基于近端策略优化算法含碳捕集的综合能源系统低碳经济调度

为了实现园区综合能源系统(PIES)的低碳化经济运行和多能源互补,解决碳捕集装置耗电与捕碳需求之间的矛盾,以及不确定性源荷实时响应的问题,提出了基于近端策略优化算法含碳捕集的综合能源系统低碳经济调度方法。该方法通过在PIES中添加碳捕集装置,解决了碳捕集装置耗电和捕碳需求之间的矛盾,进而实现了PIES的低碳化运行;通过采用近端策略优化算法对PIES进行动态调度,解决了源荷的不确定性,平衡了各种能源的供给需求,进而降低了系统的运行成本。实验结果表明:该方法实现了不确定性源荷的实时响应,并相比于DDPG(deep deterministic policy gradient)和DQN(deep Q network)方法在低碳化经济运行方面具有有效性及先进性。

基于改进Seq2Seq模型的电力智能客服系统设计方法研究

随着电力用户规模不断增长、业务量不断扩大,传统客服模式已不能满足繁重的用户业务咨询需求,在此背景下设计一种精准的客户服务模式就显得至关重要。针对这一需求,文章首先提出了一种融合注意力机制+双向长短期记忆网络+双向门控循环单元(Attention+BiLSTM+BiGRU)的序列到序列(Seq2Seq)模型;然后通过对上下文语义信息的深层时序特征提取及赋权,有效提高了模型对话性能;最后通过算例仿真,实验结果从定性和定量的角度验证了所述方法具有回答效果更佳、问题识别能力更高的特点,对在线电力智能客服系统的设计和实现具有一定的参考价值。

基于智能合约的微电网P2P能源交易策略研究

随着能源系统向着绿色低碳化转型发展,大量新型产消者涌入交易市场,给能源交易带来了诸多不确定性,传统的集中式能源交易机制已不能满足新的需求。针对这一问题,本文分析了区块链技术与能源交易模式的契合性,在智能合约的基础上提出并构建了以产消者为研究对象的微电网点对点(peer-to-peer,P2P)能源交易模型,以提高可再生能源的消纳比例;为增加用户收益,使用3种不同出清机制进行结算,并设计了一种用户满意度反馈度量方法,可为后续交易提供参考;通过算例仿真,结果表明出清机制不同程度上影响着用户的满意度与收益,并且点对点能源交易策略优于传统的能源交易策略,该成果为数字化转型背景下创新能源交易模式提供了新的思路。

基于Q学习的超超临界机组协调系统模型预测控制研究

超超临界机组具有多输入多输出、非线性严重、耦合强、时滞大的特点,其控制系统的设计要求是在保证系统稳定运行的同时,最大限度地提高机组的热效率和功率输出、快速准确地调节机组负荷、确保机组主蒸汽压力和温度在允许范围。通过调整系统模型以及阶段成本,进而获取最优策略。选取强化学习中的Q学习方法。将参数化模型预测控制作为Q学习中的一种新型函数逼近器,通过调整模型预测控制的参数来获取近似最优闭环控制策略以及最优的值函数。将该方法应用到1 GW超超临界锅炉汽轮机协调系统的控制中。在升负荷以及小范围升负荷变化情况下进行仿真。仿真结果表明,与传统模型预测控制方法对比,该方法可以在满足约束的情况下使系统输出值更加准确地到达设定值。

新型电力系统中的大模型驱动技术:现状、机遇与挑战

建设新型电力系统是实现社会、经济高质量发展的重要基石,以新一代通用人工智能为主导的信息化技术与能源电力科学深度耦合,为新型电力系统的数字化转型工作提供了重要保障。为了探究电力系统在大模型时代潮流下的发展方向,该文首先系统梳理了当前电力系统的数智化发展现状以及在新的场景需求下遇到的难点问题。然后重点探讨了以多模态大模型为代表的具备深度场景解析和语言描述能力的大模型技术在电力系统中的应用前景,并分析了其在几个典型场景下的相关应用成果,证明大模型技术可行性的同时,进一步总结了大模型技术在相关电力场景所面临的机遇与挑战性问题。最后对未来大模型技术如何与电力系统实现紧密融合做了展望与建议。该研究成果有望为新型电力系统数字化转型过程中的数智化发展提供参考,助力能源电力领域提质增效。

