基于模态分解-PSO-DNB深度学习的短期负荷预测研究

针对传统负荷预测模型对高维非线性电力负荷的特征提取效果不理想的问题,为有效提高电力负荷短期预测精度,提出了基于模态分解-PSO-DNB深度学习的负荷预测模型。结合模态分解方法和PSO算法特征并充分融入到深度学习模型中,构造了量化深度学习模型训练效果的误差评价函数,由此建立短期负荷预测的系统模型。以某地区电网监测的电力负荷数据开展短期预测研究,通过算例效果表明,所提的预测方法可实现24 h内滚动式短期电力负荷预测,且预测误差能控制在合理范围内,相较于传统负荷预测的方法更能提升预测精度。     

基于改进Raft算法的电力数据共享机制

随着智能电网的快速建设和运营,电力公司内部各变电站之间数据的安全共享已成为一个急需解决的问题。基于联盟区块链技术,设计了基于区块链的电力数据共享模型;电力公司的各个电力调度中心构成区块链节点,实现电力数据的安全管理和存储;电力信息采集终端部署数据采集传感器,实现电力数据的全面采集。为实现数据的安全共享,基于改进的Raft算法,设计了电力数据的上链流程、领导者选择流程、电力数据共享流程。实验中从数据存储时延和数据读取时延2个维度,验证了本文算法在保证数据安全共享的前提下,较小的增加了数据读取和存储的时延。本文算法较好的解决了数据安全共享的问题。     

基于深度学习的井工矿车道线检测算法

针对在井工矿辅助运输装备作业复杂环境下,传统车道线检测算法精度低、鲁棒性差等问题,文章提出一种基于深度学习的井工矿车道线检测算法,采用UFLD行索引车道线检测算法,并根据井下实际道路场景,自定义标注车道线规则,建立一种涵盖非结构道路下的车道线数据集,从而实现对井下非结构性道路的车道线检测任务。相较于传统车道线检测算法,该算法充分利用了深度学习中先验知识的有效信息,实现了对不同道路场景下的车道线检测任务的兼容性。通过分析基于自建数据集模型训练及检测指标的评估结果表明,该算法提高了对井下车辆车道线检测任务的能力,为井下辅助运输车辆智能驾驶系统的高阶功能应用奠定了基础,且在提高检测精度的同时,保证了其在检测非结构车道场景车道线任务中的鲁棒性,并通过TensorRT架构进行模型推理加速及部署,验证了其在井工矿场景的有效性和工程化部署的可行性。     

频率波数域叠前深度偏移及其在微机上的实现

叠前深度偏移技术的推广应用一直由于叠前数据量巨大和计算量异常密集而受到限制。为突破这一制约, 对基于频率波数域的快速叠前深度偏移方法进行了算法优化, 在微机上完成了原来只有在大型计算机上才能实现的工作, 并分别对复杂地质模型和实际二维地震数据成功实现了叠前深度偏移, 取得满意的结果。     

基于智能巡检机器人的煤机故障音频识别方法北大核心

随着机器人技术飞速发展以及煤矿安全高效生产更高要求的提出,井下机电设备已经由传统的人工巡检转向具备“监测、检测、预警”功能的机器人化巡检。将声音处理和深度学习引入矿业系统智能处理中,对数据进行智能化分析;研究了声音预处理、语谱图生成和特征提取与分类等各个环节关键技术,解决了现阶段面向煤矿井下环境的关于语音特征无法时域和频域同时描述、缺乏动态序列信息的有效利用等问题。实验数据表明:采用以CNN+LSTM模型为核心,利用caffe c++深度学习框架建立声音识别的CNN+LSTM+Softmax网络,可以有效提高煤矿井下设备异常声音识别准确性和鲁棒性,减小算法复杂度以适应算法在嵌入式设备运行,实现机器人化煤机故障音频辨识及诊断。     

基于X射线分选矿石图像的轮廓提取算法综述

近年来,图像处理技术在矿石的智能分选领域广泛应用,但当前的智能分选图像处理算法在精度、算法效率和通用性等方面仍存在局限性。X射线分选矿石图像的轮廓提取是实现智能分选的重要前提之一,根据轮廓信息确定矿石中矿物分布、含量、尺寸及形态等特征,进而优化矿石的分选流程,提高矿产的回收率和经济效益。本文对X射线智能分选机的成像原理及图像噪声特性进行分析,概括了图像预处理方法并重点介绍了经典canny算法和深度学习的HED、DeepEdge、U-Net轮廓提取算法的原理和网络结构,对算法的优势与不足进行分析。最后提出X射线智能分选矿石图像处理算法现存的问题及今后的研究重点。为X射线智能分选图像处理系统矿物轮廓提取研究提供参考。     

