基于NSGA-Ⅱ和模糊决策的交直流混合微电网多目标优化调度

风电、光伏等可再生能源在微电网的渗透率日益增加，使得交直流混合微电网经济调度难度加大。为实现含高渗透率可再生能源的交直流混合微电网的优化运行，结合分时电价机制，对蓄电池充放电策略进行研究。以经济成本和总节点电压偏差为优化的目标函数，建立考虑蓄电池荷电状态和公共直流母线关键节点电压偏差的多目标优化模型；针对非支配排序遗传算法(non-dominated sorting in genetic algorithm-Ⅱ,NSGA-Ⅱ)只能求出一个非劣解集的特点，将NSGA-Ⅱ和模糊决策相结合，利用模糊决策从非劣解集中寻找最优解。最后针对交直流混合微电网算例，求出交直流混合微电网的优化调度策略，结果表明该算法能有效降低交直流混合微电网运行成本以及公共直流母线关键节点的电压偏差。     

基于NVAE和OB-Mix的小样本数据增强方法

由于深度学习模型对海量标注数据的依赖性较高,导致目前许多前沿性目标检测理论难以适用于工业检测领域。为此,提出一种基于NVAE图像生成和OB-Mix数据增强的小样本数据扩充方法。具体方法是通过NVAE构建检测目标的数据分布模型,再通过采样潜变量的方式生成与真实目标图像属于同一分布的全新目标图像。在得到生成目标图像后,提出了OB-Mix数据增强策略,将生成目标图像与背景图像进行随机位置融合以构建出新的图像数据,从而提高网络的定位能力及泛化能力。方法在仅使用474张标注图像以及400张无检测目标的背景图像情况下,使YOLOv5的检测精确率达到95.86%,相比于不使用该方法的结果提高了17.60个百分点。     

临界连续模式下高功率LED驱动电源谐振控制方法

针对传统LED驱动电源谐振控制方法电路控制谐波异常导致输出电流过冲、电压稳定控制效果差和时延高等问题,提出了临界连续模式下高功率LED驱动电源谐振控制方法。结合PFC和LLC半桥两种方式,控制LED驱动电源谐振部分的频率变化值,选取开关恒流源,选取FSFR2100集成控制芯片作为控制芯片。在临界连续模式下,计算高功率LED驱动电源电路中电感值、滤波电容,以此为参量依据,设定电路中的电压范围与最小开关频率、输出功率等,校正PFC电路控制谐波。以PFC控制器所计算的电流与电压数据为基础,计算谐振频率值,通过谐振网络部分调整电压增益,确保LED驱动电源开关管实现零电压开关,实现临界连续模式下高功率LED驱动电源谐振控制。实验结果表明,采用该方法进行谐振控制的LED驱动电源,工作效率和PF值分别保持在88%和0.99以上,并且开关损耗低,未出现电流过冲,输入电压与输出电流波形相同,整体控制效果较好。     

基于模型-数据混合驱动的MMC阀损耗计算方法*

针对现有模块化多电平换流器(MMC)阀损耗计算方法无法兼顾准确度和计算速度,仅使用数据驱动算法又会导致机理不明、可靠性低的问题,提出了一种基于机理模型和数据混合驱动的MMC阀损耗计算方法。该方法物理过程明确,充分利用了现场数据隐含信息,能够快速准确计算不同工况、不同控制策略下的阀损耗。首先推导了MMC阀损耗的计算公式,并引入热电类比模型,获得了不同冷却水温下的阀损耗理论计算结果。然后,结合全连接神经网络,利用实际MMC换流站数据对理论结果进行了修正。最后,以某MMC换流站实际工程作为算例,利用该工程实际参数和现场数据,对所提出的计算方法进行验证,证明了该方法的有效性和准确性。     

工业互联网发展趋势分析及其对建筑智能化专业培养的启示

在工业互联网应用广泛的当今社会,随着我国智能建筑的大规模发展,建筑智能化专业的高素质应用型人才紧缺,为此,笔者对工业互联网的发展趋势进行分析,工业互联网的发展加快了建筑智能化专业人才培养工作进度,制定出科学有效的人才培养方案,建立新型课程结构体系,从而为我国工业化产业输送高素质的应用型人才,以满足社会对建筑智能化专业人才的需求。     

