基于Faster R-CNN的颜色导向火焰检测

基于深度特征的目标检测方法Faster R-CNN在火焰检测任务上存在检测效率低的问题,因此提出了基于颜色引导的抛锚策略。该策略设计火焰颜色模型来限制锚的生成,即利用火焰颜色约束锚的生成区域,从而减少了初始锚的数量,提升了计算效率。为了进一步提高网络的计算效率,将区域生成网络中的卷积层替换成掩膜卷积。为了验证所提方法的检测效果,采用BoWFire和Corsician数据集进行验证。实验结果表明,该方法实际检测速度相较于原Faster R-CNN提高了10.1%,BoWFire上该方法的火焰检测F值为0.87,Corsician上该方法的准确度可达99.33%。所提方法可以提高火焰检测的效率,并能够准确检测图像中的火焰。     

Simultaneously improving the electrical properties and long-term stability of ZnO varistor ceramics by reversely manipulating intrinsic point defects

Excellent electrical properties and the improved long-term stability of ZnO varistor ceramics were simultaneously achieved by doping NiO. The microstructural features were investigated using X-ray diffractometer, scanning electron microscopy, and energy dispersive spectroscopy, while the intrinsic point defects were characterized using frequency domain dielectric spectroscopy and verified by photoluminescence and Raman spectra. The results indicated that in the ZnO varistor ceramics, a reverse manipulation of donor point defects, i.e., suppressing mobile zinc interstitial but increasing stable oxygen vacancy, was achieved. The long-term stability of NiO-doped ZnO ceramics was improved via a decrease in zinc interstitial density, with a degradation rate of 0.064 μA cm^?2 h^?0.5. Meanwhile, due to an increase in oxygen vacancy density, the excellent nonlinear current–voltage performance, i.e., a high nonlinear coefficient (72.9), low leakage current density (0.08 μA cm^?2), and low grain resistivity (13.43 × 10^?3 Ω m), was maintained. The findings of this study provide a possible method for developing high-performance ZnO varistor ceramics by manipulating point defects.     

电力波分复用网络中基于软管模型的生存性设计

生存性设计是规划电力通信波分复用(WDM)网络时必须考虑的问题。传统的方法根据各节点对的峰值速率来制定保护规划方案,也并未考虑光纤链路之间共享物理资源的情况,既不准确又浪费资源。为解决上述问题,提出了一种新的计算共享风险链路组的失效概率模型,并以此为基础,提出了基于软管不确定业务量模型和共享风险链路组的分级保护算法——HSP算法,并通过计算机仿真对该算法的性能进行了评估。结果表明,HSP显著提高了找到保护路径的可能性,从而降低了受损业务无法恢复的概率。失效概率模型和HSP算法还应用到了某省级电力波分复用核心网络的成效评估和规划设计中,作为评估该省电力骨干光传输网络建设成本和可靠性的依据。     

基于FREAK描述子的精确图像配准改进算法

快速视网膜特征（FREAK）描述子通过计算模式方向实现了旋转不变性,但对于旋转尺度变化较大的情况匹配性能并不理想,误匹配率较高,为此提出了一种改进的基于FREAK描述子的精确图像配准算法。首先,对原有FREAK算法添加长距离点对,设定距离阈值,只利用关键点采样模式中距离较远的点来生成角度信息。其次,对Hamming距离进行加权。对每一个关键点,在为了生成描述子选择点对时,对训练数据描述子的每一列计算均值,越接近0.5的列权值越大,改进了原来Hamming距离计算粗略的状态,使距离计算更精确。最后,使用最近邻匹配结合最近邻和次近邻的比值以及随机抽样一致（RANSAC）方法进行快速匹配和优化。实验结果表明,改进算法更适用于旋转尺度变化较大的环境及匹配性能要求较高的场合。     