基于ISAE的磨煤机故障预测与诊断方法研究

针对难以从火电厂实际运行数据中获得大量磨煤机故障数据,以及磨煤机精准数学模型难以求取,从而影响其故障诊断策略制定的问题,提出了一种基于简化机理模型的深度学习故障诊断算法,用于有效检测磨煤机的运行状态。基于磨煤机机理模型和状态空间预测控制器,构建了闭合控制系统,通过对不同故障类型的分析和模拟,在充分接近磨煤机的实际运行状态下,获得了大量的故障数据。并通过改进堆叠自动编码器(ISAE)将模拟的故障数据与深度学习算法相结合来建立深度学习故障诊断策略,ISAE以无监督的方式逐层提取故障数据的本质特征,具有很好的学习和识别故障特征的能力,同时通过将磨煤机系统变化快速且显著的变量作为ISAE输入变量,使ISAE兼具了故障诊断和预测的能力。仿真结果也表明,提出的ISAE能够很好地检测出磨煤机的故障,故障诊断准确率高达98.46%,并能提前发出预警。     

基于Stacking模型融合的失压故障识别算法

计量故障中的失压故障是目前电力计量系统常见的故障问题之一,传统的失压故障判定以终端告警为依据,判定维度单一,且终端告警存在误报、漏报的情况,导致了故障无法及时发现、无法实时处理。为了解决失压故障识别维度单一和终端漏报误报的问题,采用比较研究法,在前人使用机器学习算法解决故障识别问题的基础上,结合真实计量数据,构建失压关键指标,提出了一种基于Stacking模型融合的计量故障监测算法。经反复实例论证和理论测算,该算法相较于传统的机器学习算法,能够提升失压故障识别的效果,平均精确率0.99以上。该种算法的提出为计量故障识别提供了一种新的解决方案,为失压故障后电量追补提供了一种依据,为提升计量系统管理水平增加了一种手段。     

煤矿人工智能视频分析系统架构体系及关键技术北大核心

在煤矿智能化建设的大背景下,以视频感知为基础,以网络、信息技术为媒介,以人工智能、大数据为技术支撑,构建全矿井人工智能AI平台架构体系;结合煤矿的实际情况,挖掘分析真实的应用场景,针对煤矿设备状态、人员行为、环境变化进行智能感知、深度学习与智能分析,来实现智能报警与控制。论述了煤矿人工智能视频分析系统总体架构,介绍了构建系统所采用的人工智能、机器学习、深度学习等关键技术,从模型训练、数据分析与传输、智能控制、AI监控平台几个方面详细说明了系统的设计。     

煤矿井下机车无人驾驶系统关键技术

煤矿井下机车无人驾驶系统的研发和运行,有助于降低因调度、操作失误而发生运输事故的概率并且能够减少井下作业人员的数量。与技术日趋成熟的地面汽车无人驾驶、铁路无人驾驶不同,在井下环境实施机车无人驾驶存在诸多新的挑战:例如运输大巷人车共用、巷道狭窄、光照条件不均匀,无法利用卫星定位系统,缺乏有效的通信手段等。从实现井下无人驾驶机车系统的关键问题分析入手,综述了其技术研究进展。①提出了基于信息网络与控制网络无缝结合的井下无人驾驶机车系统架构,以确保列车调度智能化、机车操控与状态采集自动化、运输监控中心与调度中心一体化,并且兼容远程遥控、自主运行等无人驾驶模式;②给出智能调度的概念,即无人驾驶系统应当在运输调度智能化的基础上实现,有效促进两个系统间的资源共享、功能协同;③详细比较分析了井下封闭环境定位技术,指出超宽带(UWB)能够有效应对亚米级的机车高精度无线定位且鲁棒性和稳定性方面性能优良,能够满足井下机车无人驾驶对定位精度的要求;④阐述了适用于井下无人驾驶的数据通信网络覆盖,重点根据实际的工程经验给出接入WLAN网络需要满足的性能指标,分析了5G新型通信网络即将带来的井下无人驾驶应用突破;⑤在机器视觉用于路况分析方面,探讨了基于轨道模型和基于图像特征的轨道线检测算法、基于深度学习神经网络的目标检测算法、基于双目测量和单目测量的目标距离估计算法、深度学习网络的轻量化技术。最后,展望了该领域的技术发展与应用前景。     

基于导电塑料传感器的连续测角系统设计

介绍了一种基于双联导电塑料传感器可连续测角的数据采集系统,理论角分辨率可达0.1°。系统主要由低功耗单片机、0功耗串口电路及显示部分组成。单片机控制自带ADC12模块进行数据采集,采集完毕即进入低功耗休眠状态,并可由定时中断唤醒。通过对双联导电塑料传感器进行双通道数据采集及算法设计,不仅避免了传统光电编码器存在体积、质量大,对灰尘,电磁环境等条件要求高的问题,而且解决了传统导电塑料传感器无法实现0°～360°连续测角的难题。该系统具有精度高、功耗低、体积小、扩展性强的特点,在工业控制、智能机器人和状态监测等领域的角位移量测量中有重要的应用价值。     

基于TMR的运行监测及故障研判系统研究

随着电力行业的迅猛发展,变电站及其设备的数量也不断增加,为了保障电网安全生产和稳定运行,对基于电能量信息采集系统(TMR)运行监测及故障研判展开深入研究.首先分析了电能计量的原理,并基于TMR建立运行监测及故障研判平台,然后设计系统电能量数据对接、电能质量诊断以及异常信号智能研判的关键应用的实现方式,最后对该系统的应用...     

