With the rapid growth of electric vehicle adoption,electric vehicle charging behavior has a significant impact on the stability of power grids and the charging load prediction.A short-term electric vehicle charging load combination prediction model is proposed based on K-means clustering and a backpropagation neural network with a decision tree regressor(BP-DTR).First,the K-means clustering method is used to cluster the charging load.Second,BP and DTR are employed to predict each group of the clustered data separately.Finally,the optimized method is utilized to combine the weighted prediction results of each group,which are then summed up.The experiments are based on real data,and the Monte Carlo method is used to obtain the electric vehicle charging load.The results show that this prediction model can consider the influencing factors of the charging load,effectively improving the accuracy of electric vehicle charging load predictions,and providing a reference for the optimal operation and planning of the power grid.
To improve the efficiency of transmission line target detection in unmanned aerial vehicle(UAV)inspections of power grids,an improved Res2Net-YOLACT transmission line detection method is proposed.The YOLACT model with Res2Net as the backbone is used to quickly and accurately extract features of transmission lines.Then,the detection accuracy and speed of the model are increased by improving the non-maximum suppression algorithm of the model.Experimental results based on a real public dataset show that the improved model achieves higher detection accuracy and better speed compared to the original model,and has better performance in transmission line detection.
针对居民家用电器使用环境安全问题,采用非侵入式负荷监测技术进行负荷监测.负荷识别方法是负荷监测的主要难题,采用优化卷积神经网络对负荷识别方法进行研究以克服负荷识别这一难题.基于U-I轨迹负荷特征,以卷积神经网络为基础,分析了卷积神经网络对U-I轨迹图自学习式提取特征识别过程;并采用粒子群优化算法,对卷积神经网络超参数配置进行优化,解决传统人工操作导致分类性能不确定性的问题,从而使卷积神经网络分类性能趋近于最优.研究表明:优化卷积神经网络具有很好的分类性能,可精确识别电器类型,完善负荷监测技术,为家用电器提供安全的使用环境,保障居民生命财产安全.
以实现图像特征定位为目的,设计了一种适用于三维非刚体图像的特征挖掘定位算法.利用摄像机拍摄目标的三维非刚体图像,通过重建非刚体三维结构获取运动目标的三维轨迹信息,再利用直线段检测算法挖掘运动目标三维轨迹的直线特征.将挖掘到的直线特征作为输入信息,利用图像消影点方法处理图像内目标的视觉里程数据,并推算三维非刚体图像内的目标位置,从而实现特征挖掘定位.结果表明:利用该算法构建的三维非刚体目标结构较为精确,提取直线特征信息时不易受图像模糊程度的影响,能够有效定位三维非刚体图像内的目标,定位误差数值较小.该方法具有较好的特征挖掘定位效果.
锂电池被广泛应用于工业生产,针对传统方法在检测锂电池极片缺陷时存在漏检和误检率高等问题,提出一种以YOLOv5s模型为基础网络进行改进的检测算法.首先,针对锂电池极片图像分辨率低且缺陷目标较小的问题,在主干网络引入空间深度层(SPD)和无步长卷积层(Conv),以提升小目标缺陷的检测性能;其次,将通道维度(SE)注意力机制嵌入C3 模块中,并将原YOLOv5s模型网络中的C3 模块替换为新的C3SE模块,以强化模型的特征表达能力;最后,在特征融合网络的最后一层引入注意力机制,以提高模型的特征融合能力.实验结果表明,改进模型与原YOLOv5s模型相比,平均精度均值达 96.8%,提升了 5.5%,能够更好地满足锂电池极片制造工业的需求.
针对模糊C-均值(FCM)的聚类结果受初始隶属度矩阵和聚类中心的选择影响,容易遇到局部极值等问题,提出了一种改进的FCM聚类分析方法.首先,考虑到电力负荷曲线的规律性与时序性特点,结合欧氏距离与皮尔逊相关系数,对局部密度进行了优化.然后,利用FCM聚类分析方法对聚类质心更新迭代,以获得更高精度的聚类质心,从而实现了电力负荷曲线的精确聚类.最后,以电网实际负荷数据作为仿真实验样本,通过与K-means和传统FCM方法进行比较,验证了改进的FCM聚类分析方法对电力负荷曲线聚类分析的有效性和优越性.
