融合先验信息和特征约束的杆塔螺栓缺陷检测

目的 螺栓是输电线路中数量最多的紧固件,一旦出现缺陷就会影响电力系统的稳定运行。针对螺栓缺陷自动检测中存在的类内多样性和类间相似性挑战,提出了一种融合先验信息和特征约束的Faster R-CNN（fasterregions with convolutional neural network）模型训练方法。方法 在航拍巡检图像预处理阶段,设计了基于先验信息的感兴趣区域提取算法,能够提取被识别目标的上下文区域,从而减少模型训练阶段的数据量,帮助模型在训练阶段关注重点区域,提高其特征提取能力。在模型训练阶段,首先通过费舍尔损失约束Faster R-CNN模型的输出特征生成,使样本特征具有较小的类内距离和较大的类间间隔;然后采用K近邻算法处理样本特征得到K近邻概率,将其作为难易样本的指示以引导模型后续更加关注难样本。结果 在真实航拍巡检图像构建的螺栓数据集上进行测试,与基线模型相比,本文模型使螺栓识别的平均精度均值（mean average precision,mAP）提高了6.4%,其中正常螺栓识别的平均精度（average precision,AP）提高了0.9%,缺陷螺栓识别的平均精度提高了12%。结论 提出的融合先验信息和特征约束的输电杆塔螺栓缺陷检测方法在缺陷螺栓识别上获得了良好的效果,为实现输电线路螺栓缺陷的自动检测奠定了良好的基础。     

UPS通用通讯协议的设计及软件实现

介绍了一个UPS通用通讯协议的设计和制定,同时介绍了基于该通讯协议的监控软件的实现,并对软件的功能、结构以及实现的关键技术进行了说明,也把这个监控软件和其他一些现有的软件进行比较,强调它的通用性。相信对于其他监控系统的设计有一定的借鉴意义。     

基于气象信息因素修正的灰色短期负荷预测模型

针对传统灰色模型应用于短期负荷预测的缺陷,改进了多角度数据组织策略,选择社会活动背景相似度较高的历史日作为相似日,建立了气象因素突变判别准则,以识别相似日中的气象突变,并采用回归法消除相似日负荷数据中的受气象敏感负荷分量.采用邻近趋势外推法和相似日替换法矫正灰色模型预测时容易产生的局部畸变点.实验结果表明,改进后的灰色模型预测精度提升明显,预测精度平均提高1％～2％,最高可达7％.该方法能同时考虑社会活动规律和气象因素对负荷的影响,克服了传统模型本身对不规律数据预测精度差的缺点.     

电子地图在多媒体监控系统中的应用

首先阐述多媒体监控系统中电子地图的概念,分析电子地图在Web化多媒体监控系统中的应用。然后基于组件技术提出多媒体监控系统中Web服务器端和Web浏览端的电子地图软件结构,并设计了电子地图的三部分组件一编辑组件、发布组件和浏览组件。     

移动Agent注册服务系统的设计及仿真

Agent注册服务是移动Agent研究中的重要课题,它是移动Agent名字解析和服务导航的基础.名字解析可以实现移动Agent应用级位置透明,现有的一些移动Agent系统中已经应用这种机制;服务导航是Agent通过注册服务为用户提供Agent查询服务,但目前对于服务导航的研究还很不成熟.正文引入两种命名方法,在此基础之上建立两种Agent注册服务方式:分散式和集中式,并用仿真工具比较两种方式的效率,为服务导航的实现提供依据.     

基于数据级任务分解的配电网分布式并行计算平台

为实现大规模配电网的实时分析计算,构建了基于数据级任务分解的配电网分布式并行计算平台。结合配电网运行结构和设备配置,以配电网馈线作为分析单元,采用数据级并行计算方式对配电网计算任务进行分解。配置管理模块、实例、执行端和客户端4个子系统,分别实现任务生成、任务分解、任务派发以及子任务计算等功能,形成分布式并行计算平台框架。引入消息中间件ZeroMQ技术,采用不同类型套接字的组合实现分布式系统内部的N-N高效通信及与外部系统的数据交互。为验证该平台的实用性及并行计算性能,在平台上实现了山东省某市的城市配电网全局状态估计的分布式并行计算。算例分析表明:在配电网节点达到一定规模时,采用该平台进行分布式并行计算具有明显的速度优势。     

配电网高级应用分布式计算平台通信架构设计

配电网高级应用软件是配电网自动化系统的重要组成部分。针对配电自动化系统复杂环境下的数据交互问题,以及基于数据级任务分解的分布式计算通信需求问题,提出了基于ZeroMQ消息中间件的分布式通信架构,并设计了能够传输复杂消息的通用消息格式。ZeroMQ的优秀性能使得该通信架构可有效支撑分布式计算平台在异构系统间快速交换数据,缩短了高级应用分析的计算时间,并增加了系统的容错性。利用济南市配电自动化主站系统的实际工程环境进行了部署和测试,测试结果证明了该通信架构的可行性。     

改进的硬盘读写映射算法及应用

给出了一种改进的读写映射算法,在保留原算法功能的基础上,使用户能够控制硬盘的写入操作是否生效,提高了算法的实用性。     

一种基于误差在线更新的集成负荷预测模型EI北大核心CSCD

传统的在线集成负荷预测模型根据固定时间长度窗口内样本数据的预测误差更新模型参数,忽略了窗口内不同预测误差对参数更新影响程度不同的问题。为此,该文提出一种新的基于误差在线更新的集成负荷预测模型。首先,建立基于拉格朗日的集成预测最优权重求解模型,在目标函数中引入误差影响矩阵来量化窗口内不同位置的预测误差对模型权重影响的差异。然后,借鉴AdaBoost调整样本权值的思想,设计一个权重衰减因子用于在窗口滑动过程中动态调节误差影响矩阵。应用提出的模型对中国北方某城市5个地区的真实用电负荷数据进行负荷预测实验,该文模型的平均预测误差平均绝对百分比误差为5.1%。与现有的在线集成预测模型相比,预测误差平均降低了0.91%。     

基于Bi-LSTM和特征关联性分析的日尖峰负荷预测

近年来,负荷高峰时段电力供需不平衡问题日益突出,电网运行成本增加.为提高尖峰负荷预测准确度,提出了一种基于双向长短期记忆网络和特征关联性分析的日尖峰负荷预测方法.采用描述类、曲线类指标分析不同行业下的用户日峰值负荷特性,并基于Copula函数定量分析多维时序数据之间的关联度,构建基于双向长短期记忆网络的幅值预测模型.由...