基于定关断面积的分层接入UHVDC系统换流器协调控制策略

基于分层接入特高压直流输电（UHVDC）系统逆变侧高低端的耦合特性,分析叠弧面积增加引发换流器换相失败的机理,提出一种抑制分层接入UHVDC系统非故障层换流器换相失败的协调控制策略。该策略通过补偿交流故障后非故障层换流器所需的叠弧面积,使晶闸管具有足够的关断面积完成去游离过程,从而防止换相失败的发生。最后基于PSCAD/EMTDC搭建实际系统模型并进行了仿真验证,结果表明所提协调控制策略能有效抑制不同故障程度下受端电网对称和不对称故障下非故障层换流器的换相失败,可提升系统的稳定性。     

计及分布式能源与电动汽车接入的空间负荷预测

相较于传统负荷预测,空间负荷预测更加关注某一局部空间内的负荷分布情况,因而可以更好地确定电气设备的选型与空间布局。分布式能源及电动汽车的飞速发展,使城市空间负荷分布变得更为复杂,采用原有基于时间序列的负荷预测方法可能带来较大误差,不利于城市规划的经济性与可靠性。利用最小二乘支持向量机(least squares supportvectormachine,LS-SVM)的非线性映射能力,建立了计及分布式能源与电动汽车充电负荷的空间负荷预测模型,并通过我国中部某地区的实际算例验证了所提方法的有效性。     

基于改进MSER算法的电力设备红外故障区域提取方法

红外图像处理中因目标边界模糊、区域灰度变化等因素,导致传统的极大稳态区域方法区域提取效果低下。为此,提出一种基于改进极大稳态区域方法的电力设备红外故障区域提取机制,提升区域提取效果。首先,从灰度相似度聚类出发,采用Meanshift算法对分割区域的邻域像素进行聚类。其次,结合阈值分割机制,快速将相似像素进行分割,最终通过迭代得到电力设备故障所呈现的亮度区域信息。实验结果表明该提取区域方法性能优于极大稳态区域算法,具有较低的误分类错误,且相比于Mean shift算法,具有高效的处理速度。     

全天候跟踪型光伏系统智能控制方法

针对光电池利用率低、光伏系统无法自适应多变的天气等缺陷,提出了跟踪型光伏系统全天候运行的智能控制方法。文章描述了环境与对象特征的获取方法,对全天候跟踪型光伏系统的控制策略进行了讨论,分析了太阳方位的跟踪控制方式。仿真试验表明,采用时钟定位法和光偏比较定位法相结合方式确定太阳位置的效果明显,能满足光伏系统跟踪控制的要求。     

面向电力业务对话系统的意图识别数据集

针对供电营业厅客服机器人的智能对话系统，构建了一个较大规模的电力业务用户意图数据集。该数据集包括了9 577条用户问询语句及其标注类别。首先对从供电营业厅采集到的真实语音数据进行清洗、处理和过滤。为了使数据能够驱动意图分类相关的深度学习模型的研究，专业人员根据电力业务背景知识对数据进行高质量的标注和扩充。标注中根据电力业务定义了35种业务类别标签。为了测试该数据集的实用性和有效性，采用了多个意图分类经典模型进行实验，并将得到的意图分类模型嵌入到对话系统中。经典的文本分类模型循环卷积神经网络（Text-RCNN）在该数据集上可得到87.1%的准确率。实验结果表明该数据集可以有效驱动电力业务相关对话系统的研究，提升用户的满意度。     

基于改进AWNN的风电功率超短期多步预测

为提高风电功率超短期多步预测精度,针对梯度修正学习算法采用随机初始化网络参数训练自适应小波神经网络(AWNN)易陷入局部最优的缺点,将粒子群(PSO)算法和差分进化(DE)算法相结合,提出利用IPSO-DE算法优化AWNN的初始化网络参数,得到改进AWNN模型(IAWNN)并将其用于风电功率超短期多步预测。仿真结果表明:IPSO-DE算法优化AWNN初始化网络参数的性能优于IPSO算法、DE算法和梯度修正学习算法,所提改进模型的多步预测性能优于AWNN模型、持续法(PM)模型和BP神经网络(BPNN)模型。