煤矿安全目标检测技术研究进展

信息化时代的发展使得煤炭行业向智能化、智慧化转型升级。为了确保煤矿生产安全运行,坚持“以人为本”的发展理念,煤矿安全目标检测技术的研究发展成为数字化矿山安全建设不可或缺的一步。介绍了传统目标检测算法、基于区域建议和分类回归的深度学习算法等的研究进展以及在井下应用的优缺点,重点分析不同算法的作用机理及特点,最后结合目前存在的问题探讨了煤矿安全目标检测未来可能的发展趋势。     

基于图像识别算法的电能表装接质量智能监测

本文研究基于图像识别算法的电能表装接质量智能监测。提出了一种利用计算机视觉技术和目标检测算法的智能监测系统,用于自动评估电能表的装接质量。通过收集和构建数据集,设计并实现了该系统,并在实验中对其性能进行了评估。结果表明,该智能监测系统在电能表装接过程中能够实时准确地检测装接质量,并对异常情况进行识别。本研究为电能表安装质量提供了一种高效可靠的监测方法,但仍面临着在大规模实际应用中的挑战。因此,未来需要进一步探索如何优化算法,提高系统的鲁棒性和实时性,以适应更复杂的装接环境。     

基于轻量化网络的变电站缺陷图片检测算法

保证变电站运行安全和可靠,自动检测变电站设备缺陷是电网智能化的关键。提出基于轻量化网络的变电站缺陷图片检测算法。针对目前传统的深度网络深度较深,耗时较长,易发生梯度爆炸、消失的情况,以及变电站智能监控实时性要求高的问题,提出了一种基于轻量化网络的变电站缺陷图片检测算法。该算法通过深度网络的轻量化设计,不仅可降低计算时间复杂度和空间复杂度,并且能提升检测准确度。该算法利用轻量化的特征提取网络进行图片的多尺度特征提取,且能根据多尺度特征进行目标种类和位置的检测。以变电站现场故障图片作为实验数据,对比测试了SSD算法和所提算法在面对不同故障的检测准确率。实验结果表明,所提算法在变电站故障检测任务中比SSD算法更加准确,为变电站故障检测提供了有效的手段。     

基于深度学习的电力基建现场安全管控系统

目前电网基建项目中的一系列安全问题的检查监督主要依靠人工巡检、抽检,存在工作量大、易疏忽、实时性差、效率低等诸多缺点,无法做到对整个施工现场的安全情况实时监控、全局管控。近年来随着人工智能技术的发展,基于视觉分析的基建现场安全状态智能评估已成为可能。提出了一种基于深度学习的电力基建现场安全管控系统,该系统基于施工基建现场安全管控中视觉目标检测的实时性和准确性要求,以YOLO-V3目标检测算法为核心,根据检测对象的特征对网络结构和参数加以优化,开展目标检测与识别技术研究,搭建施工基建现场管控系统,提升处理效率,进一步完善基建现场的安全监控手段,可为不安全行为和不安全物态场景的智能识别提供新的思路和方法。     

基于MPPT改进型孤岛检测算法

文章提出了基于MPPT的改进型孤岛检测算法,该算法通过增大Boost升压电路的占空比D,减小光伏输出电压和逆变器输出有功功率,在电网断电时影响并网点的电压,使其超出过/欠压保护阈值,从而检测出孤岛状态。文章充分考虑了本地负载与分布式光伏发电系统的有功匹配情况,消除了检测盲区,增加了扰动周期,进而降低功率损耗,减小对电能质量的影响。对算法进行了仿真和试验,表明该算法符合IEEE Std.929-2000规定。     

基于MOEA/D算法的衡水市水资源多目标优化配置

水资源供需之间的矛盾日趋激化，优化配置、高效利用区域内有限水资源变得尤为重要。以衡水市水资源配置为例，综合考虑衡水市水资源优化配置需求，建立了以社会效益、经济效益和生态效益为目标函数的水资源多目标优化配置模型，给出了基于MOEA/D算法的水资源优化配置方案，并将所提方案与基于NSGA-Ⅲ算法的方案进行了对比试验。结果表明，所提方案优于文献方案，可为衡水市水资源合理配置提供依据。     

基于改进YOLO-v3的风力机叶片表面损伤检测识别

为对风力机叶片损伤状态进行有效检测，提出一种基于改进YOLO-v3算法的风力机叶片表面损伤检测识别技术。根据风力机叶片损伤区域特点，对网络中锚框（anchor）的尺度进行调整优化；在特征提取网络后引入基于注意力机制的挤压与激励网络（squeeze and excitation networks,SENet）结构，使YOLO-v3算法更加关注与目标相关的特征通道，提升网络性能。结果表明，改进后算法的平均精度为84.42%，较原YOLO-v3算法提升了6.14%，检测时间减少了21 ms，改进后的YOLO-v3算法能较好地识别出风力机叶片表面损伤。     

