有遮挡环境下的人脸识别方法综述

随着人脸识别应用领域的逐渐扩大,有遮挡环境下的人脸识别面临着一定的技术挑战。深度学习方法由于其具有强大的学习能力,成为解决有遮挡环境下的人脸识别问题的一种较好的解决方案,但仍面临诸多待解决的问题。减少遮挡对人脸识别算法带来的性能影响是该领域的重点和难点问题之一。从模型、算法和数据集的角度分析了近年来相关研究进展;对比了不同算法的性能结构、优缺点以及存在的问题;探讨了未来可能的研究方向。     

机器学习下随机森林算法在电网故障分析指挥系统中的应用

针对电网系统的故障问题,在Weka语言软件上对随机森林算法为核心的电网故障分析系统模型进行实例分析。同时将随机森林算法与决策树(decision tree)算法、神经网络算法(Neural Network Algorithm, NNA)以及支持向量机(Support Vector Machines, SVM)的预测准确率进行对比,验证随机森林算法的优越性。结果表明,随机森林算法非常适合应用在电网故障分析系统中,在预测准确率方面,故障等级越高预测难度越大,准确率较低,而故障等级越低其故障预测的准确率越高。     

基于Bert的电网故障处置预案信息抽取研究与实现

电网故障处置预案是及时、正确处置故障的重要依据。对其关键信息进行抽取,是实现计算机理解预案内容并进一步支撑故障处置智能化的重要基础。传统的信息抽取方法多为模式匹配,其特征和模式的获取需要专家经验,费时、费力且泛化能力较差。为实现电网故障处置预案文本信息的高效、自动抽取,文章提出一种基于Bert(bidirectional encoder representations from transformer)模型的序列标注方法。具体如下：(1)提出一种针对处置预案文本特点的数据预处理方法,该方法将句子分为不同的类别;(2)基于Bert模型自动学习和获取文本特征,并使用标注数据微调模型的方法进行信息抽取;(3)对使用上述分类方法处理过的预案文本,提出一种对每个类别分别进行模型训练并获得序列标注结果的方法。多组对比实验结果表明,该方法可以有效提升信息抽取的准确率。     

基于控制目标松弛的输电设备过载预防控制在线决策

基于有功灵敏度的线性规划模型可快速有效地进行预防控制策略求解,但是由直流潮流法得到的有功灵敏度忽略了电压和网损的影响,导致预防控制策略结果难以满足交流潮流校核计算精度要求。为此,文中提出一种基于控制目标松弛的输电设备过载预防控制在线决策方法。首先,根据过载安全裕度确定参与控制的关键设备及对应预想故障下的有功灵敏度;然后,通过聚类分析对有功调整措施的搜索空间进行降维;接着,建立过载预防控制在线决策的线性规划模型;最后,按预防控制的有功精度将关键设备的有功限额按档位进行松弛,根据交流潮流校核结果确定最优解的搜索方向,不断逼近最优解。通过实际电网的算例分析验证了所提方法的正确性和有效性。     

基于神经网络的电网潮流图自动拓扑布线方法

为了解决电网复杂拓扑条件下潮流图自动拓扑布线问题,提出了一种基于神经网络的电网潮流图自动拓扑布线方法.通过建立线路每步步长方向选择与生成线路质量的关联关系构建神经网络的输入层和输出层,进一步进行线路拓扑的自主学习来获取步长方向选择函数的最优解,然后利用训练好的步长方向选择函数进行拓扑路径检索,以解决潮流图自动布线过程中...     

人工智能背景下基于云技术的电网运行指挥体系设计

为了研究如何利用云技术实现对城市电网进行调度管理,对电网运行指挥体系进行了设计。引入虚拟化技术、海量数据存储技术和海量数据管理技术这三种云技术中的关键技术,设计微电网控制策略实现对云平台的实时掌控,并通过分析BP与RBF两个神经网络的结构特点对微电控制策略进行优化,提升光伏发电功率的精准性。即时预测电网状况,并给予技术条件,为城市用电提前做出解决策略。建立光储云平台微电网指挥体系,实现对各方面发电功率数据的收集和预测,实现整个系统的统一性、实时性。实验结果证明,设计的指挥体系可以合理进行储能资源的调配,以满足当日城市的日常用电需求。