基于多智能体的电力信息融合模型设计
基于多智能体技术的协同信息融合系统研究
维普资讯
第２ ８卷
第４ 期
指挥 控制 与仿 真
Ｃｏ ｍｍａ ｄ Ｃｏ ｔ ｌ Ｓ ｍｕ ａｉ ｎ ｎ ｎ ｒ ＆ ｉ ｌｔ ｏ ｏ
、＿ －８ ＮＯ ４ ／ｌ ０２ ．
２０ ０ ６年 ８月
Ａｕ ． ０ ６ ｇ２ ０
文章编 号 ：１ ７ —８ ９２ ０ ）４０ １－４ ６ ３３ １（０ ６０ ．０ ３０
Ｋｅ ｒ ｓ ｎ ｏ ｍａ ｉ ｎ ｆ ｓ ｏ ； ｅ ｆｃ Ｏ ｅ ａ ｉ ｎ ｓ ｎ ｏ ａ ａ ｅ ｅ ｔ ｍｕ ｔ ａ ｅ ｔ ｙ ｗｏ ｄ ：ｉ ｆ ｒ ｔ ｕ ｉ ｎ ｓ ｌ－ Ｏ ｐ ｒ ｔ ； ｅ ｓ ｒ ｏ Ｏ ｍ ｎ ｇ ｍ ｎ； ｌｉ ｇ ｎ —
在作 战态势 瞬息万变 的现 代战争 中 ，依 靠单 一 传感器 提 供信息 已无法满 足作 战需要 ，必须 采用 不 同类 型的 多传感 器提供 观测数 据 ，并进行 多传感 器 信 息融合 ，才能 掌握准 确的 战略 、战术情 报 ，获得
ａ ｉ ａ ｉ ，ｔ ｅ ｃ ｏ ｅ ａ ｉ ｎ ｅ ｌ ｅ ｔ ｉ ｆ ｒ ｔ ｕ ｉ ｎ ｏ ｖ ｉ ｏ Ａ ｂｓ ｒ ｔ Ｉ ｒ ｅ ｏ ｍｉ ｅ ｔ ｏ ｅ ｔ ｌ ｉ ｆ ｒ ｔｏ ｏ ｔ ａｃ ： ｎ ｏ ｄ ｒ ｔ ｎ ｈｅ ｐ ｔ ｎ ｉ ｎ ｏ ｍａ ｉ ｎ ｃ ｍｂ ｎ ｔ ｎ ｈ ｏ ｐ ｒ ｔ ｅ ｉ ｔ ｌ ｇ ｎ ｎ ｏ ｍａ ｉ ｎ ｆ ｓｏ
基于人工智能的电力调度机器人功能架构分析_1
基于人工智能的电力调度机器人功能架构分析发布时间：2023-02-23T06:15:43.261Z 来源：《中国电业与能源》2022年第19期作者：张杰张愿强王川[导读] 随着我国经济高速发展，对于电力资源的需求也越来越多张杰张愿强王川云南电网有限责任公司红河供电局，云南省红河州蒙自市，661100云南电网有限责任公司红河供电局，云南省红河州蒙自市，661100云南电网有限责任公司红河供电局，云南省红河州蒙自市，661100摘要：随着我国经济高速发展，对于电力资源的需求也越来越多，电力系统运行过程当中，合理利用电力调度机器人能够有效提升工作质量和效率，满足当前电力资源需求的同时，推动行业可持续发展和进步。
基于此，本文简单讨论电力调度机器人系统概述及需求，深入探讨功能模块，以供参考。
关键词：人工智能；电力调度机器人；功能架构前言：电力系统是复杂的大规模的复杂大范围的非线性复杂系统，在运行过程中，因受到各种因素的影响和干扰，使传统调度方式无法满足电力调度自动化业务对工作人员要求越来越高、要求越来越严格。
针对传统调度系统中存在工作效率低、可靠性差等问题，电力调度机器人将人工智能技术应用于调度自动化业务系统的研究上，将机器人技术引入到调度自动化业务中，实现了从传统操作人员到智能化操作人员的转变。
1.电力调度机器人系统概述及需求分析1.1工作原理电力调度机器人主要包括以下部分：机器人本体，包括移动底盘、机械臂、机械手等。
运行环境，包括环境控制软件和操作系统的组成，以实现机器人在复杂环境下的运动。
控制中心，实现与调度自动化系统数据接口，实时获取电网运行参数。
执行机构，完成机械臂的抓取、放置工作，并配合机械手执行其他动作。
辅助设备，包含通信设备、信号采集设备和视频监控设备。
1.1技术要求技术要求主要包括以下几个方面：第一，多传感器数据融合：通过多传感器信息融合技术，将现场实时采集的视频图像、环境噪声、操作人员动作等外部因素进行处理后反馈到控制器，以保证机器人系统的安全稳定运行。
大型复杂电力系统的多传感器信息融合智能技术
信息融合技术在电力系统 中的应用是 电力系统 今后发展的必然趋势．电力事 业的迅猛发展 ， 使得
了新 的问题 ． 随着 国家 电力数据 网 的建设 ， 电站综 变
合自 动化 、 配电网自动化系统的普及 ， 各种信息管理
系统 在 电力领域 的应用 ， 都表 明 ｒ 技 术 已越 来越 融 ｒ
作者简介 ： 王耀南 （ ９７ ， ， １５ 一） 男 教授 ， 博士生导师 ， 主要从事控制科学 与工程 、 模式识别与智能 系统 、 电气控制工程 、 杂工程综合 自动化 复 系统研究．
通讯作者 ： 王耀南 ， ， 男 教授 ， 博士生导师 ； — ａｌｙｏａ ＠ｈ ｕ ｃ Ｅ ｍ ｉ ａｎｎ ｎ ．ｎ ：
要用 统计 的方 法直 接模 拟 观 测 数据 的 随机 形 式 ， 而
出． 所有这些 ， 都对电力系统 的信息处理技术提出了 更高的要求． 与此 同时信息 的融合处理是未来电力
维普资讯
第 ２ 卷第 ２ ３ 期
王耀南 ： 大型复杂电力系统的多传感器信息融合智能技术
２ ５
性较大 ， 未能实现信息 的优化 ， 信息 的应用过于简
单， 导致 控 制系统 在 处 理边 缘 问题 上 的 缺 陷 十分 突
行 目标识别． 在某些场合 ， 多传感器数据融合并不需
关
键 词 ： 复杂电力工业系统； 多传感器信息融合； 智能信息处理
中图分类号 ：Ｍ７ ； ４７６ Ｔ ６ Ｆ０．１
文 献标识 码 ： Ａ
文 章编 号 ：６３ １０２０）２０２－ １７－ ４（０８０－ ４ ６ ９ ０ ０
Ｒｅ ｅ ｒ ｈ ｏ ｎ ｅｌ ｅ ｔｔ ｃ ｎ ｑ ｅ ｆｍ ｕ ｔ ｅ ｓ ｒ ｉ ｆ ｒ ａ ｉｎ ｓ ａ ｃ ｎ ｉ ｔ ｌ ｇ ｎ ｅ ｈ ｉ ｕ ｓｏ ｌ ｓ ｎ ｏ ｎ ｏ ｍ ｔｏ ｉ ｉ
嵌入式系统课程设计题目
嵌入式系统课程设计题目1.ARM系统在LED显示屏中的应用（利用ARM系统控制彩色LED显示屏）2.ARM－Linux 嵌入式系统在农业大棚中的应用（温度、湿度和二氧化碳浓度是影响棚栽农作物生长的3 大要素。
为了实现农业大棚中这3 种要素数据的远程实时采集,引入了当前嵌入式应用中较为成熟的ARM9 微处理器和Linux 嵌入式操作系统技术, 采用温度传感器PH100TMPA、湿度传感器HM1500 和二氧化碳浓度传感器NAP221A ,设计一种基于TCP/ IP 协议的嵌入式远程实时数据采集系统方案。