为提高高速永磁同步电机的气隙磁密性能和降低振动噪声,采用Halbach磁极组合优化电机气隙磁密性能,并通过转子分段降低振动噪声.分析了气隙磁密与 Halbach结构之间的联系,通过优化永磁体形状和充磁方向共组成 4 种Halbach结构;并通过仿真对比分析,最终确定气隙磁密性能最好的不均匀不等厚Halbach结构能提高气隙磁密性能.在不均匀不等厚 Halbach结构基础上,采用软磁材料代替永磁体,通过仿真分析,最终确定 1/4 软磁结构能节约永磁体成本.分析了转子分段与径向电磁力的关系,计算出不同分段数相对应的错极角度,通过仿真对比分析,最终确定转子分 3 段的优化方案,其最大振动加速度降低了 44.8 m/s2,最大声压降低了 21 dB,说明转子分段能有效降低振动噪声.
针对强噪声环境下,齿轮箱早期故障预警困难的问题,提出一种基于时滞反馈随机共振(TFSR)-自适应噪声完备集合经验模态分解(CEEMDAN)的齿轮箱早期故障预警方法.首先通过TFSR的长记忆系统,根据历史信息增强反馈过程中的信号周期性,产生低通滤波下增强的故障特征信号;再结合CEEMDAN将增强后的故障特征信号自适应分解;并以信噪比为指标筛选IMF分量,得到的重构信号可以有效增强故障特征频率及其谐频,达到早期故障预警的目的.实验结果表明:通过信号发生器仿真分析,并以真实风机齿轮箱的数据,对比正常和磨损状态下的齿轮,检测出强噪声背景下齿轮箱的微弱局部磨损故障,有效提高故障特征频率处的信噪比,验证了齿轮箱早期故障预警的灵敏性.
针对分布式直流微电网系统的储能单元在充放电过程中蓄电池组的荷电不均衡及直流母线电压跌落问题,分析了一种利用收敛因子和均值系数比配合的优化下垂系数方法,优化储能单元的充放电速度.对于直流母线电压跌落问题,增加电压补偿损失电压,使母线电压稳定.通过搭建仿真模型分别在Matlab/Simulink和RT-LAB实时数字仿真平台进行实验,验证了该策略的有效性.
基于路径规划算法与机器视觉技术,对无人机光伏巡检路线进行优化,提出一种基于A*算法路径规划与机器视觉实现的无人机巡检方法.通过确定无人机的最佳飞行路线,使其能够高效并精确覆盖光伏电站的各个区域,并利用改进后的YOLOv5 机器视觉技术,对光伏电板进行图像识别和分析,实时检测并诊断潜在的故障或损坏.实验结果表明:优化后的路线使得无人机的巡检效率大大提高,节省了时间和资源;改进后的机器视觉技术对光伏热斑尤其小故障有较高的识别率.
为实现机电伺服系统的高精度跟踪控制,提出了一种基于径向基函数(RBF)神经网络的固定时间滑模控制方法.首先,将可变指数滑模面与常数指数滑模面结合,构造了固定时间滑模控制器,能够削弱抖振问题,使系统在固定时间内收敛;其次,考虑到系统扰动的边界难以确定,引入双隐含层RBF神经网络对扰动进行逼近和补偿;最后,通过将隐含层与输出层的网络连接权重设计成自适应更新的参数,进一步提高神经网络的逼近与补偿能力.结果表明:所提出的控制方法对控制系统有着更好的补偿效果,能够更好地削弱外界干扰对系统造成的影响,实现机电伺服系统的精确跟踪控制.
为了研究攻击成本以及潮流转移对攻击方选择攻击方案的影响,以电力信息物理系统为研究对象,建立了以制造"虚假潮流转移"为攻击模式的网络拓扑双层攻击模型.首先,通过分析潮流转移,采用虚假数据注入的方式,设计了使电网"虚假潮流转移"的攻击模式;其次,引入复杂网络理论,将线路攻击代价分为拓扑结构、调度资源两部分,建立了攻击成本模型;最后,基于攻击方与系统调度方的博弈行为,建立了网络拓扑双层攻击模型,并利用帝国竞争算法对模型进行求解.仿真结果表明:攻击模型能给系统带来较大损失,且攻击方选择的攻击方案与线路的攻击代价相关.
分布式电源(DG)的大规模接入电网使得线路潮流方向变得复杂,当线路发生故障时,利用传统粒子群(PSO)算法定位故障区段的准确性不高.针对此问题,提出一种基于天牛须改进粒子群(BAS-PSO)算法的故障定位方法.首先,引入自适应的惯性权重加快算法收敛速度,并利用Tent混沌映射将种群初始化,避免其陷入局部最优解;然后,建立了开关函数和适应度函数,以定位含DG配电网故障;最后,通过Matlab对IEEE 33节点的含DG配电网故障模型进行仿真.结果表明:该算法在含DG配电网故障区段定位中搜索速度和精度更高,并且在信号发生畸变的情况下拥有良好的容错性.
