基于山地城市电动汽车负荷特性的充电设施规划

针对山地城市电动汽车充电站的规划需求,研究了山地城市道路特性,改进了充电负荷预测与充电站规划方法,主要包括：研究了山地城市道路空间特性,建立了电动汽车单车耗电模型;分析了山地城市单车耗电特性对充电负荷时空分布的影响,结合改进Floyd最短路径算法建立了群体充电负荷预测模型;考虑了充电负荷时空分布受充电站选址的影响,提出负荷预测与充电站规划迭代计算方法;以充电负荷时间维度波动更小与空间分布更均衡为目标,提出了新型山地城市充电站规划方法。通过遗传算法Matlab仿真求解表明,上述建模方法能够实现对山地城市充电站的更合理规划：一方面,显著降低电动汽车充电负荷波动;另一方面,使得各站充电负荷更加均衡。     

复杂环境背景下绝缘子缺陷图像检测方法研究

针对处于复杂的环境背景下的电力绝缘子以及绝缘子缺陷的检测存在检测精度低、检测速度不高的实际问题,提出了一种改进YOLOv4(you only look once v4)算法的电力绝缘子图像以及存在缺陷的绝缘子检测的方法。通过制作电力绝缘子以及绝缘子存在缺陷的数据集,使用K-均值聚类(K-means)算法对电力绝缘子图像样本进行聚类,获得不同大小的先验框参数;然后通过改进平衡交叉熵(balanced cross entropy, BCE)引入一个权重系数,来增加损失函数的贡献程度;最后,通过增加空间金字塔池化结构(spatial pyramid pooling, SPP)前后的卷积层来加深网络的深度。实验结果表明,改进模型的单张检测时间为3.27 s,对于绝缘子缺陷平均检测精度比原始的YOLOv4算法提升了24.36%。同时通过改进后的YOLOv4算法在测试集上的平均精度均值(mean average precision, mAP)的值为84.05%,比原始的YOLOv4算法提升了17.83%,充分说明了能够很好的定位和识别电力绝缘子图像存在的缺陷。