基于ViLBERT与BiLSTM的图像描述算法

传统图像描述算法存在提取图像特征利用不足、缺少上下文信息学习和训练参数过多的问题,提出基于ViLBERT和双层长短期记忆网络(BiLSTM)结合的图像描述算法.使用ViLBERT作为编码器,ViLBERT模型能将图片特征和描述文本信息通过联合注意力的方式进行结合,输出图像和文本的联合特征向量.解码器使用结合注意力机制的BiLSTM来生成图像描述.该算法在MSCOCO2014数据集进行训练和测试,实验评价标准BLEU-4和BLEU得分分别达到36.9和125.2,优于基于传统图像特征提取结合注意力机制图像描述算法.通过生成文本描述对比可看出,该算法生成的图像描述能够更细致地表述图片信息.     

结合注意力机制与BIM特征的电力能耗预测

能耗预测中引入外因序列有助于目标序列的预测,但在实际应用中各个外因序列与目标序列之间的相关程度往往不清晰,导致无法有效利用多外因序列辅助预测.针对该问题,提出一种结合注意力机制与BIM特征的电力能耗预测模型——BIMAttenNN(BIM Attention Nerual Network).通过结合注意力机制与BIM特征对外因序列自动选取并重构,将重构特征通过编码器-解码器结构的深度神经网络和线性回归分支准确预测未来电力能耗.实验结果表明,BIMAttenNN能够结合BIM特征自动捕捉电力序列间关系,与传统方法相比具有更高的预测精度.     

杭州下沙河道底泥重金属检测及污染分析

检测了杭州下沙河网区18条河道表层底泥重金属Cu、Zn、Pb、Cd、Ni的含量,分析了研究区域内的重金属污染情况,并用潜在生态危害指数法对河道底泥重金属污染情况进行评价,通过聚类分析法分析重金属的空间分布特征.结果表明,Cd污染最严重,超标率为94.44%,平均超标倍数为16.50,Cd的平均潜在生态风险为很高风险,Cu、Zn、Pb、Ni的平均潜在生态风险为低风险,重金属平均综合潜在生态风险属于高风险.重金属聚类分析结果显示Cd、Ni、Pb三种元素相关性显著,应受同一污染源因素影响;采样点聚类分析结果显示下沙河网河道底泥重金属污染分布较为均匀.     

基于改进GMM-CNN-GRU混合的非侵入式负荷监测方法研究

为挖掘用户侧节能减排潜力,对用户用电行为进行精细化分析和管理,提升电能利用效率,提出了一种基于高斯混合模型聚类和深度神经网络相结合的非侵入式负荷监测方法。首先,针对同一电器常出现功率相近但运行状态不一致问题,利用高斯混合模型聚类算法中“软分类”和类簇灵活的优势,对负荷工作状态进行精细分类,形成负荷用电设备实际运行情况的负荷状态特征库。其次,针对常见的应用于非侵入式负荷监测模型的深度神经网络在多标签分类时存在识别精度低等问题,提出卷积神经网络与门控循环单元混合的深度神经网络模型。最后,综合考虑外部环境数据对家庭用户用能习惯的影响,在AMPds2数据集上开展验证分析,并与其他模型进行对比。结果表明,所提的非侵入式负荷监测模型具有较高的准确性。     

考虑多重因素的空调负荷聚合响应潜力评估及控制策略研究

空调负荷已成为电力系统重要的需求响应资源,但由于其类型差异性、接入分散性,造成调度中心难以直接获取其聚合功率并开展调度控制,限制了响应潜力发挥。对此,提出考虑空调负荷聚合响应潜力多类型资源协同调度与精准控制相结合的双层调控框架。在日前调度层,基于近似聚合模型获取空调负荷聚合功率,考虑用户热舒适度、意愿度及可控度等多重因素,建立空调负荷聚合响应潜力评估模型,获取其聚合响应潜力,并结合基础柔性负荷响应特性建立联合调度模型,充分挖掘负荷侧多类型资源参与系统调节的潜力;在日内控制层,针对执行降负荷调温控制策略中空调群组功率跌落现象,为引导其有序参与电网需求响应,建立变状态数的状态队列模型,并引入准备时间对参数异质空调集群进行分组控制,使空调负荷跟随调度计划,提升控制精度,缓解功率跌落对系统运行产生的影响。最后,通过某简化配网系统进行仿真分析,结果表明:所提双层调控框架在调度层可深度挖掘并引导利用空调负荷响应潜力,在控制层实现精准控制并削弱功率跌落负面影响,工程应用价值显著。     

基于改进粒子群算法的中央空调系统节能优化控制

建筑的中央空调系统等设备用电能源消耗大,导致建筑能耗持续增长。为解决上述问题,首先根据中央空调工作原理,建立中央空调系统各设备能耗的数学模型,并选取决策变量;然后以中央空调系统总能耗最小为目标,以各变量上下限、设备之间的耦合关系、能量守恒等作为约束条件,建立中央空调系统节能优化模型;其次,将室内实时所需冷负荷与室内设定温度作为已知量,各决策变量作为输入量,中央空调系统总能耗作为输出量,降低模型的复杂程度;接着提出一种基于动态权重系数与加速因子的改进粒子群算法（IPSO）,对各决策变量进行协同优化控制,搜寻中央空调系统节能优化模型的最优解;最后,通过仿真分析对比IPSO与标准粒子群算法,IPSO结果更优、收敛性更好,优化后的空调系统总能耗较优化前显著降低,验证了所提模型与方法的有效性。     

上海大容量火电机组黑启动系列试验

上海电网发电系统是以纯火电为特征,且大容量机组占绝对优势,对于机组黑启动而言,这些均是劣势。通过一系列黑启动试验及其研究,解决了长期以来一直困扰上海电网的缺乏黑启动能力的问题。本文通过介绍上海电网黑启动系列试验的总体过程和主要结论,分析了燃气轮机作为黑启动电源、全压启动大容量变压器、燃机小系统带重负荷长期稳定运行等上海电网黑启动试验的独特之处。     

数据驱动的时间注意力卷积风电功率预测模型

由于风电受气象特征影响大,风能波动性和间歇性强,导致快速、精准的风电预测成为一个难题。对此,该文提出一种基于数据驱动的时间注意力卷积网络的风电功率预测方法。首先,将来自风力机和数据采集（SCADA）系统的数据进行清洗;然后采用可并行计算的时间卷积网络,并加入Attention机制突出关键特征的影响,使模型训练速度和预测精度得到有效提升。实验结果表明,该文所提方法与其他方法相比可更准确地减少数据噪声,同时有更高的预测精度和更快的训练速度。