从硬件设计和软件实现2方面对该系统进行具体设计。
）3.ARM 嵌入式处理器在智能仪器中的应用（设计一种基于ARM 嵌入式处理器系统的智能仪器的硬件和软件设计方案, 并结合uc/o s2II或者Linux嵌入式实时操作系统, 给出一套完整的任务调度和管理的方法, 最后用实例说明）4.ARM系统在汽车制动性能测试系统中的应用（采用ARM系统构建一个路试法的汽车制动性能测试系统）5.ARM 嵌入式控制器在印染设备监控中的应用（针对拉幅热定型机,设计一种基于485 总线的分布式监控系统。
用ARM 嵌入式控制器实现主、从电机的同步运行和烘房温度的控制;在PC 机上用VB6. 0 设计转速和温度的监控画面;实现ARM、变频器和PC 机之间的数据通信。
）6.基于ARM系统的公交车多功能终端的设计（完成电子收费、报站、GPS定位等功能）7.基于ARM9的双CAN总线通信系统的设计（设计一种基于ARM9内核微处理器的双路CAN总线通信系统。
完成系统的总体结构、部分硬件的设计,系统嵌入式软件的设计,包括启动引导代码U - boot、嵌入式L inux - 操作系统内核、文件系统以及用户应用管理软件四个部分。
）8.基于ARM9 和Linux 的嵌入式打印终端系统（嵌入式平台上的打印终端的外围电路连接设计、嵌入式Linux 的打印机驱动程序开发和应用程序的开发）9.基于ARM 的车载GPS 终端软硬件的研究（重点研究基于ARM 的导航系统的软硬件设计）10.ARM系统在B超系统中的应用（完成系统软件硬件设计，包括外围电路）11.基于ARM 的嵌入式系统在机器人控制系统中应用（提出一种基于ARM、DSP 和arm-linux 的嵌入式机器人控制系统的设计方法, 完成控制系统的功能设计、结构设计、硬件设计、软件设计）12.基于ARM的视频采集系统设计（完成系统软件硬件设计，包括外围电路，采用USB接口的摄像头）13.基于ARM的高空爬壁机器人控制系统（构建一种经济型的爬壁机器人控制平台, 与上位机视觉定位和控制系统结合,使其适用于导航与定位、运动控制策略、多机器人系统体系结构与协作机制等领域。
多源信息融合建模与智能交互技术
多源信息融合建模与智能交互技术随着信息技术的不断发展和应用，各种信息资源如雨后春笋般涌现，信息量的爆炸性增长给人们带来了巨大的便利和挑战。
如何从海量信息中准确、高效地获取需要的信息，成为信息领域急需解决的重要问题。
多源信息融合建模与智能交互技术应运而生，为信息处理带来了全新的思路和方法。
一、多源信息融合建模：1.1 信息融合的概念和意义信息融合是指将来自不同信息源或不同传感器的信息进行整合和分析，使之能够提供更准确、更全面的信息结果。
信息融合技术的发展，能够有效地解决信息过载、信息冗余以及信息不一致等问题，提高了信息的利用率和价值。
1.2 多源信息融合的模型与方法多源信息融合建模主要包括信息融合的层次模型、信息融合的数学模型、信息融合的方法与算法等。
通过对不同信息源进行数据融合、特征融合和决策融合，构建多源信息融合模型，提高信息处理的准确性和鲁棒性。
1.3 多源信息融合的应用领域多源信息融合建模可应用于智能交通系统、环境监测预警、医疗诊断、军事作战指挥等领域，为各行业提供了创新性的解决方案。
各种传感器信息、网络信息、遥感信息等可通过信息融合技术，进行整合和分析，为相关决策提供支持。
二、智能交互技术：2.1 智能交互的概念和特点智能交互是指基于人工智能技术，通过模拟人类智能行为和语言，实现人与计算机或机器人之间的自然、便捷的交互。
智能交互技术的核心是实现智能的感知、理解、推理和表达能力，使机器能够更好地理解和适应人类的需求。
2.2 智能交互的关键技术智能交互技术包括语音识别、自然语言处理、情感识别、智能推荐等关键技术。
通过人机对话系统、虚拟个人助理等智能交互界面，实现人与计算机之间更加便捷、高效的信息交流。
2.3 智能交互的应用场景智能交互技术已经广泛应用于智能音响、智能掌柜、智能家居、智能医疗等各个领域。
通过人机对话、语音搜索、情感交流等方式，为用户提供更加便捷、个性化的服务体验。
三、多源信息融合与智能交互的结合：3.1 多源信息融合与智能交互的意义多源信息融合与智能交互的结合，可以实现信息的多维度、多角度的分析和理解，为用户提供更准确、更个性化的信息服务。
多智能体系统的协同控制算法设计与应用
多智能体系统的协同控制算法设计与应用随着科技的发展和人工智能的广泛应用，多智能体系统成为了一个热门研究领域。
多智能体系统指的是由多个智能体组成的系统，智能体之间通过通信和协同行动实现特定的任务。
在实际应用中，多智能体系统具有广泛的应用领域，例如无人车队、网络机器人、无人机编队等。
为了实现多智能体系统的协同工作，关键的一步是设计合适的协同控制算法。
本文将探讨多智能体系统的协同控制算法设计与应用的相关问题。
协同控制算法的设计对多智能体系统的性能和效率具有重要影响。
一个好的协同控制算法能够使多智能体系统以一种协调一致的方式工作，充分利用每个智能体的能力，提高系统的整体性能。
协同控制算法通常要解决的问题包括任务分配、路径规划、状态更新和信息交流等。
下面将具体介绍多智能体系统协同控制算法的设计和应用。
首先，任务分配是协同控制的基础。
在多智能体系统中，不同的智能体可能负责不同的任务，任务分配的目标是使系统中的每个任务都能被一个或多个智能体完成。
任务分配问题可以通过运用分布式算法来解决。
分布式算法是指将系统分为多个子系统，每个子系统只考虑与之相关的局部信息进行计算，最后以一种分布式的方式得出整体的解。
常用的任务分配算法包括双线性消减法、增量式任务分配法和利用图论的最小费用流算法等。
其次，路径规划是协同控制算法的重要组成部分。
在多智能体系统中，智能体需要根据任务和环境的要求规划出一条最优的路径，以实现任务的完成。
路径规划算法旨在找到最短路径或最优路径，减少智能体之间的冲突和碰撞。
常见的路径规划算法包括A*算法、D*算法和强化学习算法等。
A*算法是一种启发式搜索算法，通过评估路径长度和启发式函数来确定最佳路径。
