基于ArcReLU激活函数的优化研究

对常用的激活函数进行了研究比较。对曾经提出的一种新型激活函数ArcReLU进行了改进,使其具有更快的收敛速度和更低的计算消耗。实验证明,改进的ArcReLU函数既能显著加快反向传播神经网络的训练速度,又能有效降低训练误差,甚至能避免梯度消失的问题。     

基于层次分析法的电力终端安全评估方案

随着能源互联网中大量电力智能终端的部署,有效评估电力终端的安全性显得尤为重要。针对现有方案存在选取指标因素不全面、未对权重结果进行验证和评价结果主观性太强等问题,根据电力终端风险评估需求,提出了基于层次分析法的电力终端安全评估方案,模拟实验数据获取指标权重,引入模糊综合评价法来降低评估结果的片面性。实验结果表明,和已有方案相比,该方案更适用于电力终端安全评估,能有效发现存在的安全风险,且评估结果更接近实际情况。     

基于改进的人工蜂群算法的微电网储能系统容量优化配置

由于风光能源具有间歇性和波动性的特点,对电网的电能质量造成了不良影响,因此提出了一种微电网的储能容量优化配置方法。首先,建立以用户用电费用最低、储能能量损失最小及风光能源的波动性最小为目标的微电网系统模型;然后,提出了一种改进的人工蜂群算法求解模型,通过不同的算法对无储能、单储能及混合储能3种储能方案模型进行求解分析;最后,采用熵权法找出适用于微电网的最佳储能方案。实验结果表明,改进的人工蜂群算法能够求解微电网模型且不易陷入局部最优,并通过熵权法得出了蓄电池和超级电容的组合适合作为微电网储能系统的结论。     

基于INS定位和WIFI指纹定位技术的无人机室内定位方法研究

针对无人机室内定位问题,提出了一种基于惯性导航系统（INS）和WIFI指纹定位技术的四旋翼无人机的室内定位方法。该方法首先利用WIFI模块测量的信号接收强度信息,根据WIFI指纹定位原理求出该定位时刻下的无人机位置;同时,利用惯性传感器信息计算出INS定位下的无人机位置,结合两种定位结果得出更为精确的位置。最后,通过实验验证了INS定位和WIFI指纹定位相结合的无人机室内定位方法的有效性,且该方法较两种单独定位方法的定位精度更高。     

燃煤电厂污泥掺烧技术及其研究进展

随着我国城市化进程的加快,城市生活污水量急剧增加。污泥作为污水处理后的附属产品,对环境影响极大,因此污泥的无害化、减量化、资源化处理迫在眉睫。燃煤电厂污泥掺烧是实现最大体积减少污泥的处置方法之一。发达国家和地区中,污泥掺烧工艺已逐渐成熟,在燃煤电厂的应用更为广泛。综述了污泥掺烧技术的现状,分析了燃煤电厂掺烧污泥造成的影响,并讨论了燃煤电厂污泥掺烧技术的未来发展方向。     

基于MODWT和BP神经网络的微电网故障诊断方法

近年来,随着微电网技术的持续发展,电力用户对其供电可靠性的要求也不断提高,因此微电网故障诊断研究也变得越来越重要。提出了一种基于极大重叠离散小波变换(MODWT)和反向传播(BP)神经网络的微电网故障诊断新方法,并通过仿真与算例进行了验证。结果表明:该方法能快速、准确地识别出故障类型,且不受故障初始相位角和过渡电阻等因素的影响;与现有的基于离散小波变换和反向传播神经网络的诊断方法相比所提出的方法可以提供更好的故障分类精度。     

基于电力物联网建设的数据中心能耗管理研究

电力物联网的建设支撑了电网业务与新兴业务的发展,并将进一步全面形成共建、共治、共享的能源互联网生态圈。依托电力物联网建设,数据中心可实现在线设备的实时监测和科学化的统一能耗管理,改善传统数据中心存在的设备分布不合理、监测设备冗杂等问题。通过对数据中心的能耗问题进行梳理,构建了基于电力物联网建设的数据中心,实现了数据中心整体设备的互联互通,降低了数据中心的整体能耗。最后对新型数据中心的发展进行了分析和展望。     

5G无线通信基站共享电力杆塔的应用研究

将5G无线通信基站安装在电力线杆塔上,可以通过电力线路杆塔共享促进5G网络建设,实现电力企业和通信公司的互利共赢。重点讨论了5G基站的新架构,分析了把基站应用到电力杆塔上应考虑的供电、接地、安装等问题,并给出了相应的解决方案。     

基于多任务卷积神经网络的虹膜图像质量评估方法

为了自动、准确、高效地评估采集图像的质量,设计了一个名为MTIQA的卷积神经网络。该网络能够输出与主观评价指标保持较高一致性的客观评估结果。MTIQA采用多任务学习策略,包含网络训练质量评估和失真类型分类两个任务,将两个任务的损失融合并构成新的损失函数。为了评估算法所得到的客观指标的可靠性,建立了名为SIR2019的单眼虹膜质量评估数据集,并召集志愿者进行主观实验以得到主观评价指标。在SIR2019和CASIA-Iris-Distance-Lamp数据集上的实验结果表明,该网络在虹膜图像质量评估上具有较好的可行性、准确性和鲁棒性。     

基于Arduino的目标跟踪系统设计

利用Arduino设计并实现了一种目标跟踪系统。该系统包括图像采集处理、基于Arduino开发的下位机软件和舵机云台3个模块。相机实时接收图像,对捕获到的图像进行预处理,调用OpenCV中的函数对图像进行霍夫圆检测。计算机通过串口与Arduino开发板连接,将图形位置信息数据实时发送。通过Arduino控制舵机的转动角度,精确调整相机的方位、俯仰姿态,完成实时的目标追踪。实验结果表明,在使用Python开发的计算机软件中,通过动态目标视觉检测以及PID控制的角度输出,舵机云台实现了很好的控制效果,使二维转台实现圆形识别跟踪。