输电线路山火可见光-红外多光源精准定位技术

近年来,输电线路附近山火频发,严重威胁到电网的安全稳定运行。为定位输电线路附近的山火,依据双目立体定位模型,利用输电线路分布式山火监测装置的可见光/红外双波段摄像仪进行了山火定位技术研究。建立了基于色调、饱和度、亮度(Hue,Saturation,Value,HSV)颜色空间的山火可见光图像识别模型;提出了一种基于可见光-红外双目视觉的输电线路山火定位方法,该方法以火焰图心作为立体匹配的特征点,克服了异源异步可见光/红外双目火焰图像匹配困难的问题,实现了火点到摄像仪距离的自动测量;针对山火监测装置摄像仪外部参数标定困难的问题,建立了以云台旋转中心为原点的输电线路坐标系,提出了一种火点到输电线路最短距离的精准计算方法,最终实现了山火相对输电线路的精准定位。最后,通过试验研究,验证了所提方法的可行性和有效性,且对500 m范围内火点的深度定位误差≤6.6%,满足实际应用要求。     

架空输电线路山火同步卫星广域监测与杆塔定位

为克服现有极轨卫星输电线路山火监测系统存在卫星过境时间间隔长、扫描覆盖范围有限等不足,研究一种同步卫星输电线路山火广域监测方法。为精确捕捉卫星漂移信号,提出了一种卫星信号馈源阵列模块结构,求取了结构最优半径;提出了一种天线精准定位控制算法,实时自动补偿跟踪接收卫星信号,显著提高了同步卫星信号的跟踪精度;开发了同步卫星遥感弱信号高精度接收装置。应用表明,系统监测时间分辨率达10 min、监测范围广。为实现同步卫星弱信号火点准确判识与杆塔快速定位,研究了分区动态阈值火点判识及改进型火点杆塔定位算法。应用表明,该算法火点判识准确、杆塔定位速度快。研究结果适用于架空输电线路山火广域监测,显著提高了山火监控水平。     

基于参数优化的EEMD-LSSVM年径流组合预测模型

径流预测是水资源管理的基础,其准确性直接影响水资源优化调度的成果。本文针对径流时间序列的内在周期特性,引入一种基于总体经验模态分解（EEMD）的LSSVM组合预测模型,并提出一种基于动态逼近局部搜索粒子群的LSSVM参数寻优方法。基于分解一重构原则,论文首先利用总体经验模式分解法对径流系列进行周期分量提取,然后应用基于参数寻优的LSSVM模型对各分量进行预测和重构。以澧水流域江垭站的年径流预测为例进行模型检验,通过三种预测模型的结果对比,验证了本文组合预测模型的可靠性。     

基于多技术多数据融合的水电环境监测管理平台建设

在生态文明建设和“双碳”目标的新要求下，为促进水电协调、绿色、共享发展，从流域统筹管理角度出发，对多源异构数据融合、数据校验体系等关键技术开展研究，依托云服务、GIS、物联网、移动互联、流媒体和人工智能等多技术体系，建立了水电工程全过程环境监测管理平台，解决了数据采集的难题，打通了水电工程生态环境数据监测、传输、存储、分析、应用、管理的业务链，实现了对水电工程的规划、设计、建设、运行各阶段环保措施设计、落实、运行情况的全过程智能监测，提供了一套促进水电工程的高质量与可持续发展的全新解决思路。经黄河上游梯级和丰满水电站试点工程验证，该平台具备良好的推广与应用价值。     

一种具有量子行为的细菌觅食优化算法

为改善细菌觅食优化(BFO)算法中群体信息共享机制,增强算法的全局搜索性能,该文将细菌个体放在量子空间中描述,根据细菌群体信息建立量子化的势能阱模型,通过蒙特卡洛随机采样完成繁殖操作,使得细菌群能对整个空间进行搜索。针对BFO算法中趋化步长一致的缺陷,该文提出了一种动态缩进控制策略,在保证算法收敛性的同时大大增加了个体全局寻优的几率。标准测试函数的仿真结果表明,所提出算法具有精度高、成功率大、全局寻优性能强的特点。     

基于精英学习的量子行为粒子群算法

在分析量子行为粒子群算法中吸引子指导作用的基础上,引入两种精英学习策略,提出了基于精英学习的量子粒子群算法(QPSO-EL)。采用动态逼近学习策略对精英个体进行局部更新,协助其跳出自身局部极值点,引导种群进行有效搜索;借鉴群体早熟判断机制对停滞状态下的精英个体空间进行变尺度混沌扰动,增大种群全局搜索空间,有效平衡了算法的局部和全局搜索能力。典型函数的仿真结果表明,该算法具有收敛速度快、求解精度高的特点。     

基于集成经验模态分解和量子细菌觅食优化的风速预测模型

基于风速时间序列内在规律特性,为改善经验模态分解(EMD)模态混叠现象,提出基于集成经验模态分解(EEMD)的风速组合预测模型。同时,针对预测模型参数选择问题,将量子力学的思想引入细菌觅食优化的繁殖算子中,结合量子空间下概率分布模型完成参数寻优。4种算法的参数优化结果表明,改进算法具有更好的全局寻优性能并能提高模型泛化能力。将其应用于组合预测模型中,仿真表明,基于EEMD预测模型能较好地消除EMD的模态混叠现象,具有更高的预测精度。