语义嵌入重构的跨模态哈希检索

针对大多数跨模态哈希检索方法仅通过分解相似矩阵或标签矩阵,从而导致标签语义信息利用不充分、标签矩阵分解过程语义信息丢失以及哈希码鉴别能力差的问题,提出了一种语义嵌入重构的跨模态哈希检索方法。该方法首先通过最小化标签成对距离和哈希码成对距离之间的距离差,从而将标签矩阵的成对相似性嵌入哈希码;接着对标签矩阵分解并重构学得共同子空间,共同子空间再回归生成哈希码,从而将标签矩阵的类别信息嵌入哈希码,并有效地控制标签矩阵分解过程的语义信息丢失情况,进一步提高哈希码的鉴别能力。在公开的三个基准数据集上进行了多个实验,实验结果验证了该方法的有效性。     

交直流混合微电网一致性协同控制研究综述

交直流混合微电网兼具交流微电网和直流微电网的优势,是未来智能电网领域的研究热点。基于多智能体一致性理论的协同控制能有效改善系统频率响应,提升子网抗冲击能力。首先分析并归纳了交直流混合微电网典型的四种结构及适用场景;然后对多智能体一致性理论的基本原理进行介绍,对一致性理论在微电网中的应用进行综述;最后探讨了交直流混合微电网的发展前景和一致性理论目前在微电网应用中存在的问题。     

面向医学图像生成的鲁棒条件生成对抗网络

医学图像生成是计算机辅助诊断技术的关键组成,具有广泛的应用场景.当前基于生成对抗网络的端对端学习模型,依靠生成器和判别器两者对抗训练,获取真实数据的概率分布,从而指导图像生成.但标注有限的医学图像及其高分辨率特点,加大了模型训练难度,影响图像生成质量;同时,模型未纳入数据扰动因素,鲁棒性有限,容易被恶意攻击.为此,本文提出一个基于鲁棒条件生成对抗网络的医学图像生成模型——MiSrc-GAN.该模型包括精度渐进生成器、多尺度判别器以及对抗样本配对构造模块,有效融合GAN框架和对抗样本,改善判别器鲁棒性,有利于学习原始图像与待生成图像的联合概率分布.在真实数据集CSC和REFUGE上的实验表明,MiSrc-GAN生成的图像质量优于现有模型.     

基于多传感器采集轴重信号的公路货车不停车称重系统

在公路货车不停车称重过程中,由于缺少对车辆行驶各种干扰因素的深度分析,导致称重系统精度不足,因此该文提出基于多传感器采集轴重信号的公路货车不停车称重系统。根据现场称重情况确定多传感器安装位置,设计信号采集模块,并对多组采集数据进行处理,依据车辆行驶路况和车辆质量计算车辆荷载,结合硬件设计部分实现车辆的动态称重,同时利用传感器检测车辆的轨迹线横向位置,进一步确定车辆的称重数据。测试结果表明,提出的基于多传感器采集轴重信号的称重系统信号采集延迟小、测量精度高,该系统的抗干扰性得到了提高。     

基于注意力机制的污水微型动物识别方法

为了精准掌握污水处理系统活性污泥中微型动物的种类，及时调整污水处理工艺，针对传统机器学习需要人工设计特征、提取特征、设计分类器等复杂过程的弊端，提出一种基于注意力机制和迁移学习相结合的污水活性污泥中微型动物的深度学习识别方法。在迁移学习的基础上，通过对传统的VGG16模型添加注意力模块（SE-Net block），调整输出模块，采用数据增强方法扩充数据集。实验结果表明：相比于改进前的模型，改进后的模型（T-SE-VGG16）能够准确识别不同类型污水活性污泥中的微型动物，测试准确率为98.21%，提高了识别精度，缩短了训练时间，模型收敛速度快，泛化能力强。结果证实了T-SE-VGG16模型对污水活性污泥中的微型动物识别的可行性和可靠性。