基于CasRel-AttR模型的电力二次作业风险知识图谱构建方法研究

随着现阶段电力系统作业风险数据的不断积累,以继电保护为代表的电力二次作业风险知识需要以更为高效的方式进行存储与查询,知识图谱技术所具有的高度结构化的特点为该领域问题的解决提供了可行性方案。在此背景下,文章首先设计了一种面向电力二次作业的知识图谱构建方法,包括数据预处理、知识抽取、知识融合与存储过程;然后,针对知识抽取方法,提出一种融合旋转位置编码及注意力机制的级联(casRel-attention-RoPE,CasRel-AttR)实体关系联合抽取方法,针对二次作业语料特征,在级联关系三元组抽取(cascade relational triple extraction,CasRel)模型主客体标注部分加入融合旋转位置编码(rotary position embedding,RoPE)的自注意力机制,并在自构建的二次作业风险数据集上设置实验,实验结果证明模型在识别效果上的优越性。最后,在抽取得到的三元组基础上,根据构建流程构建了完整的知识图谱,初步达到辅助风险分级与运维决策的效果,为后续有效支撑二次作业风险防范领域的数字化转型工作提供参考。

基于改进YOLOv8与语义知识融合的金具缺陷检测方法研究

针对输电线路螺栓金具缺陷检测任务中存在的缺陷样本类间分布不均、缺陷微小特征提取困难等问题,提出基于改进YOLOv8和语义知识融合的输电线路螺栓缺陷检测方法。首先,通过深入分析数据样本中螺栓金具缺陷种类与该螺栓承载金具种类之间的关系,完成语义关联构建工作;之后,在YOLOv8模型Neck部分引入BiFusion和RepBlock模块,增强模型的特征提取能力;其次,使用改进的融合语义知识校正权重的Loss函数,进一步提高训练模型的准确性,减少误检的发生;最后,分别完成基线选取实验、消融实验、超参数调整实验以及对比实验。实验结果表明,相较于Baseline模型,改进YOLOv8方法在平均精确率(mAP)上提升了4.0%,在关键少样本类精确率上提升了24.6%,可有效提高输电线路螺栓金具缺陷检测的效果,该语义关联构建及语义知识融合方法具有一定的泛用性,为输电线路无人机智能巡检领域提供了新的方法支持。

基于“认知–约束”的电力系统安全风险影响因素关联分析方法研究

当前针对电力系统的事故分析多以单一因素为重点,未全面考虑电力系统风险影响因素耦合带来的新问题,较易产生疏漏。在深入剖析电力系统实际运行环境与事故致因理论的基础上,文章首先提出基于“认知–约束”的电力系统事故机理分析模型,从人为因素、设备因素、管理因素、环境因素等方面对电力系统安全风险的起源进行系统分析;然后,进一步构建基于Petri网的事故树分析方法,对影响电力系统安全的关键因素进行量化分析;最后,基于电力系统事故案例对所述方法进行模型构建,并计算各因素的结构重要度,初步掌握事故发生的规律,与实际电力系统事故综合分析结果的对比表明,所述模型具有良好的可用性。该研究成果对科学合理避免电力系统事故发生、建设安全电网具有一定的参考借鉴意义。

不同碳约束机制下微能源系统多目标优化决策

基于碳约束机制,以满足多元用能需求为目标,综合考虑碳减排及经济成本,构建了多种碳约束机制下的微能源系统模型。采用改进的粒子群算法对不同约束情景下的系统进行成本优化。通过对规划区域进行算例仿真,得出了不同约束机制下系统优化结果。

数字孪生变电站框架设计与关键技术研究

数字孪生(DT)技术的发展给电力系统的智能化管理带来诸多便利,然而作为推动能源电力行业数字化、智能化的关键技术,相关研究与应用还处于初期起步阶段,亟需开展系统性研究,以突破适应能源电力行业特殊性的数字孪生关键技术。为此,本文以变电站作为应用场景,首先对变电站运维管理现状进行了分析,指出现阶段存在变电站巡检模式缺陷、模型精度不够、感知参量单一、缺乏对数据的深度挖掘等问题。以此设计了一套涵盖空间信息与设备建模、变电主设备机理建模、智能反馈控制、设备感知网络、基于数据驱动的数字孪生体模型的仿真,以及3维可视化渲染与应用的数字孪生变电站模型框架。然后讨论了变电站数字孪生技术面临的问题与挑战:专业智能研制方面,变电站数字孪生系统对传感器的感知精度、智慧功能集成度、抗干扰能力、功耗以及供能方式等提出更高要求;海量数据存储与计算方面,海量多源异构感知数据如何高效存储与利用,以及如何优化算力资源分配,满足系统实时计算需求;模型研究方面,现有数据驱动模型精度不足,模型不可解释且缺乏论证,影响整个系统的可靠运行;数据方面,如何解决“数据安全”与“数据孤岛”问题;3维虚拟实体构建与动态更新方面,如何低成本快速构建可用的高精度3维变电站模型,以及研究设计3维模型的动态更新算法,以保证孪生系统实时空一致性。进而探讨了解决问题的关键技术:通过感知理论研究与提升制作工艺、结合分布式云存储与云边协同计算、数据驱动与机理知识融合建模、可信联邦学习等先进技术,以及实景3维重建与点云动态可视化等相关技术,在满足隐私保护和数据安全前提下,建立“形”与“态”相融合的变电站数字孪生系统,实现变电站运行状态全感知、全生命周期数据智能管理与高效利用,变电站全业务场景智慧运行。结合数字孪生模型设计与关键技术问题的探讨,给出了一套面向工程应用的数字孪生变电站系统设计方案,重点阐述了包括变电站设备实时监测、设备故障诊断与故障预测、运维决策优化与智能反馈控制等典型的应用场景。

