基于改进遗传算法的非侵入式电器负荷识别

针对传统非侵入式负荷识别算法在电器负荷接近或较小时并不能得到较理想识别效果的问题,提出了一种基于谐波特征和遗传算法的非侵入式电器负荷识别算法.通过提取电流数据的非活性电流及其谐波特征,来增大不同用电器间的差异性,从而提高识别精度;并使用遗传算法优化的神经网络的权重、阈值和隐含层神经元个数来提高分类识别精度,达到细粒度用电分析的目的;使用包含5种家用电器的用电场景测试所提出算法的识别精度,并将其与反向传播神经网络算法相比较.仿真测试结果表明,提出的特征和算法具有更高的负荷识别准确率及更快的识别速度.     

基于聚类特征及优化网络的非侵入式负荷分解

非侵入式负荷分解可以通过总表负荷数据,识别不同电器的运行情况,对需求侧用电实现有效管理.针对多电器同时运行时负荷数据相似导致的识别正确率低的问题,提出基于特征聚类及优化时序卷积网络的非侵入式负荷分解模型.首先对用电器的负荷数据进行非负矩阵分解提取特征数据,之后使用高斯混合模型识别用电器的运行状态并进行编码,最后将多个用...     

基于FFT与遗传算法的用电器识别

随着智能电网和大数据技术的发展,用电器的识别和检测对规划用电器使用和参与需求响应具有越来越重要的意义。针对用电器识别,提出了一种基于FFT与遗传算法的用电器识别方法。分析了典型用电器负荷的电流波形频谱,并以其谐波作为负荷识别的最优特征参量,通过快速傅里叶变换对波形数据进行处理,以欧式距离最小作为优化指标,采用遗传算法搜寻最优解,最终实现对用电器类别的精确识别。在MATLAB/Simulink中搭建用电器识别模型,并以TI公司的TMS320F28335数字控制器为核心搭建了硬件系统,进行了实验验证。仿真结果与实际测试表明,该算法能够准确识别用电器的类别。     

复杂背景下运动目标检测的ViBe改进算法

针对ViBe运动目标检测算法在复杂背景下出现鬼影和鲁棒性低等问题,文中提出一种基于边缘梯度特征的自适应阈值改进算法.通过计算当前帧图像背景复杂度,自适应调整阈值R,提取前景目标;建立前景区域与运动区域的边缘梯度模型,通过判断模型之间的相似度,消除鬼影区域.经对采集的3个设定视频场景进行实验验证,结果表明,该算法对复杂场...     

双目相机和激光雷达的融合SLAM研究

针对基于图优化的激光SLAM算法在高相似度的场景中闭环检测出错的问题,提出使用双目相机进行闭环检测的方法. 使用加入旋转不变性的FAST特征点和BRIEF描述子进行双目深度估计; 引入局部地图的概念,使用单帧激光雷达数据与局部地图进行匹配,提高SLAM前端的精度. 使用基于词袋(bag of words,BOW)模型的k叉树字典评估图片相似度从而完成闭环检测,最后构建全局优化问题并求解. 与主流开源激光雷达SLAM算法的对比实验表明,研究内容改善了只使用激光雷达数据进行闭环检测的方法在相似度较高场景下失效     

基于人工神经网络的非侵入式居民用电负荷识别方法

非侵入式居民负荷识别技术的应用推动了家庭智能用电技术的发展,它能对居民用户的负荷组成成分进行深入分析,从而获取不同精细程度的用户用电信息,对于电力用户和电网公司都具有重要意义。负荷识别问题的数学模型较为复杂,导致数学优化算法在进行负荷识别时的求解效率较低。首先提出一种基于人工神经网络的非侵入式负荷识别模型,利用该模型训练好用于识别各类家用电器的神经网络并由此构成负荷特征识别库,用于判断家用电器的工作状态;然后通过仿真证明了所提方法的有效性;最后为了解决非侵入式居民负荷识别的应用问题,进一步探讨了非侵入式负荷识别的高级应用。     

计及碳交易和调峰灵活性的多场景热电负荷优化分配

面向提高机组调峰灵活性和降低碳排放需求，建立热电联产机组收益和负荷优化分配模型，得到机组热电负荷分配策略、收益及碳排放分布特性。选取两台350 MW机组4种运行场景，采用进化算法EA,以机组总体收益最大和碳排放最低为目标进行热电负荷优化分配，得到了4种运行场景收益情况以及原因；定义了两台机组热电负荷分配不均数，同时研究了热电负荷分配不均数在4种场景下对机组总收益的影响。为热电联产机组的高效低碳负荷优化分配和灵活运行提供参考。     

