考虑负荷频率特性的新能源场站一次调频控制方法

随着大容量高比例的新能源集中接入电网,传统电网可用的频率响应资源占比逐步减少。为了充分发挥新能源场站参与电网快速一次调频的潜力,提高电网的电能质量,在新能源场站常规有功-频率下垂控制方法基础上,提出了一种考虑负荷频率特性的新能源场站一次调频控制方法,该方法提高了系统频率的抗扰动能力。采用MATLAB/Simulink对典型负荷频率特性的新能源场站一次调频控制方法进行了仿真验证,结果表明所提出的控制方法可以显著提高系统频率稳定性,对新能源场站一次调频具有重要参考意义。     

Design of a 2-DOF-PID controller using an improved sine–cosine algorithm for load frequency control of a three-area system with nonlinearities

This paper proposes an improved sine–cosine algorithm (ISCA) based 2-DOF-PID controller for load frequency control. A three-area test system is built for study, while some physical constraints (nonlinearities) are considered for the investigation of a realistic power system. The proposed method is used as the parameter optimizer of the LFC controller in different scenarios. The 2-DOF-PID controllers are used because of their capability of fast disturbance rejection without significant increase of overshoot in set-point tracking. The 2-DOF-PID controllers’ efficacy is observed by examining the responses with the outcomes obtained with PID and FOPID controllers. The simulation results with the suggested scheme are correlated with some of the existing algorithms, such as SCA, SSA, ALO, and PSO in three different scenarios, i.e., a disturbance in two areas, in three areas, and in the presence of physical constraints. In addition, the study is extended to a four-area power system. Statistical analysis is performed using the Wilcoxon Sign Rank Test (WSRT) on 20 independent runs. This confirms the supremacy of the proposed method.     

基于多粒度特征选择和模型融合的复合电能质量扰动 分类特征优化

现代电力系统因其“双高”特性造成电能质量扰动模式愈加复杂,对复合扰动的准确分类提出了挑战。传统电能质量扰动分类方法在特征提取阶段所提取的特征由人为确定,难以判断所提取的特征对分类问题是否有效,加之多重复合扰动特征相互耦合导致扰动特征的可分性确定困难。为此,提出一种基于粒度的计算方法进行特征选择的模型。在提取的扰动特征集的基础上,通过构建多粒度空间反映特征分布差异性,进而挖掘各粒度下的最优特征子集以确定有效和冗余的分类特征,达到优化分类效果的目的。在此基础上,通过集成分类模型融合不同粒度空间最优扰动特征集所训练的同质弱分类器模型,提出一种新的电能质量扰动多粒度集成分类方法。该方法克服了现有方法在进行多粒度分类时通过寻找最优单粒度空间特征而导致的其他粒度空间信息丢失的问题。实验表明,多粒度特征选择算法可提取对分类有效的扰动特征,集成分类模型可进一步改善模型的分类性能。     

考虑电能质量优化的MMC-SST输入级控制策略

针对配电网中固态变压器（SST）网侧电压三相不平衡以及谐波污染时,电流负序分量激增影响网侧电流波形质量进而危及系统正常运行等问题,在SST输入级提出了一种可有效抑制电流负序分量的新型双序控制策略。文中首先介绍了模块化多电平变换器型固态变压器（MMC-SST）的运行原理及输入级数学模型,采用改进型二阶广义积分—正交信号发生器（SOGI-QSG）对网侧电压、电流等电气量进行正、负序分量的分离与提取,通过引入正交中间变量建立了比例复数积分（PCI）控制器的数学模型,并且在两相静止坐标系中的正、负序模型下提出了一种基于PCI的新型双序控制策略,对网侧电流的正、负序分量进行分序控制。最后,在MATLAB/SIMULINK中搭建了MMC-SST的仿真系统,并与传统的PI控制、改进的PI双序控制进行对比分析,结果验证了所提双序控制策略的可行性与优越性。     

基于卡口上下文和深度置信网络的车辆轨迹预测模型研究

针对车辆轨迹预测中节点序列的时序特性和实际路网中的空间关联性,该文提出一种基于深度置信网络和SoftMax (DBN-SoftMax)轨迹预测方法.首先,考虑到轨迹在节点集合中的强稀疏性和一般特征学习方法对新特征的泛化能力不足,该文利用深度置信网络(DBN)较强的无监督特征学习能力,达到提取轨迹局部空间特性的目的;然后,针对轨迹的时序特性,该文采用逻辑回归的预测思路,用当前轨迹集在路网特征空间中的线性组合来预测轨迹;最后,结合自然语言处理领域中的词嵌入的思想,基于实际轨迹中节点存在的上下文关系,运用节点的向量集表征了节点间的交通时空关系.实验结果表明该模型不仅能够有效地提取轨迹特征,并且在拓扑结构复杂的路网中也能得到较好的预测结果.     