为滤除剩余电流中的高频信号,提高剩余电流的检测精度,研究了一种基于Multisim的磁通门式电流互感器的解调电路.通过五阶巴特沃斯低通滤波器对电流信号进行滤波解调,滤除高频信号,并进一步采用平均值间接测量法求得电流信号的有效值.五阶巴特沃斯低通滤波器由多端反馈的二阶低通滤波器构成,省去了放大电路.通过Multisim仿真验证了该解调电路的可行性,对各种典型的剩余电流进行了检测实验.结果表明:该解调电路能有效滤除剩余电流中的高频分量,降低生产成本,提高检测精度.
针对数据采集系统中千兆以太网通信程序开发难度高,以及基于现场可编程门阵列(FPGA)的控制板卡之间的通信问题,设计了一套以FPGA板卡和A/D采集卡为硬件平台、以Vivado和LabVIEW为软件平台的数据采集系统.FPGA板卡控制A/D采集卡并行采集模拟信号,将结果通过千兆以太网实时传输至上位机,千兆以太网的通信程序使用Socket CLIP技术封装的工具包进行开发.主从控制板卡之间使用改进型串行外设接口(SPI)通信进行传输,将传输的数据存储到FPGA板卡的安全数码(SD)卡中,并通过通用串行总线(USB)通信将数据导出,实现系统的在线与离线采集功能.结果表明:该系统通过千兆以太网通信实现了数据的实时显示,解决了控制板卡之间的通信问题,离线采集功能也较为可靠.
为适应汽车使用结构的变化,越来越多的停车场设有新能源汽车停车位,并为其提供充电服务.但由于车位紧张,该停车位常被燃油车占用,导致新能源汽车无法充电.针对这一问题,提出了一种基于色彩空间的新能源汽车识别方法.该方法不仅能正确定位和识别车牌号,还能对车辆类型进行分类,是解决新能源汽车停车难问题的有效方法.首先,采用车牌几何特征与颜色特征相结合的方法对车牌进行定位.然后,通过色调-饱和度-明度(HSV)色彩空间识别出车辆类型.最后,采用基于残差网络(ResNet)模型的字符识别方法得到车牌号.实验表明,该方法车辆类型识别正确率为96.6％,车牌号识别正确率为97.53％.
针对风力的随机性和不稳定性导致风机功率数据特征难以获取,以及预测的时间和精度不稳定的问题,提出了一种基于自适应噪声完备集成经验模态分解(CEEMDAN)结合改进的麻雀搜索算法(ISSA)优化反向传播神经网络(BPNN)的预测方法.首先,采用CEEMDAN进行序列分解,提取各尺度特征分量,得到不同时间尺度的局部特征分量;其次,引入混沌映射和动态权重优化麻雀搜索算法(SSA),对单一 BPNN的局部极小化、收敛速度慢问题进行优化;最后,依据各分量展示的数据特征,建立ISSA-BPNN预测模型进行预测.仿真结果分析表明:CEEMDAN-ISSA-BPNN组合模型具有更高的预测精度,预测效果更佳.
为了监测污水厂关键工艺数据,保证污水处理过程平稳进行,提出一种评价传感器检测数据准确性的方法.先确定传感器检测数据准确性指标,再采取数理统计中检验数据异常值的方法,对离群数据的误差进行显著检验,从而对历史数据进行清洗;采用趋势模拟评估法对数据拟合,确定检测真值,进而用3σ法建立预测区间.利用上海市某污水处理厂日常运行数据,对所提出的传感器检测数据准确性评价方法进行验证,结果表明:所提出评价传感器检测数据准确性的方法能够合理识别异常数据,且实时有效.
为形成一种用于实现船用曲轴旋转的盘车棒材料及结构的优化选择和设计方法,采用SolidWorks和ANSYS Workbench联合仿真的方法,对盘车棒装置进行静力学分析.通过对比盘车棒在不同材料、尼龙套长度、阶梯面角度、大径变化等情况下的应力分布情况及变形规律,进行盘车棒的优化选择.有限元分析结果,可为盘车棒的设计和参数优化提供依据,以期在盘车棒结构强度满足使用要求的基础上力求节省材料.
以一种新型10 MN液压机为例,利用UG和ANSYS软件建立简化的液压机有限元模型,分别对机身结构、上横梁、下横梁进行静力学分析.根据应力以及变形分布规律,验证了10 MN液压机在满吨位工况下的合理性.在满足液压机机身强度和刚度的基础上对液压机增加压力,仿真得到该液压机最大允许工作压力为12 MN,并对该工况下的上、下横梁的结构进行优化设计,获得最优参数并实现轻量化设计目标.