D*算法则是一种增量搜索算法，它可以动态规划地修正路径并适应环境的变化。
而强化学习算法则通过智能体与环境的交互来学习最优路径。
另外，多智能体系统的状态更新也是协同控制算法需要解决的问题之一。
智能体的状态通常包括位置、速度和加速度等信息，根据状态更新的周期和精度的不同，可以分为离散状态更新和连续状态更新。
基于多智能体协同的多模态信息融合研究
基于多智能体协同的多模态信息融合研究随着人工智能和物联网技术的发展，信息融合已经成为一个非常热门的研究领域。
而针对多模态信息的融合，多智能体协同成为了一种非常有前途的研究方向。
多智能体协同是指一组智能体通过协作形成的一种复杂系统。
在这种系统中，每个智能体可以独立地完成某些任务，但是需要协同才能实现更高层次的任务。
这种协同能力可以有效地提高系统的效率和可靠性。
而对于多模态信息融合来说，这种协同能力尤为重要。
多模态信息融合是指将来自不同源头的多种类型的信息进行融合，从而得出更加全面、准确的信息。
这种信息可能来自于视觉、声音、触觉等多个感官。
对于单一的智能体来说，要同时处理这么多信息是非常困难的。
但是如果使用多智能体协同，每个智能体可以专注于自己最擅长的领域，从而有效地提高信息处理的效率和准确性。
目前，多智能体协同在多模态信息融合方面已经取得了一些非常有意义的成果。
例如，在人脸识别领域，可以使用多个智能体分别针对不同的视角、光线等进行分析，然后通过协同的方式得出最终的识别结果。
而在机器人领域，多智能体协同更是发挥了非常重要的作用。
通过多智能体协同，机器人可以同时进行视觉、声音、触觉等多种感官的信息处理，从而更加准确地掌握环境中的信息，并做出更加精确的决策。
但是，要实现高效的多智能体协同并不是一件容易的事情。
这需要从多个方面进行研究，包括智能体之间的通信、任务分配、决策等方面。
其中，智能体之间的通信是非常关键的。
在多智能体协同中，不同的智能体之间需要进行频繁的通信，以便更全面、准确地了解其他智能体的状态和任务。
因此，如何设计高效可靠的通信机制是非常重要的。
此外，多智能体协同还需要进行任务分配。
在系统中，每个智能体都需要被分配到最适合自己的任务，从而发挥最大价值。
这需要一个完善的任务分配算法，并且需要考虑到每个智能体的特点，以及整个系统的性能。
最后，多智能体协同还需要进行决策。
在系统中，每个智能体需要根据自己的任务和环境变化不断地做出决策，而这些决策需要在整个系统的框架下进行协调。
基于信息融合的多智能体协作方法的研究与应用
ＺＨＡＮＧ ａ － ｏ ｇ． Ｕ ｉ Ｐ Ｘｉｏ ｙ ｎ Ｗ Ｍ ｎ． ＥＮＧ ｕ ． ｓａ ｃ ｎ ｐ ｌ ａ ｏ ｎ Ｍ ＡＳ ｃ ｌ ｂ ｒ ｔ ｎ ｍｅ ｈ ｎ ｓ Ｊ ｎ Ｒｅｅ ｒ ｈ ａ ｄ ａ ｐ ｉ ｔ ｎ ｏ ｃｉ ｏｌ ｏ ａ ｏ ｃ ａ ｉｍ ｂ ｓｄ ｏ ｎ ｏ ｍａ ａ ｉ ａ ｅ ｎ ｉ ｆｒ －
张晓勇 ， 吴 敏， 彭 军
Ｚ ＨＡＮＧ Ｘｉｏ ｙ ｎ ， Ｕ ｎ， Ｅ ａ— ｏ ｇ Ｗ Ｍｉ Ｐ ＮＧ Ｊ ｎ ｕ
中南大学 信息科学与工程学院 ， 沙 ４ ０８ 长 １０ ３
Ｓ ｈ ｏ ｆ Ｉ ｆｒ ｔ ｎ Ｓ ｉｎ ｅ ａ ｄ Ｅ ｇｎ ｅ ｎ Ｃ ｎ ｒ ｌ Ｓ ｕｈ Ｕ ｉｅ ｓｔ Ｃ ａ ｇ ｈ ８ Ｃｈｎ ｃ ｏ ｌ ｏ ｎｏ ｍａｉ ｃｅ ｃ ｎ ｎ ｉｅ ｒ ｇ， ｅ ｔ ｏ ｔ ｎ ｖ ｒ ｉ ｏ ｉ ａ ｙ， ｈ ｎ ｓ ａ ４１ ￣ ３， ｉ ａ
摘
要 ： 信 息 融 合技 术运 用到 多智 能 体 系统 中 ， 用信 息 融合 方 法对 智 能 体 得 到 的在 空 间上 分 布 的其 他 智 能体 感 知 的局 部 信 息 将 利
进 行 融合 ， 到较 完整 的 态 势评 估 ， 此 来规 划和 协 调 多 智 能体 系统 的 协 作 行 为 ， 出 了 一 种基 于 信 息 融 合 的 多智 能 体 协 作 方 法 。 得 以 提
１ 引言
近年来 多智 能体 系统 （ ｌ — ｇｎ ｙｔｍ， Ａ ） Ｍｕｔ Ａ ｅ ｔＳ ｓ Ｍ Ｓ 已经 成 ｉ ｅ 为人工智能领域 的重要研 究方 向之 一 。ＭＡ Ｓ由多个具有 独立 的问题求解能力和交互能力的智能体构成 ， 这些 智能体 共同合 作， 完成团队任务 。团队任务在 时间或空间上 的复杂性超越 了 个体的能力 ， 仅仅依靠个 体行 为的实现是不可能 、 不经济 、 不完
基于信息融合的多智能体协同决策技术
基于信息融合的多智能体协同决策技术随着科技的不断发展，多智能体系统在现实生活中的应用越来越广泛，如智能交通、智能建筑、智能制造等领域中，多个基于不同技术的智能体之间需要进行协同决策，以实现整体最优化目标。
而信息融合作为基于传感器数据的决策和控制领域中的重要技术，可用于提高多智能体系统的决策效率与性能，但也面临着一系列技术挑战和应用难点。
一、信息融合及其应用信息融合是利用多源数据集集成和处理技术，融合不同数据源的信息以提供更准确、全面、及时的信息。
在多智能体系统中，由于各智能体拥有不同的传感器、控制器、感知器等，因此会产生大量不同类型、不同精度、甚至冲突的数据和信息，信息融合技术可以有效地解决这些问题。
信息融合技术应用广泛，如军用目标跟踪、交通控制、智能建筑等领域。
二、多智能体协同决策多智能体系统是由多个智能体联合组成的系统，智能体间通过通信、共享信息、协调等方式完成任务。
多智能体系统的协同决策是指在多智能体之间协调和合作，寻求全局最优解。
多智能体协同决策技术应用广泛，如智能交通系统中的交通调度、战场作战中的战术决策等。
三、基于信息融合的多智能体协同决策技术基于信息融合的多智能体协同决策技术是结合多智能体协同决策和信息融合技术的一种新型决策方法。
该技术通过将多智能体的感知信息进行融合，得到更全面、更准确的环境感知，从而实现多智能体协同决策的优化。
信息融合技术可以对感知信息进行处理，提高信息的准确性、可靠性和可用性，同时可以利用信息融合模型对多智能体系统中的信息进行推断，提高决策的可靠性和有效性。
