课程文献中心 更多>>

关键词： 可再生能源   分布式储能   配电网   双层优化配置模型   NSGA-Ⅲ算法   电压稳定指数   预选址  

摘要： 在电力系统“双高”背景下,可再生能源发电快速增长,对配电网稳定性构成挑战,研究储能优化配置对提高分布式光伏消纳能力及配电网经济可靠运行具有重要意义。针对配电网的电压支撑需求与经济运行需求,提出了一种基于NSGA-Ⅲ算法的分布式储能双层多目标优化配置方法。在外层选址定容模型中,以分布式储能的位置和容量为决策变量,综合考虑储能总成本、配电网电压偏移和负荷波动,以提升配电网电压稳定性与经济性;在内层优化运行模型中,以储能的充放电状态为决策变量,考虑储能安装后的运营收益,以提高经济性;利用电压稳定指数识别系统中电压稳定性薄弱的节点作为预选址节点,以提高求解效率。算例分析表明,该储能配置方案及运行优化策略可实现储能投资效益最优,有效改善电网电压质量和功率稳定性,提高配电网运行水平。

关键词： GRU神经网络模型   火灾疏散路径动态规划   蚁群算法  

摘要： 高温环境下,传感器节点可能会出现工作状态异常的情况,由此引发误报、漏报等一系列问题,文章提出了融合门控循环单元神经网络(gated recurrent unit,GRU)和改进蚁群算法的室内建筑火灾逃生路径规划研究方法。根据火灾态势信息,建立GRU时序预测模型,实现对节点异常情况下火场内温度、CO浓度等态势信息的预测,并基于预测结果,利用改进的蚁群算法动态规划逃生路径,得到传感器工作异常情况下的火灾最佳安全逃生路径。研究结果表明,该方法在不同火灾时期都能有效规划出最佳疏散路径,具有实际应用价值。

关键词： 体素化广义迭代最近点算法   主成分分析   点云配准   下采样  

摘要： 为了满足工业中对目标工件进行三维重建的速度和精度,通过分析算法配准过程提出一种基于主成分分析(PCA)和体素化广义迭代最近点(VGICP)的点云配准策略。首先,PCA算法为精配准阶段提供良好的初始位姿,其中在进行主方向矫正时,在保证数据整体特征的基础上进行体素下采样来减少由于计算配准误差所消耗的时间,提高计算速度;其次,精配准阶段采用的VGICP算法对高度依赖最近邻搜索的GICP算法进行体素划分,使用多点分布聚合的方法,可以从较少数量的点中稳健地估计体素分布,具有较快的处理速度。基于PCA改进的VGICP算法将配准效率提高60%以上,并且优于常用配准算法,同时保持了良好的配准精度。

关键词： 混沌算法   蚁群算法   多机飞行冲突解   混沌映射   动态因子  

摘要： 针对战斗机在自由飞行过程中的多机冲突解脱问题,提出一种基于动态挥发因子的混沌蚁群算法。对战斗机空中多机冲突解脱问题进行数学建模,基于战斗机性能特点,分别建立了战斗机保护区模型、飞行冲突模型和解脱模型;对混沌蚁群算法进行改进,采用Logistic映射和Henon映射分别优化蚁群算法中的信息素更新公式,同时将信息素挥发因子设置动态因子,以提高不同阶段的搜索效率。设置典型的2机、4机和6机飞行冲突场景,对算法的有效性进行了仿真验证,结果表明,优化后的算法可行,算法的各项性能指标均有所提升。

关键词： 算法优化   配电网规划   遗传算法   存储单元   蚁群算法  

摘要： 针对区域配电网规划的源网荷储优化扩容问题,文中提出了一种规划解决方案。通过安装和加固高压或中压变电站、馈线段、分布式发电源和存储单元,扩大网络容量,并将系统的成本目标函数在技术约束下实现最小化。同时,对于解决配电网规划问题的常用优化算法进行了分析和比较,提出了改进的配电网规划算法。在实际应用中对算法进行比较,验证了所提改进算法的有效性,并对3个试验配电网进行了数值研究。数值分析结果表明,所提出的混合遗传/蚁群系统算法可以实现约21.74%的负载削减。

关键词： Box-Cox算法   储能锂电池   剩余寿命   剩余寿命预测   预测技术  

摘要： 储能锂电池剩余寿命预测技术主要采用平等对待所有时间点退化数据的策略,即未充分考虑到不同数据点对预测结果贡献度的差异,导致寿命预测精度低,为此研究基于Box-Cox算法的储能锂电池剩余寿命预测技术。采用Box-Cox算法对锂电池容量数据进行线性化处理,以提高数据的稳定性和可预测性。通过计算锂电池的容量退化能力,获得衡量电池健康状况和预测剩余寿命的关键指标。为了进一步提升预测的准确性,引入注意力机制,根据不同时间点退化数据的贡献度分配权重,从而实现对剩余电池寿命更为精确的评估。实验结果表明,基于Box-Cox算法的储能锂电池剩余寿命预测技术在实际应用中展现出了更高的准确性和泛化能力,充分证明了其优越性和实用性。

