基于改进ADNet网络模型的低剂量CT图像降噪方法

与正常剂量计算机断层扫描成像(CT)相比,低剂量CT成像可以有效减少X射线对身体的辐射,但因此产生的噪声会显著降低CT成像质量。传统的神经网络由于提取通道单一,影响了图像的特征提取,不利于低剂量CT图像的降噪。分析了基于双注意力机制和记忆与高频特征融合的神经网络图像降噪方法。实验结果表明,与目前常用的3种典型网络相比,该模型避免CT图像过度平滑,可有效保留图像细节纹理。与ADNet网络模型相比在结构相似性上提升了0.005 5,峰值信噪比上提升了0.270 7。     

融合注意力机制的人脸识别算法研究

FaceNet人脸识别算法是目前较为主流的人脸识别算法,其运行速度快被广泛应用于工业界。针对FaceNet人脸识别网络存在对面部遮挡人脸识别精度低的问题,提出了一种融合注意力机制的FaceNet人脸识别算法。该算法在FaceNet的基础上引入GhostNet特征提取网络对人脸更好的提取人脸特征,并融合注意力机制与特征金字塔(feature pyramid networks, FPN)加强特征提取网络实现对3种尺度特征图中局部信息的放大,加强不同感受野下的特征提取,增强较为重要的特征信息。实验结果表明,提出的人脸识别算法取得了良好的识别效果,在人脸数据集(LWF)下准确率达到99.62%。对有遮挡的面部识别也取得了较好的检测结果,可准确识别存在遮挡的人脸目标。     

计及绿证-碳交易与氢能的综合能源系统多时间尺度优化调度

为建立一个清洁低碳、安全稳定的能源系统,提出了基于绿证-碳交易机制的氢能利用综合能源系统多时间尺度优化调度策略。首先,为发挥氢能高效清洁的作用,建立电解槽热氢联产模型。其次,为降低系统的碳排放量,分别构建绿色证书交易机制和奖惩阶梯型碳交易机制。最后,为降低源-荷预测误差对系统运行的影响,构建基于模型预测方法的日前-日内-实时多时间尺度的优化调度模型。算例分析表明,所提模型能有效降低碳排放量和系统功率波动,提高系统的稳定性和经济性。     

考虑节点边际电价的配电网与多微电网双层鲁棒经济调度

可再生能源出力的不确定性给市场定价机制带来了挑战,实现市场参与者的利益均衡分配成为亟待解决的关键问题。提出一种计及风电出力不确定性的节点边际电价市场出清机制。建立配电网与多微电网协调优化调度的双层模型,上层模型为考虑风电出力及功率交互不确定性的配电网数据驱动鲁棒经济调度模型,下层模型为考虑电价型需求响应的微电网数据驱动鲁棒经济调度模型。通过配电网与微电网之间功率交互与电价信息的传递进行上、下层模型的迭代求解,实现不同市场参与者的利益均衡分配。测试系统的仿真结果验证了所提模型及求解方法的有效性。     

基于过采样和随机森林的高压隔离开关发热故障诊断

云团运动的不确定性使得光伏系统输出功率较难准确估计,从而影响新能源并网的可靠性和经济性。为了有效利用卫星的云观测数据,提出了基于云图特征的超短期光伏发电功率预测模型。利用卷积神经网络对卫星云图进行特征提取,且和通过相关性分析后的4种气象特征进行融合,作为光伏发电功率预测模型输入。在此基础上,通过卷积神经网络解析这些特征之间的空间联系,并使用长短期记忆网络实现对光伏输出功率的时间序列预测。此外,考虑到一个自然日中不同时段数据对预测影响不同,引入多头注意力机制来确定关键时间点与关键特征,由此进一步提高所提模型精度。使用光伏电站实际数据以及对应的卫星云图和天气数据,对所提模型的预测效果进行验证。算例分析结果表明,该模型预测精度高且时效性好,特别对于正午辐照较大以及云团运动波动剧烈的时段,模型仍能保证较高的预测精度。     