四、应用难点与技术挑战基于信息融合的多智能体协同决策技术存在着一系列应用难点和技术挑战。
如多智能体的异构性、不确定性、动态性等问题，会对信息的融合和协同决策造成影响。
同时，多智能体系统的数据安全与隐私保护也是一个需要考虑的问题。
为了解决这些技术挑战，需要在算法设计、模型优化、系统架构等方面进行深入研究，开发出具有高效、可靠性和灵活性的信息融合技术和多智能体协同决策技术。
科技成果——基于多源信息融合的智能感知电力变压器健康状态评估
科技成果——基于多源信息融合的智能感知电力变压器健康状态评估技术开发单位上海电力大学成果简介变压器设备进行状态监测是一种有效的手段，可随时对运行设备进行绝缘监测，发现设备内部隐患，能在不停电的状况下及时了解设备的运行状况，减少停电带来的经济损失，使得变压器的检修工作能够安全有计划的运行。
目前常用的变压器局放监测通常采用某一种局放检测方式，其频段处于不同区域，容易受到相应频段噪声干扰，影响评估结果。
本在线监测装置通过采用特高频、高频、超声波等局放通道，并含有变压器振动信号、铁心接地电流、夹件接地电流、变压器中性点接地电流、风机电流、油泵电流的信号在线监测。
上位机系统软件自动转换信号采集数据成图形方式和管理报表形式，局部放电量的数据、波形图、趋势图、多周期扫描图、二维图、三维图，振动信号的时域图、频域图、振动幅值、频率复杂度、振动平稳性、能量相似度和振动相关性的数据和时间的序列趋势图。
最后，智能感知、分析与决策系统根据多源信息进行融合判决，评估变压器的健康状态，提高评估精度。
系统构成变压器在线监测系统主要由各类传感器、现场信号处理单元、信号采集单元、上位机组成。
每套系统包含一个数据中心，每个数据中心可控制多个现场信号处理单元，每个现场信号处理单元可采集多路传感器信号。
系统通过相应的传感器检测变压器内部发生的特高频局部放电信号、高频局部放电信号、超声波局部放电信号、振动信号、环境温湿度信号、负荷电压电流信号、铁心接地电流信号、夹件接地电流信号、中心点接地电流信号、风机电流信号、油泵电流信号，信号采集单元实时采集监测信息信号，采集数据送入数据中心后台监测单元，数据中心对采集数据进行可视化图谱统计分析，智能报警，显示局部放电量的数据、波形图、趋势图、多周期扫描图、二维图、三维图，振动信号的时域图、频域图、振动幅值、频率复杂度、振动平稳性、能量相似度和振动相关性的数据和时间的序列趋势图，并通过显示屏进行显示，便于远程查看、操作和控制。
基于多智能体系统的协同感知与决策技术研究
基于多智能体系统的协同感知与决策技术研究概述在现代社会中，随着科技的不断进步和应用领域的扩展，多智能体系统的概念得到了广泛的应用。
多智能体系统是由多个智能体组成的，并通过相互协作和通信实现共同的目标。
协同感知与决策技术作为多智能体系统中的重要组成部分，对于解决实际问题具有重要意义。
一、协同感知技术协同感知技术是指将多个智能体的感知能力进行整合和融合，使得整个系统能够获取更全面、准确的环境信息。
在协同感知技术中，通信是关键的环节。
智能体之间需要及时地共享感知的信息，以便协同进行决策。
同时，协同感知技术还需要考虑信息的冗余性和可靠性，避免因为信息错误或者缺失而导致决策错误。
为了实现协同感知技术，可以采用分布式感知算法和分布式信息融合算法，通过智能体之间的合作，完成感知任务的分工和数据的整合。
二、协同决策技术协同决策技术是指在多个智能体中进行决策，并通过相互协作和协商达成最优的决策结果。
在协同决策中，需要考虑诸多因素，包括智能体之间的相互协作关系、决策的目标函数、约束条件等。
为了实现协同决策技术，可以采用集体智能算法、博弈论等方法。
集体智能算法可以通过模拟群体行为、学习机制等实现智能体之间的协同决策，而博弈论可以通过建立各个智能体之间的博弈模型进行决策。
三、协同感知与决策的应用领域协同感知与决策技术在许多领域具有广泛的应用前景。
以下是一些典型的应用领域：1.智能交通系统：在智能交通系统中，协同感知与决策技术可以帮助实现车辆之间的协同驾驶、交通流量的优化管理等目标。
通过实时获取交通状况、分析和决策，可以提高交通系统的效率和安全性。
2.环境监测与保护：协同感知与决策技术可以应用于环境监测与保护领域，通过多智能体系统对环境进行感知和决策，可以实现对污染源的定位、环境异常的检测等任务。
3.无人机系统：协同感知与决策技术可以应用于无人机系统中，实现多架无人机之间的协同飞行和任务分工。
通过智能体之间的通信和决策，可以实现目标搜索、救援等任务。
基于大数据的多源信息融合技术在电力系统中的研究
基于大数据的多源信息融合技术在电力系统中的研究作者：林志辉来源：《科学导报·学术》2020年第14期摘要：随着我国电力系统发展的规模不断扩大，通信技术、互联网技术、传感器等新科技的不断发展，人类社会步步走入智能电网的时代。
智能电网是以“源-网-荷-储”为基础，集成当时代前沿的数据采集技术、网络通信技术、数据处理技术、智能控制技术为一体的结晶产物。
而由大量传感器以及计算机分析产生了海量的形式结构不同的数据，数据已成为堪比石油还珍贵的资源，这些数据从全方位反映着智能电网的运行状态与运行环境。
如何准确的利用这项资源已经是一个全球性的话题。
大数据最先发展于互联网、金融、通信等行业，随着对数据的不断挖掘，大数据相关技术的研究由此而拉开序幕。
如今大数据技术正处于飞速发展阶段，大数据技术对电力大数据的精准高效分析也将在未来成为现代电力系统安全可靠运行坚实基础。
关键词：电力系统;大数据;多源数据融合引言智能电网集中大数据各项技术能够处理海量冗余的数据，通过分析挖掘对电力系统生产运营起决定性作用的信息数据。
同时依靠相关技术，在对信息量进行精简的同時仍要保证精确提取大部分数据的特征，不仅从数量上对数据进行极大的减少，提升了数据处理效率还能够迅速对电网安全可靠运行提供更有利的决策及建议。
1 数据融合的基本结构（1）数据层融合：这一层的融合是最基本、最简单的融合。
一般采用直接计算方法从所有的监测对象数据源提取研究所需要的特征状态量。