融合梯度特征的红外目标跟踪

Meanshift跟踪算法普遍采用单一的灰度空间进行红外目标跟踪,直方图所含信息量少,容易受目标和背景灰度变化的影响．文中提出一种融合梯度特征的红外图像Meanshift跟踪算法,该算法对边缘和结构特征的梯度值进行量化,建立梯度特征模型;利用Bhatta—charyya系数分别计算梯度特征和灰度特征的特征相似度;设置置信度系数,并利用置信度系数将梯度特征相似度和灰度特征相似度进行融合,得到综合相似度;针对综合相似度推导Meanshift迭代方程,通过迭代运算逐步逼近目标实现跟踪;利用灰度特征相似度和梯度特征相似度信息并结合置信度系数设计模型更新准则以提高跟踪鲁棒性．文中算法能够适应红外目标跟踪中目标与背景的变化,鲁棒性强且跟踪准确度高,仿真实验表明该算法较普通Meanshift算法性能有较大提高,跟踪精度也有所改善．     

基于组合特征和SVM的视频中人体行为识别算法

针对复杂场景中的人体行为识别困难的问题,提出了一种基于组合特征和SVM的行为识别算法.该算法使用光流特征、HOG特征、重心特征和3D SIFT特征构成的组合特征来描述人体的各种行为;使用一对一的方式训练SVM分类器对提取出的特征进行分类,并以投票的方式得到具体的行为类别.使用包含4个场景的KTH数据集进行仿真.结果表明,所提出的算法能适应各种复杂环境,且相比只采用单一特征的识别算法具有更高的分类精度.     

基于多特征在线模板更新的鲁棒目标跟踪算法

在Mean-shift算法框架下提出一种基于多特征在线模板更新策略的鲁棒目标跟踪算法．首先,针对目标与背景色彩相似引发的跟踪漂移现象,提取照度不变性色彩特征与旋转不变性LBP纹理特征提取算法,并通过引入BWH算法实现多特征融合;其次,在传统的Mean-shift算法收敛条件上增加了直方图相似度校验,以避免陷入局部最优解．此外,还提出了基于直方图差异空间分布图的遮挡现象检测算法,从而提升了模板在线更新算法的准确性．实验结果表明,本文方法对于复杂动态场景、遮挡现象以及目标自身形变具有较强的鲁棒性和较高的准确性．     

基于交互式实时电价机制的用电优化研究

为满足对新能源消纳和电力供需平衡的要求,以新能源为主体的新型电力系统需要最大程度发挥负荷侧调节能力。针对当前用户侧调节能力未充分挖掘的问题,提出一种基于交互式实时电价机制的用电负荷优化方法。首先,基于区域电网内新能源总和建立广义标杆新能源出力曲线,提出一种基于改进时间序列形态相似度的用电负荷与广义新能源标杆曲线的源荷相似度计算方法,并构建负荷与电价的关联模型;进而提出基于源荷相似度的交互式实时电价机制引导用户参与响应;最后,构建多目标优化模型进行负荷优化。仿真结果表明,所提交互式实时电价机制的负荷优化效果更好,能够有效提高用户参与需求侧响应的积极性,相似度变化值能够准确衡量新能源与负荷曲线的相似度水平,使净负荷功率趋于平稳,促进新能源的高质量消纳。     

基于模糊组合权重的BA-SVM短期负荷预测

针对支持向量机(SVM)内部参数优化和输入量大、时间长效率低和相似日选取的问题,提出一种模糊组合权重下相似日选取的蝙蝠算法(BA)优化的支持向量机(SVM)短期负荷预测模型。相似日的选取上主要利用熵权法和加权欧氏距离的k-均值算法对影响负荷变化的因素、负荷各时刻的变化特性进行区别对待,求取二者在相似日下集合的交集,从而得到与待预测日相似度高的相似日。同时,利用BA优化后的SVM进行负荷预测,提高内部参数的选取精度和效率。将该模型与常用的PSO-SVM、GA-SVM进行比较,证明了该模型能有效提高预测精度和计算效率。 更多还原     

一种非侵入式低功耗高精度的用电器识别算法

非侵入式用电器识别是实现泛在电力物联网客户侧智能感知的关键技术。针对现有非侵入式用电器识别系统计算复杂度过高,不利于产业化的问题,提出了一种基于长短期记忆网络的低成本、低功耗、高精度且可应用于嵌入式微控制器的非侵入式用电器识别算法和系统。首先,对总线上的电流进行同步采集;其次,利用所提出的多参数的检测方法判断出用电器的投切事件;再次,利用长短期记忆网络,对投切时间点前后变化的数据进行识别,得到投切事件的用电器种类;最后,结合累积和判断出当前的用电器的种类和数量。仿真和实测结果表明,只需要针对单个用电器进行少量数据的训练,即可在嵌入式微控制器系统中对组合用电器实现高达99.6%的平均识别准确度,且系统功耗小于1.5 W。这种算法可进一步应用于统计各个用电器的投切时间点、使用时长和功耗总和等工作情况,为智能电网提供精细化的用户用电信息,并为电网能源管理和优化提供重要参考。     