基于多尺度圆周频率滤波与卷积神经网络的遥感图像飞机目标检测方法研究

针对遥感图像飞机目标检测因目标尺度不一存在漏警、虚警等问题,该文基于遥感图像中飞机目标形状特征和灰度变化特点提出了一种多尺度圆周频率滤波(MSCFF)与卷积神经网络(CNN)相结合的MSCFF+CNN飞机目标自动检测算法.该算法首先采用多尺度圆周频率滤波器滤除遥感图像复杂背景,实现不同尺度飞机目标候选区域提取;然后,通过构建卷积神经网络(CNN)模型实现候选区域有效分类,最终精确确定飞机目标位置.最后,基于获取的真实遥感图像进行目标检测算法实验验证,经统计该算法的飞机目标检测率为94.38%,虚警率为3.76%,实验结果充分验证了该文算法的有效性,该算法可为机场监管、军事侦察等应用提供重要的技术支持.     

基于超像素级卷积神经网络的多聚焦图像融合算法

该文提出了基于超像素级卷积神经网络(sp-CNN)的多聚焦图像融合算法。该方法首先对源图像进行多尺度超像素分割,将获取的超像素输入sp-CNN,并对输出的初始分类映射图进行连通域操作得到初始决策图;然后根据多幅初始决策图的异同获得不确定区域,并利用空间频率对其再分类,得到阶段决策图;最后利用形态学对阶段决策图进行后处理,并根据所得的最终决策图融合图像。该文算法直接利用超像素分割块进行图像融合,其相较以往利用重叠块的融合算法可达到降低时间复杂度的目的,同时可获得较好的融合效果。     

M2OVQA: Multi-space signal characterization and multi-channel information aggregation for quality assessment of compressed omnidirectional videos

Considering the high requirements for omnidirectional video compression, we propose an objective quality evaluation method to assess quality loss in encoding omnidirectional videos. According to characteristics of 360° videos, we consider multi-space signal characterization (MSSC) to fully characterize the distortions of video signals from spatial/image domains to frequency domains and from image content to motion information, and further consider multi-channel information aggregation (MCIA) to fuse scores from multiple projection planes and temporal divided groups. The main innovation of our method is to establish a universal framework in bridging the connection between typical quality assessment and 360° quality assessment to measure 360° video quality effectively and efficiently. Experimental results show that our method outperforms state-of-the-art 2D quality metrics and quality metrics for omnidirectional images.     

基于有向图模型的旅游领域命名实体识别

旅游领域命名实体识别是旅游知识图谱构建过程中的关键步骤,与通用领域的实体相比,旅游文本的实体具有长度长、一词多义、嵌套严重的特点,导致命名实体识别准确率低。提出一种融合词典信息的有向图神经网络（L-CGNN）模型,用于旅游领域中的命名实体识别。将预训练词向量通过卷积神经网络提取丰富的字特征,利用词典构造句子的有向图,以生成邻接矩阵并融合字词信息,通过将包含局部特征的词向量和邻接矩阵输入图神经网络（GNN）中,提取全局语义信息,并引入条件随机场（CRF）得到最优的标签序列。实验结果表明,相比Lattice LSTM、ID-CNN+CRF、CRF等模型,L-CGNN模型在旅游和简历数据集上具有较高的识别准确率,其F1值分别达到86.86%和95.02%。     

基于对抗深度学习的无人机航拍违建场地识别

对违建场地的检测方法主要是通过人工对无人机航拍视频进行检查,存在检测精度低、识别性能差、工作效率低的问题。提出一种结合空间变换网络与Fast RCNN的生成对抗网络ASTN-Fast RCNN,通过深度学习与无人机航拍视频相结合自动识别检测处在建设初期的违建场地。将空间变换网络作为生成器,生成Fast RCNN目标检测器难以识别的旋转形变样本,并通过目标检测器与生成器的对抗式训练,提高检测器的鲁棒性。实验结果表明,该方法能够有效提高对无人机航拍违建场地的识别性能。