虽然所得到的结果更贴近于真实值，但是由于模型限制，在数据层中能分析综合的数据种类要求单一。
（2）特征层融合：该层融合属于中等层次的融合。
常规方法是对原有数据源的特征相量进行提取，再与上一层提取的初级融合的特征量进行结合，做关联分析和特征融合。
得到几个较大的对状态判断和模式识别起决定作用的特征向量。
（3）决策层聚合：该层融合是所有层次中最高级别的。
一般是利用所得决策向量结合相关算法做出分类、推理、识别、判断等决策。
基于多模态信息融合的变压器在线故障诊断方法
基于多模态信息融合的变压器在线故障诊断方法目录一、内容概括 (2)1.1 背景与意义 (2)1.2 国内外研究现状 (3)1.3 研究内容与方法 (4)二、多模态信息融合技术基础 (5)2.1 信息融合的定义与分类 (6)2.2 多模态信息融合的技术框架 (8)2.3 多模态信息融合在变压器故障诊断中的应用前景 (9)三、变压器故障特征提取 (10)3.1 变压器故障类型及特点 (11)3.2 故障特征提取方法 (12)3.3 多模态信息融合下的故障特征提取 (13)四、多模态信息融合故障诊断模型 (14)4.1 模型构建思路 (15)4.2 模型结构设计 (17)4.3 模型求解方法 (18)五、实验验证与分析 (19)5.1 实验数据与评价指标 (20)5.2 实验结果与分析 (21)5.3 与其他方法的对比 (22)六、结论与展望 (24)6.1 研究成果总结 (24)6.2 研究不足与改进方向 (25)6.3 未来研究展望 (27)一、内容概括随着电力系统的不断发展，变压器作为电力系统中的关键设备，其安全稳定运行对于保障电力供应至关重要。
由于变压器的复杂性和长寿命，故障问题在实际运行过程中难以避免。
研究和开发一种有效的在线故障诊断方法具有重要意义，基于多模态信息融合的变压器在线故障诊断方法是一种新兴的诊断技术，它通过综合运用声学、电磁场、温度等多种传感器获取变压器的实时运行状态信息，并利用现代信号处理和机器学习技术对这些信息进行分析和处理，从而实现对变压器故障的准确诊断。
本文将详细介绍该方法的理论基础、关键技术以及实验验证结果，旨在为变压器在线故障诊断提供一种有效且实用的方法。
1.1 背景与意义传统的变压器故障诊断主要依赖于单一模态的信息，如油中溶解气体的分析、局部放电检测等，这些方法虽然在一定程度上能够识别出一些常见的故障，但在面对复杂、隐蔽的故障时，其诊断效果往往不尽如人意。
随着信息技术的不断进步，多模态信息融合技术在各领域得到了广泛应用。
基于多智能体系统的数据融合算法研究
基于多智能体系统的数据融合算法研究随着人工智能的普及，多智能体系统作为人工智能的重要分支，近年来也受到了越来越多的关注。
多智能体系统中，每个智能体都是一个独立的个体，但它们之间可以相互合作，通过协作完成更加复杂的任务。
在这种情况下，如何将各个智能体收集到的数据进行融合，是多智能体系统研究中需要解决的重要问题。
数据融合是指将来自不同来源的数据进行整合、处理和分析，从而得到更加准确和完整的信息。
在多智能体系统中，每个智能体都有自己的传感器和数据采集设备，它们可以收集到不同的数据，如温度、湿度、光照等等。
如果将这些数据进行简单的加权平均，无法充分利用各个传感器的特点，可能会导致信息的丢失或误差的增大，因此需要一种高效的数据融合算法来处理这些数据。
首先，我们需要考虑数据的可靠性和准确性。
在多智能体系统中，由于各个智能体的位置和状态可能存在不确定性，因此收集到的数据也可能存在误差。
因此，在进行数据融合时，需要考虑数据的权重和置信度，对于不同的数据进行加权融合，提高整个系统的准确性和可靠性。
其次，我们需要考虑数据的关联性和时效性。
在多智能体系统中，各个智能体之间可能存在相互制约或依赖关系，因此需要对不同的数据进行关联分析，提高数据的时效性和处理效率。
例如，如果在一个温度监测系统中，各个智能体收集到的温度数据存在较大误差，我们可以通过对这些数据进行关联分析，找出误差来源，从而提高系统的准确性。
综上所述，多智能体系统中的数据融合算法需要解决诸多问题，包括数据可靠性、准确性、关联性和时效性等。
针对这些问题，目前已经有多种算法被提出，如基于贝叶斯网络的数据融合算法、基于模糊逻辑的数据融合算法等。
这些算法都有各自的优劣势，需要根据实际应用场景选择合适的算法进行优化和改进。
未来，随着多智能体系统的应用范围不断扩大，数据融合算法也将面临更加复杂的挑战。
例如，如何解决大规模多智能体系统中的数据融合问题、如何应对数据流动和动态拓扑变化等问题，都将是需要解决的难点。
多模态数据融合 基于注意力机制的创新方法
多模态数据融合基于注意力机制的创新方法1. 引言1.1 研究背景随着多模态数据的广泛应用，如文本、图像、音频等数据的同时存在性，多模态数据融合成为解决实际问题的重要手段。
传统的单一模态数据分析往往难以充分挖掘不同模态数据之间的关联性和互补性，而多模态数据融合可以有效地提高数据分析的准确性和效率。
研究如何有效地融合多模态数据已成为当前的热点和趋势。
多模态数据融合在许多领域都有着广泛的应用，如智能交通、医学影像分析、图像视频分析等。
通过整合来自不同传感器的数据，可以更全面地理解事物的本质和特征。
多模态数据的异构性和复杂性给数据融合带来了挑战，如何有效地结合不同类型的数据，提取有价值的信息成为当前研究的重点之一。
基于注意力机制的新方法为多模态数据融合提供了新的思路和解决方案。
利用注意力机制可以动态地学习和分配不同数据源的重要性，从而更好地实现数据融合的过程。
结合注意力机制的创新方法将会成为未来多模态数据融合研究的重要方向。
1.2 研究意义多模态数据融合是近年来在人工智能领域备受关注的研究方向。
多模态数据包括图像、文本、视音频等不同形式的数据，它们之间存在丰富的关联和互补性。
将不同模态的数据进行融合可以更全面地把握数据之间的信息和关联，从而提高数据的表征能力和学习性能。
多模态数据融合在很多领域都有着广泛的应用，比如在图像描述生成、视频内容理解、自然语言处理等方面都能发挥重要作用。
