学习的异常检测模型平均提升8.92%;在欺骗攻击检测实验中,该方法相比现有欺骗攻击检测技术在攻击节点运动与静止状态下均表现出更好的性能,能够准确检测并识别出中间人攻击、冒充攻击、重连接欺骗攻击3种欺骗攻击。
文摘绝缘油是电抗器内部重要的绝缘介质,击穿电压是评估其绝缘特性的关键指标,与绝缘油的品质状态密切相关。本文共选取155组电抗器绝缘油进行实验,分别进行击穿电压的测定和多频超声信号在油样中传播衰减后信号的采集,分析多频超声声学参数和击穿电压之间的幅频响应、相频响应之间的关系,并基于多频超声检测技术提出结合灰狼优化算法(grey wolf optimizer,GWO)优化随机森林算法(random forest algorithm,RF)的击穿电压预测方法。结果表明:GWO-RF绝缘油击穿电压预测模型的预测值与实际值的平均相对误差为4.04%,预测准确率达到95.96%,相较于优化前的RF绝缘油击穿电压预测模型准确率提升了20.25%。结合多频超声检测技术和GWO-RF建立的并联电抗器绝缘油击穿电压预测模型,对击穿电压的预测具有可行性。
