【摘 要】
：
地下变电站环境复杂,电气设备、障碍物和墙壁较多,传统的室内定位系统定位精度较低,无法满足日常工作的需求。为此文章提出了一种基于超宽带的查恩–高斯牛顿迭代–反向传播
【机 构】
：
南京工程学院电力学院,南京工程学院信息与通信工程学院
论文部分内容阅读
地下变电站环境复杂,电气设备、障碍物和墙壁较多,传统的室内定位系统定位精度较低,无法满足日常工作的需求。为此文章提出了一种基于超宽带的查恩–高斯牛顿迭代–反向传播神经网络(Chan-Gauss Newton-Back Propagation Neural Network,CGN-BPNN)的非视距误差抑制算法,首先利用Chan算法得出的坐标作为高斯牛顿迭代算法初始值进行迭代,并对算法所得的残差进行加权,使离标签越近的基站测得数据的权重提高,然后将迭代后得到的坐标值作为训练完毕的误差反向传播(Back Pr
其他文献
通过对智能变电站设备在故障时的告警信息的分类处理和推理,实现对故障的智能告警。文章梳理智能告警的工作流程,根据智能变电站告警信息的严重等级对信息进行分级处理并进行
精确故障测距是确保电力系统故障快速排查清除的关键技术,其中基于行波固有频率的故障测距方法在常规直流输电系统中具有突出的技术优势.但是通过分析发现,柔性直流电网故障
针对海量电力负荷数据,提出一种基于空间密度聚类和异常数据域的负荷异常值识别方法.首先,基于空间密度聚类方法将负荷曲线按照正常和异常用电模式进行分类,并对正常用电模式
含分布式电源的配电网存在潮流建模不精确、通信条件差、各无功补偿设备难以协调等问题,给配电网在线无功优化带来了挑战.文中采用深度强化学习方法,提出了一种多时间尺度配
为解决非视距(Non-Line-of-Sight,NLOS)严重的变电站环境下定位精度低的问题,在飞行时间(Time of Flight,TOA)测距方法的基础上,文章提出了融合Taylor级数和无迹卡尔曼滤波的
随着非同步电源渗透率增加,电网的惯性逐步降低,扰动后电网的频率变化率变大,频率调控面临着巨大挑战.近年来,快速频率响应(FFR)的概念已被提出,并应用于一次调频之前,为一次