通过整合来自不同模态的信息，可以更好地理解和处理复杂的现实世界问题，从而推动人工智能的发展。
研究多模态数据融合的意义在于探索如何更好地利用不同模态数据的信息，提升数据处理的效率和准确性，从而为解决现实世界中的复杂问题提供更有效的解决方案。
通过对多模态数据融合的研究，可以不断探索新的方法和技术，推动多模态数据处理领域的发展，为人工智能技术的创新和应用开辟更广阔的空间。
1.3 研究目的研究目的是为了探索基于注意力机制的多模态数据融合的创新方法，以提高数据融合的效果和准确性。
智能配电网中营配信息融合技术研究
智能配电网中营配信息融合技术研究发表时间：2019-11-20T13:12:02.783Z 来源：《中国电业》2019年15期作者：李运生[导读] 本文通过对营配信息融合技术进行研究，分析其在智能配电网中的应用。
摘要：营销与配电是电网运行中的重要组成部分，尤其是在智能电网的带动下，更是体现营配信息的重要性。
为保障智能配电网营配过程的高效发展，电力企业采用信息融合技术，实现营配信息的一体化，在保障智能配电网高质量运行的基础上，推进营配发展。
因此，本文通过对营配信息融合技术进行研究，分析其在智能配电网中的应用。
关键词：智能配电网；营配信息；融合技术智能配电网的业务规模比较大，而且随着智能配电网的发展，各个业务模块表现出集中发展的优势。
智能配电网中的营销部分，属于基础的应用部分，为保障智能配电网的高效运行，必须融合营销与配电，实现信息共享。
营配信息融合技术对智能配电网的发展具有推动作用，提高配电网的经济能力，促进营销与配电的充分融合。
1.智能配电网中营配信息的需求智能配电网的发展，带动电力企业的经济发展，促使其具备较高的效益价值。
营配信息融合是智能配电网的发展趋势，主要是因为营销与配电环节均有融合需求，分析如：①智能配电网在市场需求的推动下，增加营销业务的类型，如：业扩、用电采集等，都需要可靠的配电信息，配电网需及时为营销业务提供电力数据，保障其具备营销能力，创造可观的经济效益；②配网业务是智能配电网的基础支撑，其需要在营销过程中获取市场信息，有效检测并维护智能配电网，保障配电网具备安全、稳定的运行能力，所以配电业务对营销存有一定的需求度。
2.智能配电网营配信息的融合方式智能配电网营配信息的融合方式可以分为两类，一类是接口连接，另一类是数据规划，对其做如下分析：2.1接口连接接口连接主要是在融合过程中连接营销与配电业务，促使两者能够处于统一的运营平台中。
电力企业针对营销、配电的业务系统，设定接口编码，适度修改系统内的设备信息，保障其具备连接的能力。
多模态信息融合的一般功能模型设计——基于融合功能与信息层次
多模态信息融合的一般功能模型设计——基于融合功能与信息层次潘巍;王阳生;杨宏戟【期刊名称】《计算机工程与应用》【年(卷),期】2006(42)29【摘要】根据信息融合的功能要素,在分析了现有几种信息融合的一般功能模型的特点后,提出了基于融合功能与信息层次的多模态信息融合的一般功能模型(FH模型).该模型综合了JDL模型、Omnibus模型和层次模型的优点,采取了JDL模型对信息融合功能的逻辑划分,指明了信息在系统中的流向,从而避免了开发基于JDL模型的信息融合系统时难以准确控制信息流向.此外,FH模型利用层次模型对Omnibus模型中的融合过程进行了更为细致的划分,同时加入了知识库和数据库管理体系,使信息融合的一般功能模型向更实用的方向迈进了一步,研究者可以将注意力更多地转向信息融合的结构模型和信息融合方法的设计,从而更有利于信息融合技术的研究.【总页数】4页(P27-29,35)【作者】潘巍;王阳生;杨宏戟【作者单位】首都师范大学信息工程学院,北京,100037;中国科学院自动化研究所模式识别国家重点实验室,北京,100080;Software Technology Research Laboratory, De Montfort University, Leicester, LE1 9BH, England【正文语种】中文【中图分类】TP391【相关文献】1.基于多模态信息融合的舞蹈信息集成服务研究 [J], 张丽英;徐飞;阮伟2.交通信息融合六级功能模型设计 [J], 尹玉龙3.基于多模态信息融合的图像情感标注方法 [J], 唐智川; 刘肖健; 杨红春; 卢纯福4.基于大脑磁共振成像的多模态多层次信息融合方法 [J], 南姣芬;孟攀婷;童志航;张金灿5.基于全局和局部信息融合的SVM多模态过程故障检测 [J], 郭金玉;李涛;李元因版权原因，仅展示原文概要，查看原文内容请购买。
断路器状态多信息融合评估方法及IEC 61850建模
断路器状态多信息融合评估方法及IEC 61850建模夏成林;沈宇龙;刘东升;周邵亮;陈晓聪【摘要】在研究并分析了断路器状态评估方法的基础上,提出了一种基于断路器维修曲线的多信息融合评估方法.根据断路器状态评估方法和IEC 61850建模规范,绘制了断路器分/合操作次数相对于分断跳闸动作电流的曲线图.结合断路器的预估寿命和最大通断电流等因素评估断路器触头寿命,形成了断路器的维修预警机制,从而实现了断路器的在线监视、保护、测控等设备功能的集成.该方案将原断路器智能组件功能集成到保护测控装置,通过制造信息声明(MMS)服务,将装置现有逻辑功能状态信息上传至后台服务器,以实现实时监视功能.将该方法集成于保护测控装置智能电子设备(IED)中,实现了断路器触头机械寿命预警监视功能.与现有其他断路器在线监测设备相比,该方法可降低站端设备的数量和成本.同时,IEC 61850建模的规范化有利于装置的功能扩展.