基于改进粒子群算法的储能系统优化运行

针对储能系统运行经济性及储能电池运行损耗评估问题,建立计及电池损耗成本的储能系统运行收益优化模型;同时,针对标准粒子群算法全局寻优能力不足,罚函数难以选取等问题,提出一种双适应度混沌粒子群算法,采用该算法对电池损耗及储能系统收益情况进行优化计算,并与采用标准粒子群算法优化和未经运行优化所得结果进行对比分析。结果表明:储能电池损耗成本对系统收益影响明显,应建立合适的电池损耗模型进行评估计算;对储能系统进行运行优化后,合成负荷曲线方差减小,负荷峰、谷值削减,系统收益提高,损耗成本占比减小;通过与其他两种运行情况对比发现,双适应度混沌粒子群算法寻优所得储能系统运行收益值更高,储能系统经济性更佳。     

基于层次化BoF模型和Spectral-HIK过滤的手势识别算法

为了解决基于计算机视觉的人类手势识别问题,提出一种名为层次化Bag-of-Features(BoF)的模型.该模型通过对人手区域进行划分和对图像特征分别向水平和垂直轴投影来提取图像特征的空间分布信息.为了准确快速地实现手势识别,构建一种基于直方图交叉核的手势识别分类算法.该算法结构简单、运行效率高,而且充分利用层次化BoF模型的结构特点.为了进一步提高在复杂背景下手势识别准确率和运行效率,采用一种基于谱和直方图交叉核的背景特征点过滤算法.实验结果显示,所提算法对于简单背景下的手势识别准确率可达99.79%,而对于复杂背景下的识别准确率为80.01%.     

基于FLM的特征检测算法在手势识别中的应用

提出一种用于特征检测的基于高斯函数的特征相似度函数(Feature Likelihood map(FLM))，该函数是归一化为[0，1]的一个函数，它模拟了在尺度空间中各点的图像特征的相似度．FLM继承了一些基于特征的图像描述方法的特点，避免了模型和数据匹配算法中所需要的大量的搜索，它还淘汰了基于特征的传统方法中的阈值需要．本文推导了对称圆状特征的相似度函数，并且将它运用于手势识别中，实验结果表明该方法能很好地检测出手形特征并且进行手区域定位和手形识别.     

基于AHP和TOPSIS法的空间负荷预测

配电网空间负荷预测的核心问题是负荷密度指标的选取,目前选取负荷密度指标的方法一般难以满足实际工程中对精度的要求．引入AHP和TOPSIS法求取负荷密度指标,运用AHP法确定评价指标的权重,运用TOP-SIS法进行评价指标的规范化和排序计算,量化影响负荷密度指标的因素,选择负荷密度指标,并在此基础上采用相似度方法进行负荷密度的修正．将该种算法和模型应用于大量实际的工程项目,证明了该模型和算法能够快速计算出负荷密度指标,并且能够保持一定的精度,适用于工程实践中的空间负荷预测．     

基于注意力与多级特征融合的YOLOv5算法

针对复杂场景下目标检测与识别精度较低的问题,提出了一种基于注意力与多级特征融合的YOLOv5目标检测与识别算法。该算法在传统YOLOv5s模型的主干网络中引入双空间方向的金字塔切分注意力机制,增强对特征空间和通道信息的学习能力,同时在瓶颈网络中采用多级特征融合结构,对不同分支的特征进行融合,增加特征的丰富性,提升应对复杂场景的能力。此外,利用C3Ghost模块和深度可分离卷积分别替换C3模块和普通卷积,降低网络参数量和复杂度。结果表明：与传统的YOLOv5s算法相比,所提算法在VOC2007+2012数据集的均值平均精度高达85%,在智能零售柜商品识别数据集的均值平均精度高达97.2%,表现出较好的性能。     

基于相似日的遗传程序设计短期负荷预测模型

针对短期负荷预测中对自动化、智能化和预测精度的进一步需求,提出了基于相似日的遗传程序设计短期负荷预测模型.首先从日特征量、日前趋势相似度及其综合来选择预测日的趋势相似日样本数据,然后重点介绍了利用相似日样本数据进行短期负荷预测遗传程序设计演化建模的算法设计流程.贵州电网日96点负荷实例预测结果表明,模型所对应的预测曲线与原始曲线拟合较好,模型具有较高的预测精度,能够反映短期负荷变化的规律.     

Short-term Load Forecasting Model Established by Genetic Programming Based on Similar Days

针对短期负荷预测中对自动化、智能化和预测精度的进一步需求,提出了基于相似日的遗传程序设计短期负荷预测模型.首先从日特征量、日前趋势相似度及其综合来选择预测日的趋势相似日样本数据,然后重点介绍了利用相似日样本数据进行短期负荷预测遗传程序设计演化建模的算法设计流程.贵州电网日96点负荷实例预测结果表明,模型所对应的预测曲线与原始曲线拟合较好,模型具有较高的预测精度,能够反映短期负荷变化的规律.