基于CS-RBAPVS的超高次谐波检测算法

随着电力电子技术高占比应用于可再生能源发电系统,大量超高次谐波流入电网,从而引发新的电能质量问题。针对超高次谐波检测过程中计算量大、测量不精确等问题,提出一种基于压缩感知变步长正则化回溯自适应追踪超高次谐波检测算法。该方法利用狄利克雷核矩阵与离散傅里叶变换系数,并引入插值因子,建立基于压缩感知理论的超高次谐波模型;同时采用基于变步长的正则化回溯自适应追踪算法重构原信号,该算法通过结合正则化思想与子空间追踪算法的回溯思想,在无需预知原信号稀疏度的情况下,不仅实现了信号的精确重构,而且克服了固定步长所引起的问题。仿真测试验证了该算法的优越性与有效性。     

基于YOLO的输电线路鸟巢检测网络结构改进研究

为提高电力系统的安全运行水平,针对输电线路上的鸟巢识别问题,提出基于YOLO的输电线路鸟巢检测网络。首先通过构建GhostNet模块搭建骨干网络,并优化了特征层提取方式;随后通过改进特征金字塔连接层,并结合PANet结构构建了瓶颈网络的特征金字塔,最终搭建了YOLO-NEST网络。构建并扩充数据集进行训练,将提出的网络与其他目标检测算法进行对比,结果表明所提网络在进行输电线路的鸟巢检测时效率更高。     

基于像素的室内人员数量实时检测方法研究

根据实际需求对空调系统进行控制是提高空调运行能效的有效手段,室内人员的数量信息是空调按需控制的基础。当前基于环境信息和通信技术的人员检测方法面临检测精度低、易受干扰等缺点,提出了一种基于像素的人数检测方法,对比了3种主流的背景分离算法,发现自适应自组织网络算法有潜力用于室内人员检测。     

ΔD法实现光伏系统最大功率点跟踪

在光伏系统中,光照强度、环境温度和负载变化等将会影响光伏系统的功率输出,因此光伏系统最大功率点跟踪(MPPT)是光伏系统研究的一个重要环节。文章在对比当前几种MPPT算法的基础上,通过改进扰动观察法得到了一种改变变换器开关频率占空比(D)来获得光伏系统最大输出功率的方案。利用MATLAB对光伏系统进行了不同工作条件下的仿真,证明其是可行的。同时,在一个实际光伏应用系统中进行占空比微增(ΔD)法最大功率点跟踪的应用试验。     

基于预测变异多目标粒子群算法的风-光-抽水蓄能系统日前调度

文章针对风-光-抽水蓄能联合发电系统,采取并网运行、自发自用、余电上网的模式,以经济效益最大化和电网交互功率波动最小作为目标函数,考虑各子系统运行约束和能量平衡约束,对其日前调度进行了研究。针对传统多目标粒子群算法多样性较差、易早熟且后期收敛速度慢的问题,提出一种基于预测变异的多目标粒子群算法（P-MOPSO）,引入预测变异策略提高种群的多样性和全局搜索能力,采用基于拥挤距离均方根和分散度检测的方法提高收敛速度,使算法能够快速得到接近真实的Pareto前沿。仿真结果表明,将该算法用于求解风-光-抽水蓄能联合发电系统的优化调度问题,在多样性、稳定性和求解速度上均具有明显优势。     

基于Z域D分割法的并网逆变器控制参数多约束可视化设计

研究基于D分割法的并网逆变器控制参数设计方法。考虑并网逆变器数字控制的离散特性,推导Z域D分割法的成立条件,并和S域D分割法进行比较。根据系统的性能要求,利用Z域D分割法得到指定的相位裕度和幅值裕度以及参数鲁棒性要求下调节器参数空间域。在此基础上,以逆变器带宽为目标函数在参数空间域内,通过可视化的方式对控制器参数进行优化设计,该可视化分析方法无需对参数反复试凑,整定目标直观明确。最后通过仿真和实验,证明了该方法的正确性和有效性。     

基于边缘端目标识别与跟踪算法的输电线路航拍视频流诊断技术研究

边缘计算的出现改变了无人机影像诊断的方式,但是由于边缘端设备的功率和AI算力有限,将云服务器中的目标识别的算法部署到边缘装置时,极容易出现识别滞后、显示卡顿、缺陷检测率低等情况。将YOLOv5目标识别算法进行改进,引入Ghost模块改造Backbone部分实现轻量化;改进后YOLOv5-GBA算法结合目标跟踪算法,实现了边缘端的无滞后实时检测,针对9种不同的空间尺度的缺陷开展检测,平均准确率75.1%,相比YOLOv5的6.0版本平均提升2.8%,在边缘计算模块NVIDIA Jetson Xavier NX上实现了最高224FPS的测试效果,有效解决了边缘计算装置中深度学习算法应用效果差与识别准确率低的现实问题。     

