排序方式: 共有57条查询结果,搜索用时 15 毫秒
21.
针对Faster RCNN算法在电力设备状态图像处理过程中生成的Anchor与目标设备不匹配而导致的设备识别率降低的问题,提出了一种基于连通域预处理的Faster RCNN的改进模型。依据像素值相近及位置相邻原则构建连通域,将连通域的长宽比作为输入信息对RPN(region proposal network,RPN)的Anchor面积框进行修正,以此提高Anchor boxes与目标设备的匹配度。实验结果表明:识别区域与目标设备面积的进一步匹配避免了多余锚框网络计算量,该方法对目标设备误识别率由改进前的2.2%下降到1.9%,降幅达14%,同时其计算效率较传统Faster RCNN算法提高6.7%。在非格式化图像数据快速增加背景下,文章所提方法对于提高电力设备状态图像的识别和处理具有重要意义。 相似文献
22.
非侵入式负荷分解作为实现电网与家庭用户能量监测的关键技术,能够量化能耗,为合理分配能源提供数据支撑。虽然目前已有算法在同数据集中功率分解准确率上有了很大的提高,但模型泛化性差且跨数据集间分解准确率低。为此,文中提出了一种基于滑窗方法的序列翻译优化模型,并运用迁移学习实现算法的跨数据集分解。该模型以滑动窗口的方式读取主电源有功功率的时间序列,采用基于LSTM编解码的序列到点模型预训练,经迁移学习获得训练模型,实现在不同数据集中的负荷分解。算例结果表明提出的深度学习模型在不同的数据集间训练测试均有较高的分解性能和准确率,提高了算法的泛化能力。 相似文献
23.
24.
针对电力大数据存在数据随机缺失进而降低长短期记忆模型(Long Short-term Memory, LSTM)预测准确率的问题,本文提出了一种基于改进LSTM的电力设备状态融合预测模型。该模型首先对状态数据进行缺值检测和平稳分析,根据历史数据利用差分整合移动平均自回归模型(Autoregressive Integrated Moving Average model, ARIMA)对缺失的数值进行预测,并将预测的数值补充至相应的缺失位置;然后将新的完整数据输入到ARIAM模型和改进LSTM模型中以获取两种预测值;最后根据改进LSTM模型的学习准确率和ARIAM模型的拟合度对预测值进行权重分配,并在此基础上进行状态趋势融合预测。为了验证本文模型的普适性和预估准确性,选择电力负荷数据开展实验,结果表明:基于改进LSTM的电力设备状态融合预测模型在数据完整情况下的预测准确率比ARIAM和LSTM分别提高了52%和25% ,在数据缺失情况下的预测准确率分别提高了44%和57%。 相似文献
25.
27.
28.
29.
针对电力大数据存在冲击数据、无效数据等异常值导致真实规律难以挖掘的问题,提出一种基于改进GRU的电力大数据分析模型。该模型首先分析了异常值导致数据规律失真的情况,提出利用自适应阈值的小波滤波进行数据清洗;其次以单数据周期为分段点对数据进行分段,以各数据段同一时刻的记忆求和均值为标准记忆;最后,根据数据段的质量改进GRU记忆能力,即保留质量好的数据段记忆、删除质量差的数据段记忆。为了验证模型的性能,选择光伏发电数据进行实验,结果表明:本模型在数据质量较高时的预测准确率比ARIMA、LSTM和标准GRU分别提高了61%、30%和25%,数据质量较差时的预测准确率分别提高了76%、16%和11%。 相似文献
30.
光激发半导体硅片对宽带太赫兹波的调制研究 总被引:3,自引:3,他引:0
利用光泵浦-太赫兹(THz)探测(OPTP)技术,研究 了THz波在Si半导体界面间的传输行为。通过改变抽 运光密度从而改变样品表面的载流子浓度,实现对THz波透射/反射的有效调制。在外加中心 波长为800nm 的飞秒激光激发块体半导体Si片时,成功实现了对宽带THz波时域谱包括入射THz 脉冲振幅和 相位以及THz波次级反射峰抗反射的调制。光激发Si片可以获得任意载流子浓度 的Si片实现对 THz脉冲振幅的调制,调制度达到90%以上;光激发Si片能够使THz脉 冲的相位发生负延迟,随着 泵浦光密度的增加,负的相移越来越明显,随着频率的增高,负的相移也越来越明显;光激 发Si片还能够 对THz波的次级反射峰进行调制,随着泵浦光密度的改变,实现对次级反射峰的π相位以及 次级反 射峰抗反射的调制。光激发Si片对宽带THz波时域谱的调制为THz波在通信、国防安全等领域 的应用奠定了基础。 相似文献