%On the basis of the research and analysis of the status evaluation methods for the circuit breakers,the multi information fusion evaluation method based on the circuit breaker maintenance curve is proposed. According to the existing status evaluation methods for circuit breakers and IEC 61850 modeling specification,the curve of breaking / closing operation frequency versus trip operation current is plotted. Combined with the factors of estimated life of the circuit breaker and the maximum breaking current, etc. ,the life of the contact of circuit breaker is evaluated, and early warning mechanism of the circuit breaker maintenance is formed,thus the function integration of the circuit breaker is achieved,including the online monitoring,protection,monitoring and control. This strategy integrates the functions of original intelligentcomponents of circuit breaker into the protection and control device,the existing logic function status information of the device is uploaded to the background server through the manufacturing message specification ( MMS ) service, then the real -time monitoring function is realized. And it has been integrated in the intelligent electronic devices( IED) of the protection and monitoring equipment to realize the function of mechanical life warning and monitoring for the contacts of circuit breaker. Compared with other existing on line monitoring equipment of circuit breakers, this method reduces the cost and quantity of the equipment. In addition,the standardization of IEC 61850 modeling is helpful to improve the functional scalability of the device.【期刊名称】《自动化仪表》【年(卷),期】2017(038)012【总页数】5页(P37-40,45)【关键词】断路器;多信息融合;状态评估;预警监视;IEC 61850;保护测控装置;智能电子设备【作者】夏成林;沈宇龙;刘东升;周邵亮;陈晓聪【作者单位】国电南瑞科技股份有限公司,江苏南京211106;南瑞集团公司(国网电力科学研究院),江苏南京211106;智能电网保护和运行控制国家重点实验室,江苏南京211106;国电南瑞科技股份有限公司,江苏南京211106;南瑞集团公司(国网电力科学研究院),江苏南京211106;智能电网保护和运行控制国家重点实验室,江苏南京211106;国电南瑞科技股份有限公司,江苏南京211106;南瑞集团公司(国网电力科学研究院),江苏南京211106;智能电网保护和运行控制国家重点实验室,江苏南京211106;国电南瑞科技股份有限公司,江苏南京211106;南瑞集团公司(国网电力科学研究院),江苏南京211106;智能电网保护和运行控制国家重点实验室,江苏南京211106;国电南瑞科技股份有限公司,江苏南京211106;南瑞集团公司(国网电力科学研究院),江苏南京211106【正文语种】中文【中图分类】TH3;TP23断路器的正常运行关系到变电站的整体稳定运行。
一种新的基于多信息融合的智能控制方法
一种新的基于多信息融合的智能控制方法
孙瑜欣
【期刊名称】《自动化应用》
【年(卷),期】2024(65)7
【摘要】提出一种新的融合人脸与人体姿态识别的智能控制方法。
该算法首先通过人脸识别进行身份鉴别,然后基于深度图像采集人体骨骼信息进行姿态识别,最后根据识别的姿态信息进行指令重构。
其中,人脸识别部分采用较新的LTDP2算法(局部自适应三值微分模式)。
经实验验证,LTDP2算法能够高效地提取人脸特征,在复杂光线场景下仍可以保持较高的识别准确率。
姿态识别部分采用三目摄像头采集人体深度信息,通过对骨骼点相对位置的分析,获得姿态指令,然后对单一指令进行组件化重构,最终拼接成一套完整的控制指令。
该算法能够有效解决在封闭无人的场景下对智能系统进行控制的问题。
【总页数】4页(P39-41)
【作者】孙瑜欣
【作者单位】上海工业自动化仪表研究院有限公司
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种新的基于多信息测度融合的边缘检测方法
2.一种新的基于多核学习特征融合方法的语音情感识别方法(英文)
3.基于信息融合技术的工业链条炉智能控制方法