基于MOSSA算法的混合工质双压ORC系统多目标优化

以R141b/R245fa混合工质为研究对象,利用Matlab软件建立混合工质双压有机朗肯循环(ORC)系统数学模型,分析混合工质组分、高压蒸发温度、低压蒸发温度对系统热力、经济、环境性能的影响。采用多目标麻雀搜索(MOSSA)算法对系统热力、经济、环境性能进行多目标优化,并对3种性能的函数关系进行拟合。结果表明:系统热效率与R141b质量分数呈负相关,随高压蒸发温度呈先增大后减小趋势,存在最佳高压蒸发温度使系统热效率达到最大,与低压循环蒸发温度呈正相关;混合工质双压ORC热经济环境三目标优化的Pareto最优解(η_orc,LEC,ECE)为(0.134 3,0.701 9元/kWh,11.605 kgCO₂eq/kWh),综合性能最优时的运行参数为R245fa质量分数为0.1,高压循环蒸发温度为387.65 K,低压循环蒸发温度为357.83 K,窄点温差为5.02 K,提高系统热力性能和环境性能必然会降低其经济性能。     

基于灰狼算法的多目标配电网重构

为了降低风电和光伏接入配电系统的有功网损以及提高开关利用率,首先建立相应的数学模型,该数学模型建立的基础是要满足两个条件目标,即网损最少和开关次数最少,并设置风电光伏接入配电网潮流计算的约束条件;然后在二进制的灰狼算法基础上设置外部存储空间,并修改收敛因子构建多目标优化算法,为了满足Pareto解集多样性和均匀分布方面的要求,求解过程中运用了拥挤距离测度和逐步淘汰方法;最后利用105节点配电系统进行仿真计算。结果表明：二进制灰狼算法具有较快的收敛速度;多目标灰狼算法可同时降低网损和开关动作次数,求出的7种方案皆可有效降低电网的经济运行成本。该研究结果具有实际应用价值,能为决策者提供多种重构方案。     

光伏系统直流串联故障电弧检测方法

故障电弧是光伏系统电气火灾事故的常见原因,研究可靠的光伏系统直流故障电弧检测方法对保障系统运行和人身安全有重要意义。首先搭建了光伏系统直流故障电弧实验平台,采集了故障电弧典型电信号;接着对其进行了稳定性分析、时变性分析、相关性分析和随机性分析,并以特征显著、计算量小、抗干扰强为比选条件,选取欧拉特征作为故障电弧检测的最优特征;然后构建了故障电弧检测算法,算法以多阈值判断体系为核心发掘故障电弧差异于系统暂态过程的特征模式;最后,将算法硬件实现后在系统中再进行实验测试。结果表明,所提出的算法对不同光伏系统工作点和电弧产生方式条件下的故障电弧均可在0.5 s内实现正确检测。     

基于交互式多目标优化算法的风光互补发电系统优化

风光互补发电系统的优化配置是一个多目标优化问题,优化目标为系统安装成本,约束条件为供电可靠性。合理的匹配设计是充分发挥风光互补发电系统优越性的关键。在成本(目标)函数的最优化计算中,提出一种基于偏好的交互式多目标优化算法,利用交互式遗传算法优化目标权重值组成的种群,利用粒子群优化算法优化加权单目标函数,并将其应用到风光互补发电系统的优化配置中。计算结果表明,在满足负荷用电的前提下,风光互补发电系统的经济性能优于单独的光伏系统和风电系统。     

考虑用户满意度的主动配电网多目标动态经济调度

需求侧管理技术的发展为主动配电网优化调度提供了新的思路。文章以用户满意度和电网运行成本为目标,综合分布式能源、储能装置和需求侧负荷中断与平移等多种能源协调调度手段,构建基于用户满意度的主动配电网多目标动态经济调度模型;采用改进的基于分解的多目标进化算法(MOEA/D),对系统高维变量间复杂约束进行有效处理,为主动配电网提供最优调度方案。通过对扩展的IEEE34节点配电网测试系统的仿真研究,验证了所提调度模型和方法的合理性及有效性。     

基于无线传输的电能质量监控系统设计

对基于无线传输的电能质量监控系统进行分析研究,给出了系统的整体功能框图,设计了配变电监控主站操作平台。通过仿真比较分析了信号去噪算法和谐波检测算法,选取最适合本系统的算法。通过试验验证了基于无线传输的电能质量监控系统设计的正确性和可实现性。