基于大数据的煤与瓦斯突出预警技术

针对现有煤与瓦斯突出预警技术对数据的分析利用不充分的问题,从大数据生命周期的各技术环节入手,介绍了基于大数据的突出预警技术体系的架构、大数据类型及获取方式。从工作面、区域、生产系统3个方面建立了多参量突出预警指标体系,并依此构建了基于层次分析法的突出预警模型,同时分析得到基于多层关联规则算法的层次分析各因素相对重要度的计算方法,实现了指标权重的自动确定与优化;开发了基于B/S架构模式的突出预警系统,主要包括预警数据库、预警服务、预警网站和移动终端APP。现场试验表明：预警总准确率达91.5%,无漏报现象,实现了预警数据的动态获取、智能分析、实时预警、在线发布与远程查询。将大数据技术应用于煤与瓦斯突出灾害防治是未来的发展方向,基于大数据进行突出预警是可行的,可为煤矿现场突出防治提供决策支撑。     

煤炭企业计量数据采集与计算机管理开发

数据计量采集系统的主要功能是将外部的模拟信号经采样放大等处理后由A/D转换系统转换为数字信号,再送至计算机处理。数据采集系统的实现方式较多。原煤计量装置是进行原煤计量的专门设备,其准确性和可靠性直接影响到煤炭企业的战略判断与实施。而随着市场经济的发展,加强企业自身管理,特别是对煤炭企业的原煤计量装置的优化改造工作显得更重要。文章结合煤炭企业计量数据采集与计算机管理开发的原则,对装置的优化改造提出了相关建议,通过计算机管理开发改造提升其计量准确性和安全可靠性。     

基于深度学习的智能爆破矿岩块度自动分析系统

在露天开采领域,自动、准确地获取爆堆矿岩块度信息是优化爆破设计的关键。针对目前块度分析系统存在无法自动采集和自动批量处理图像的问题,提出一种基于深度学习的矿岩块度自动分析系统,该系统主要由基于MobileNet分类模型的自动采集子系统和基于U-Net语义分割模型的自动分析子系统组成。系统自动连续采集旋回破碎站的电动轮卸矿图像,通过4G网络上传云平台进行块度信息自动分析,分别对分类模型和分割模型进行定量、定性评估,其中分类模型在测试集上的精度达到98.08%,矿石分割模型的矿石类别IoU达到78.43%。将系统部署到某矿露天采区旋回站,通过一年多的工业生产实践,结果表明,本系统达到了设计要求,实现从采集到分析、信息展示全流程的自动化、无人化、智能化,可以进一步为智能爆破提供数据支持。     

一种电力大数据三维可视化管理方法研究

针对二维图表的数据表现方式不能适用于电力大数据的分析与展现,提出一种三维可视化的电力大数据管理模型。该模型将大数据挖掘与三维可视化技术有机集成,采用并行BP神经网络技术实现电力大数据的高效挖掘,利用基于属性约简的三维渲染算法提高电力三维场景绘制的实时性。通过试验表明,该数据可视化管理方法实现了电力大数据的高效挖掘和三维模型的实时渲染。     

基于CS5460A的多路电能测量与远程通信控制设计及应用

CS5460A是带有串行通信接口的单相双向电能计量芯片,具有很好的通信能力,适用于多种自动化测量和远程控制领域。该文介绍一种基于CS5460A芯片的多路电能测量的软、硬件设计方法,它能够通过自带的串行接口方便实现与微机控制系统的数据通信,很好地满足了电能计量微机自动化管理的要求。     

热量远程计量系统及智能网络热量表的设计

介绍了热量计量技术的发展现状。阐述了基于低功耗MSP430F147的智能网络热量表的内部硬件结构以及关键参数的测量和计算方法,软件的设计思想和组成,编写了主程序,以及集中器的的硬件构成。设计了一种远程计量小区用户耗热的智能热量表,各个智能热量表联成一个计算机动态监控网络,监控中心通过动态监控网络所传输的实时数据对智能网络热量表进行实时监控。     

梅山铁矿智能生产管控物联网应用系统研究与实现

矿山企业属于资源型企业,面临着较大的竞争压力,需要引入物联网关键技术提升企业的生产效率,降低能耗。在总结南京梅山矿业生产综合管控建设项目的基础上,构建面向金属矿山的智能生产管控物联网应用架构,并围绕金属矿山生产过程中的生产作业现场、设备状态、人员情况、环境情况,设计基于物联网的生产管控应用系统,对其中关键技术（数据采集与信息感知技术,网络通信与数据传输技术数据集成与分析、协同技术）、应用系统（综合管控平台,智能辅助配矿系统,多车道无人发货系统）作了相应论述,为金属矿山实现数字化、自动化、智能化建设提供建设样例。