4.Clinical Effect of High-dose Ambroxol Combined with Moxifloxacin on Elderly Patients with Chronic Obstructive Pulmonary Disease and Severe Pneumonia
5.一种新的融合空间信息的半监督变化监测方法
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
１所 示
经 济 、 效 的 运 行 状 态 ． 当 前 现 的 新 课 题 与 电 高 是 网 规 模 的 增 长 速 度 相 比 ． 电力 信 息 处 理 技 术 还 相 对 滞 后 存 存 一 些 问 题 先 ． 息 的 重 复 采 集 造 成 重 首 信 复 投 资 和 数 据 多 级 冗 余 ： 其 次 ． 信 息 的 利 用 过 于 简
和 控 制 对 象 的 一 致 性 解 释 和 全 面 描 述 ［． 而 制 定 ２继 ＝ 优 化 控 制 策 略 信 息 融 合 技 术 比 系 统 各 个 部 分 简 单
相 加 获 得 更 为 优 越 的性 能
对 于 复 杂 大 系 统 本 文 提 出 局 部 一 局 分 布 式 的 全 信 息 融 合 机 制 ． 层 信 息 融 合 采 用 的 方 法 和 得 到 的 ２
、
于 统 计 融 合 方 法 ． 从 机 理 上 说 是 目 标 的 模 式 识 别 问 题 ；２ 基 于 信 息 论 融 合 方 法 ． 依 靠 观 测 参 数 与 目 （） 是
标 系 统 身 份 之 间 的 映射 关 系 来 对 目标 进 行 标 志 的 方 法 ；３ 基 于 智 能 技 术 融 合 方 法 ． 人 １智 能 在 工 程 （） 是 二 领 域 的 应 用 ， 供 状 态 解 释 和 辅 助 决 策 等 功 能 提
合 ． 求 一 种 更 为 合 理 有 效 的 信 息 组 合 准断 扩 大 ． 现 存 的 电 力 系 统 已 绎 成 为 一 个 存 结 构 上 高 复 杂 性 、 在 模 型 上 高 阶 非 线 性 的 ｒ 域 复 杂 大 系 统 －在 保 持 系 统 安 全 的 前 提 下 ． ． 通 过 怎 佯 的控 制 和 决 策 调 度 ． 电 力 系 统 处 于 稳 定 、 使
融 合 技 术 ， 结 合 具 有 白适 应 性 、 组 织 性 和 层 次 性 并 白
的 多 智 能 体 技 术 ． 提 出 一 个 基 于 电 力 全 局 信 息 的 多 级 信 息 融 合 模 型 ． 在 该 模 型 的 基 础 上 构 建 了 一 个 面
向 域 电 网 的 全 局 电 压 无 功 优 化 控 制 系 统 ． 大 大 提
部 数 据 的 分析 应 用 系统 就 出现 综 合 数 据 不 足 ．复 杂 并行 处理 困难 及 分 析 智 能 化 低 等 问题 通 过 采 用 有 自适 应 性 、 自组 织 性 和 层次 性 的多 智 能 体 技 术 进 行 复 杂 任 务 分解 ．通 过 设 计 数 据 、关 联 和 知 识 三 层 信 息融 合模 型 来 保 证 海 量 信息 的综 合利 用 ．进 而 构 架 了一 个 多 层 电力 信 息 融 合 平 台 ．实 现 复 杂 多 源 电力 信 息 在各 个层 次 中 的 流 动 和 增值 ，实 施 海 量 数 据 处 理 的 信 息 智 能 融 合 策 略 。 在 信 息 融 合 平 台 基 础 上 设 计 和 实 现 了 面 向地 区 电 网 的全 局 级 电压 无 功 优 化 系 统 ．初 步 应 用 结 果 表 明该 设 计 是 先进 实 用 的
单 ．一 个 应 用 系 统 往 什 只 利 用 少 数 或 局 限 于 某 一 区 域 的 量 ． 致 边 缘 问题 现 和 控 制 决 策 偏 差 ： 重 要 导 最 的 是 还 没 有 形 成 高 效 、 智 能 的 电 力 运 营 及 辅 助 决 策 支 持 系 统 … 。 这 些 构 成 当 前 电 力 信 息 应 用 系 统 的 Ｔ 现 状 ： 据 孤 立 化 ． 能 单 一 化 ． 能 低 层 化 和 决 策 数 功 智 低 效 化 。 对 电 力信 息 系 统 现 有 问 题 ． 过 引 入 数 据 针 通
基于 多 智熊髂 晦 匆褥 瘪 龠攥
沈
（ ． 兴 电力局 ， 江 绍 兴 １绍 浙
祥 １ 传 柏ｚ ， 朱
３２ ０ ；． 江大 学 电气 工程 学 院 ，浙江 杭 州 ３ ０ ２ ） １００ ２ 浙 １０ ７
摘
要 ：随 着智 能 电 网 的发 展 ． 电力 控 制 中心 的 信 息 量 呈 指 数 增 长 ．且 数 据 相 互 孤 立 ．传 统 基 于单 系 统局
关 键 词 ：多 智 能 体 系统 （ Ｓ ；多级 信 息 融 合 ；信 息 集 成 总 线 ：全局 无 功 优 化 ＭＡ ）
中 图 分 类 号 ：Ｔ ６ Ｍ７ ９ 文献 标 志 码 ：Ａ 文 章 编号 ：１ ０ —６ ９ ２ １ ） ２０ ６ ．６ ０ ４９ ４ （ ０ ０ １ — ０ ４ ０
高 域 电 压 无 功 控 制 的 准 确 性 和 经 济 性
信 息 融 合 根 据 不 同 信 息 种 类 和 融 合 目 标 采 用 不 同 的 融 合 技 术 ． 合 理 论 和 技 术 主 要 分 为 融 ｏ ：１基 （）
１ 电力信息融合
１１ 信 息 融 合 技 术 ．
信 息 融 合 的 本 质 是 将 不 同 来 源 、 同 模 式 不 同 不
介 质 及 在 时 间 、空 问 上 冗 余 和 互 补 信 息 加 以 有 机 结
收 稿 日期 ：２ １ — ６ —８； 回 日期 ：２ ０ ０ —９ ０ ００ ７０ 修 ０１ —９ ２
图 １ 信 息 融 合 的 结构 示 意
Ｆ ｇ １ Ｓ ｒ ｃ ｕ ｅ ｏ ｆ ｒ ｔ ｎｆ ｓｏ ｉ ． ｔｕ ｔ ｒ ｆ ｎ ｏ ｍａ ｉ ｉ ｎ ｉ ｏ ｕ
局 部 信 息 融 合 输 出为 系 统 的 状 态 特 征 和 描 述 解 释 ， 局 信 息 融 合 输 出 为 对 策 建 议 和 辅 助 决 策 ２层 全