关键词： 时空数据挖掘   异质信息网络   时空图   信息路径   时间序列  

摘要： 时空数据挖掘是数据挖掘领域的一个重要分支,在现实世界中有着大量的应用。与时间序列预测相比,时空预测算法需要同时考虑序列数据的时序关系和空间关系,具有一定的复杂性。为了探索时空数据的本质,有效地捕获复杂的时空关系,提出一种基于异质信息网络的时空预测算法,显式地将时空数据建模为一个异质信息网络,采用时空信息传播路径来表示丰富的时空交互。相较于已有的时空模型利用不同的神经网络来捕获时间和空间的依赖关系,利用元路径将时空关系统一起来,为时空数据挖掘提供一种新的思路。在两个真实世界的公开数据集上进行大量实验,验证了该模型的有效性。

关键词： 红花   目标检测   改进YOLOv5   数据增强   非结构环境  

摘要： 为实现农业非结构环境下采摘机器人对红花的准确识别,提出了一种基于改进YOLOv5的红花目标检测算法。将CBAM注意力机制嵌入到YOLOv5网络,提高了小尺寸目标物在高层次特征中的表现力;建立一种Alpha-IoU目标位置损失函数对原损失函数GIOU存在的梯度消失问题进行改进,提高了被遮挡红花的预测率,并通过在目标检测网络中增加分割检测模块,提高宽和高小于最低像素的小目标物检测精度,利用图像扩增数据集对改进后的YOLOv5算法进行训练,再分别与改进前后YOLOv5网络和Faster R-CNN网络在不同红花品种、不同自然光照情况、不同天气条件和不同遮挡情况下进行对比。试验结果表明:改进后的YOLOv5算法P值、R值分别为90.45%和0.90,对非结构环境下盛开期的未采摘红花mAP值达到94.48%,在不同影响因素下都可以准确识别出红花且置信度较高,可为红花采摘机器人自动化作业中的红花识别提供技术支持。

关键词： 体层摄影术,X线计算机   深度学习   图像重建   辐射剂量  

摘要： 目的探讨使用深度学习图像重建(DLIR)提高肝脏低辐射剂量能谱CT图像质量、病灶诊断信心及碘浓度(IC)测量精度的可行性。方法本研究为前瞻性队列研究。前瞻性收集2023年6月至2024年1月在安徽医科大学第一附属医院接受肝脏增强CT的60例患者,采用随机区组法分为常规辐射剂量组和低辐射剂量组,各30例。常规辐射剂量组于门静脉期采用常规辐射剂量扫描,管电压120 kVp;低辐射剂量组接受低辐射剂量扫描,即管电压80 kVp和140 kVp快速切换能谱扫描模式。计算2组患者的有效辐射剂量。常规辐射剂量组采用40%强度的自适应统计迭代重建算法(ASIR-V)重建图像(AR40120 kVp)。低辐射剂量组采用高强度DLIR(DLIR-H)重建40、50 keV虚拟单能量图像(VMI)(DH-VMI 40 keV、DH-VMI 50 keV)。对上述3组图像质量进行客观评价,测量图像噪声,计算肝脏和门静脉的对比噪声比(CNR)和信号噪声比(SNR);对图像质量进行主观评分,评分内容包括图像噪声、对比度、病变显示和诊断信心。在低辐射剂量组中,采用DLIR-H、ASIR-V40%重建碘图,测量肝脏和门静脉IC值、标准差(SD),并计算变异系数(CV)。采用单因素方差分析或Kruskal-Wallis H检验比较3组图像间主客观图像质量评价指标的差异,采用配对t检验比较DLIR-H、ASIR-V40%重建碘图间测量指标的差异。结果低辐射剂量组的有效辐射剂量[(2.2±0.5)mSv]较常规辐射剂量组[(5.4±1.4)mSv]降低56.8%。客观评价中,DH-VMI 40 keV的图像噪声、肝脏和门静脉CNR和SNR均高于AR40120 kVp(P<0.001);DH-VMI 50 keV的图像噪声低于AR40120 kVp(P=0.020),肝脏和门静脉CNR和SNR高于AR40120 kVp(P<0.001)。主观评价中,DH-VMI 40 keV与AR40120 kVp间图像噪声评分差异无统计学意义(P>0.05),DH-VMI 50 keV的图像噪声评分低于AR40120 kVp(P<0.05);DH-VMI 40 keV和DH-VMI 50 keV的对比度、病变显示和诊断信心评分均高于AR40120 kVp(P<0.05)。在低辐射剂量组中,ASIR-V40%和DLIR-H算法重建碘图上测量的肝脏和门静脉IC差异无统计学意义(P>0.05),DLIR-H算法重建碘图中肝脏和门静脉SD和CV低于ASIR-V40%算法重建碘图的数值(P<0.001)。结论DLIR能够降低低能量段(40、50 keV)VMI的图像噪声,提高对比度、病变显示和诊断信心,且在不改变IC的同时提高测量精度。

关键词： 电气火灾预警   鲸鱼优化算法   BP神经网络   模糊化  

摘要： 电气火灾是一种严重危害人员安全和财产损失的事件,因此增强对电气火灾的早期预测和预警至关重要。基于提高电气火灾预测准确性的目的,采用了改进鲸鱼算法优化BP神经网络的方法,构建了电气火灾预警模型。使用剩余电流、工作电流电压和线缆温度作为神经网络的输入特征,结合上述改进方法对权值和阈值进行优化。优化后的参数作为初始参数进行模型训练,用于输出电气火灾的概率。采用电气柜中回路数据进行试验,将预测概率与剩余电流异常持续时间进行模糊化处理,得出火灾决策。研究结果表明,所提模型相关系数达到0.97,相较于传统方法提高了0.08,具有更高的准确性和可靠性。