基于变分模态分解和集成学习的光伏发电预测

针对光伏发电量数据的非平稳性造成的发电量预测性能问题,提出一种基于改进变分模态分解和集成学习的光伏发电量预测方法。采用改进变分模态分解方法分解光伏发电量数据获得发电量分量,通过集成学习方法构建发电量分量预测模型;将发电量分量预测值进行组合,获得最终发电量预测结果。实验结果表明,所提方法在公开数据集上对光伏发电量进行预测的均方误差、平均绝对误差、决定系数值分别为0.223 2,0.338 7,0.979 7,与其他方法相比具有更高的预测准确率和更小的误差。     

低压停电感知与检测系统设计与实现

随着国家对于新型智能电网发展要求不断提升,传统的电力监测与管理系统已经无法满足对数据可靠性与监测准确性日益增长的需求。相比于高压与中压电网,与人们生活密切相关的低压电网停电处理优化工作更易被忽视。针对该问题,结合高速电力线载波技术和通用大数据而设计的低压停电感知与监测系统,提供了友好的管理界面,实现了低成本的低压配电网服务提升,解决了停电信息的误判漏报等问题,为智能电网性能提升提供了值得参考的解决方案。     

基于重加权策略平衡损失与LSTM的窃电行为检测研究

窃电行为是导致电能损失与电力企业经济效益降低的重要原因。针对窃电问题,提出了一种基于有效数量加权策略的损失函数,改善数据集分布不均衡导致训练模型泛化性能下降的问题;基于该策略,设计了基于长短期神经网络的时间序列分类模型,用于用户日用电量的窃电行为检测任务;采用用户日用电量真实数据进行实验测试,结果表明基于有效数量的加权策略可一定程度解决数据集不平衡导致的模型泛化性下降问题。与现有方法相比,所提方法在精确度上有所提高,对窃电行为检测具有有效性与可行性。     

多尺度U网络实现番茄叶部病斑分割与识别

随着深度学习技术的迅速发展,卷积神经网络成为研究植物叶部病害识别与病斑分割的主流方法.针对番茄叶部病斑大小不一、形状不规则、病斑分割需要大量像素级标记等问题,文中提出一种多尺度U网络,以同时实现番茄叶部病斑分割与病害识别.在病害特征提取阶段采用多尺度残差模块组合不同尺寸的感受野来提取病害特征,以适应病斑大小和形状的动态变化.引入CB模块(Classifier and Bridge)将病害特征提取阶段与病斑分割阶段连接,对病害特征进行分类,并根据分类结果反向映射出特定类的激活图,此激活图包含特定类别病斑的关键信息.在分割阶段采用上采样与卷积相结合的方法对特定类的激活图进行反卷积,利用跳跃连接方式将反卷积特征与低层特征融合,以补充更多的图像细节信息,获取病斑分割的灰度图.为了使分割的病斑定位更加精确,利用少量像素级标记,对每个像素点采用二分类交叉熵损失函数进行监督训练,同时更好地引导特征提取网络关注病斑部位.利用原始测试集与模拟噪声和光照强度的干扰测试集分别验证模型的病斑分割与病害分类性能.在原始测试样本集上多尺度U网络的平均像素准确率、平均交并比和频权交并比分别达到了86.15％,75.25％和90.27％;在降低30％亮度和添加椒盐噪声的干扰测试集上,模型的识别准确率分别为95.10％和99.20％.实验结果表明,所提方法可以实现番茄叶部病斑分割与识别效果的共同提升.     

基于内核时变回归模型的电能预测分析与研究

为实现“双碳”发展目标和满足新型电力系统应用需求，亟需对用电进行精准预测。为了应对周期长、变化幅度大的数据，将KTR模型应用于电能负荷预测的实际场景中。该模型在时变系数回归的方法上进行改进，能够应对较长的时间序列，避免出现过拟合的情况；以及根据不同数据变化情况自适应地使用不同的核函数，保证模型学习与数据特征匹配。实验结果表明，使用通过最佳参数构建的KTR模型进行预测，其总体的电能负荷数据预测值和原始值的SMAPE为8.46%。此外，将文中方法与Prophet和SARIMA模型预测结果进行了对比，结果表明，文中方法的预测精度比另外两种模型分别高2.57%和9.23%，验证了该方法电能预测的准确性。     

基于改进Faster R-CNN的新能源电池炸点缺陷检测分析

在新能源电池的生产过程中,常常会因为焊缝工艺问题而造成电池炸点缺陷问题,传统的炸点检测主要依靠人工观察,效率低下且精度不高。为了提高新能源电池在焊缝过程中炸点缺陷的检测精度,针对原始带有炸点的电池横截面图像少的问题,首先对原始数据集中的图像进行炸点标注,并使用一系列图像变换、图像拼接等方法进行数据扩充,然后在原始Faster R-CNN目标检测模型的基础上,将ResNet101作为特征提取网络,使用CIoU损失策略计算RPN和预测框的定位损失,引入特征金字塔FPN结构,使得小目标炸点的上下文信息更加丰富,在残差块中加入CBAM注意力模块,让模型更加关注图像中的炸点部位,以进一步增强小目标炸点的检测性能。在真实数据集上的测试结果表明,改进后得到的Faster R-CNN目标检测模型适用于新能源电池炸点的检测,得到的最高AP为75.126%,相比较于Faster R-CNN模型提升了9.52%,并且模型对不同尺度的炸点的定位更加准确,模型的推理和检测速度也没有明显的下降,为电池炸点缺陷检测提供了有效的算法。     

基于Stacking集成学习的恶意URL检测系统设计与实现

针对传统URL检测方法在恶意URL检测时存在的准确率不高、实时性差等问题，提出一种基于Stacking集成学习的算法模型。该模型采用机器学习单一方法中的岭分类、支持向量机、朴素贝叶斯作为初级学习器，采用逻辑回归作为次级学习器，通过初级学习器和次级学习器相结合的双层结构对URL进行检测。使用大量的URL数据集分别对单一方法中的模型和Stacking集成学习方法的模型进行训练，并对每种模型进行评估。评估结果表明，Stacking集成学习的算法模型对恶意URL检测的准确率可达98.75%，与其他模型相比提升0.75%以上。采用Flask作为开发框架，实现了恶意URL检测系统的功能，并对系统进行云端等部署，得到系统根据用户输入的URL链接可以输出URL的检测结果，具有较好的应用价值。     

PLC技术在电气设备自动化控制中的应用研究

在开展电气设备自动化控制时,可能会因为外在因素干扰而遇到一些阻碍,这就应对电气设备自动化控制展开研究,同时强化PLC技术在电气设备自动化控制中应用力度,改善电气设备自动化控制在实际开展过程中各项问题,确保PLC技术在电气设备自动化控制中发挥最大作用。与此同时,还应从多个角度出发对PLC技术在电气设备自动化控制中的应用展开研究分析,使得电气设备自动化控制可以满足我国电力行业良性发展要求。     

线性系统的事件触发输出反馈有限时间有界控制

本文研究了线性系统的事件触发输出反馈有限时间有界控制问题. 与渐近稳定只定性地要求系统在采样间隔 有界不同, 有限时间有界需要估计系统轨迹的上界以保证满足动态系统的定量要求. 本文基于类李雅普诺夫函数给出了 保证闭环系统的有限时间有界性和避免芝诺现象的充分条件. 这些充分条件可以转化为线性矩阵不等式, 便于验证和实 际应用. 此外, 为了节约资源, 提出了一种可变参数的事件触发规则, 提高了设计灵活性. 仿真结果验证了本文的主要结 论.