自适应卷积神经网络在面部表情识别中的应用

针对无法对面部表情进行精确识别的问题,提出了基于ResNet50网络融合双线性混合注意力机制的网络模型。针对传统池化算法造成图像特征提取残缺、模糊等问题,提出了一种基于Average-Pooling算法的自适应池化权重算法,同时基于粒子群算法对卷积神经网络模型超参数进行自适应调节,从而进一步提升模型识别精度。基于改进的网络模型,设计了一款实时面部表情识别系统。经验证,在Fer2013数据集和CK+数据集上,改进的模型在测试集中的识别精度分别为73.51%和99.86%。     

基于注意力机制的毫米波雷达和视觉融合目标检测算法

传统目标检测大多基于摄像头采集图像进行,虽然近些年出现了许多优秀的检测网络,但在复杂场景下,仍存在大量漏检、误检等问题。针对这些问题,提出了一种基于注意力机制的毫米波雷达和视觉融合目标检测算法。首先将毫米波雷达数据进行扇形点云柱编码（Fan-shaped Cloud Pillar Code,FCPC）,将其转换为前景伪图像;然后,再将其通过坐标关系映射到像素平面,使用卷积注意力模块（Convolutional Block Attention Module,CBAM）对两者特征数据进行融合;采用Yolov4-tiny对融合特征进行检测,并引入Focal Loss对原损失函数进行改进以解决正负样本不均的问题。在Nuscenes数据集上进行模型验证与对比,结果表明,该算法在复杂场景下相比其他单传感器检测算法如Yolov3、Efficientent以及Faster-RCNN等,无论平均检测精度(mean Average Precision,mAP) 还是每秒检测帧数(Frames Per Second,FPS)都有明显的提升。     

基于深度神经网络的短波特定信号识别研究

在时变色散信道和低信噪比下,基于时频图利用深度神经网络的短波信号识别的方法对并行多音信号的识别能够取得一定效果,但常用的相位调制的串行单音短波信号识别难以取得较好效果。由于短波信号帧结构中都含有同步帧和发射电平起控帧等特征数据,提出了一种基于同步帧注意力机制的卷积神经网络结构。测试结果表明,使用卷积神经网络（Convolutional Neural Networks,CNN）、双向长短时记忆（Bi-directional Long Short Term Memory,Bi-LSTM）和注意力机制搭建成的深度神经融合网络模型对短波基带信号直接进行检测识别能够取得较好效果。     

基于人工约束生成的电力市场非凸定价

在电力市场中,若不考虑机组的非凸成本特性,节点边际电价可为市场成员提供良好的激励信号。反之,若计及机组的启停、空载成本,以节点边际电价为代表的线性定价机制无法满足市场成员的激励相容性,即无法支撑市场竞争均衡。针对非凸市场环境下的定价难题,首先,该文分析节点边际定价、整数规划定价、凸包定价等几种典型的定价方法,归纳总结出一种基于人工约束生成的一般性非凸定价思路;然后,提出了一种支撑非凸市场竞争均衡的通用性定价方法,展示了市场均衡价格的统一推导方式及制定规则;并且,基于对偶理论,证明了所提方法的有效性和充分性;最后,针对具体的市场出清模型,添加特定的人工约束构建定价模型,并在算例分析中进一步验证了所提定价方法的实际应用价值。     

碳排放交易机制下的综合能源系统低碳经济运行控制策略

目前二氧化碳排放量呈现增长势头,为响应“碳达峰、碳中和” 的要求,阶梯型碳排放交易机制得到普遍 应用.首先,建立了电力系统低碳经济运行模型对电力系统关键设备的碳排放特性进行分析.接着,提出了基于阶梯 型碳排放交易机制的低碳经济运行策略.最后,建立碳排放关键设备的数学模型,以系统运行维护成本、碳排放成 本、购能成本和弃风弃光惩罚成本最小为优化目标构建优化运行模型.算例分析表明,所提运行控制策略使得总成本 降低10.3％,排除碳排放成本,其他成本增加了9.1％,但碳排放成本降低了50％,证明此种控制策略的引入能够促 进电力系统的节能减排,在保证经济社会发展的同时,践行“双碳”目标.