新型电力系统分布式家庭光伏采集场景下的信任评估模型

针对现有传感器网络信任评估模型不能直接用于新型电力系统分布式家庭光伏采集场景,难以满足高防御力、强计算力需求的问题,提出了一种基于多指标检测的分布式动态信任评估模型。首先,根据终端节点历史交互情况进行基于贝叶斯的通信信任评估;然后,对当前采集数据进行基于自身历史数据支持度的感知信任评估与基于概率密度的区域信任评估;最后,利用熵权法对通信信任、感知信任和区域信任的自适应权重进行计算,引入活跃系数与双重奖惩机制综合计算后实现信任值的动态更新。实验结果表明,该四层信任评估模型适用于新型电力系统环境,并可在20轮交互周期内有效检测出分布式家庭光伏采集场景中,对物理环境因素、设备质量因素、人为误操作和恶意入侵等情况下的异常节点,实现动态、精准的信任评估。

基于改进3D ResNet的视频人体行为识别方法研究

针对人体行为在视频中呈现的时序性特点,提出了一种融合非对称卷积和CBR模块的视频人体行为识别方法。该方法使用3D ResNet-50作为主干网络。首先,将网络中较大的卷积核拆分为2个非对称3D卷积核的串联,加深卷积层在水平和竖直方向上的局部关键特征提取;其次,加入了CBR模块,以增加网络层数。该网络对连续的视频帧序列进行图像和时序的多角度特征提取,并根据特征数据对其进行分类,最后输出识别结果。在基准数据集UCF101上的大量实验结果表明,所提方法的Top1准确率和Top5准确率与原始3D ResNet网络相比分别提升了4.03%和4.99%,且该方法的识别准确率也优于其他主流方法的识别准确率。

共享理念下的区域能源互联网生态系统价值共创模式与机制

随着互联网信息技术的快速发展和推广应用,社会资源配置模式发生了剧烈的变化。能源呈现出集约化、扁平化、网络化、去中心化的发展态势,传统经济背景下的价值共创机制在共享经济背景下进一步发生改变。基于“30·60”目标的紧迫性,能源互联网成为推进“两个替代”(能源生产清洁替代和能源消费电能替代)和“双脱钩”(能源电力发展与碳脱钩和经济社会发展与碳排放脱钩)的有力保障和重要支撑。以共享理念为核心,对区域能源互联网生态系统进行系统化研究,分析开放式、数字赋能、共生耦合、多层联动的系统特征,提出区域能源互联网价值共创的4种不同模式,并对系统价值共创模式与价值共享机制展开了分析,以期为区域能源互联网的理论发展与实践应用提供有价值的参考。

大模型时代:电力视觉技术新起点

随着无人机、巡检机器人和远程监控系统在输电、变电、配电、安监等电力场景中的广泛应用,利用电力视觉技术完成对海量巡检图像的自动处理,能够进一步提升电力系统智能化运维水平,对我国源网荷储一体化进程的快速推进具有至关重要的作用。随着通用视觉大模型的兴起,电力视觉技术正处于从传统深度学习时代向大模型时代跨越的重要节点。该文首先综述了电力视觉技术和通用视觉大模型的最新研究进展,结合视觉大模型在多种公共场景的应用先例,探讨视觉大模型在电力视觉领域将面临的3重能力边界问题。从初步探索通用视觉大模型的潜力,到逐步构建电力视觉大模型的过程,提出4种模型应用范式以突破视觉大模型能力边界。最后分析了视觉大模型对电力视觉研究者的影响,并对大模型浪潮下电力视觉技术的发展方向进行了展望。

电力巡检机器人路径规划方法综述

随着电力系统规模和复杂性的不断增加,传统的人工巡检方式已很难满足当下电力巡检要求。巡检机器人因具有安全性、可靠性和智能性已被逐步应用到电力巡检中。机器人在运行过程中通过提前预测、自主决策或智能导航的方式完成全局遍历与避障。电力巡检的核心任务是规划出一条安全且最优的运行轨迹。系统地分析和梳理了巡检机器人巡检过程中的各类方法;阐述了在变电站和输电线路等不同场景中算法的应用;综述了各类路径规划算法的研究现状和改进方法。在此基础上,对未来电力巡检机器人路径规划的研究和发展方向做出了展望。

改进YOLOv8的轻量级军事飞机检测算法

遥感图像军事飞机检测在侦察预警、情报分析等领域具有重要意义。为使军事飞机检测模型能在算力受限的设备上高效运行,从网络设计与模型压缩两个方面对YOLOv8n进行轻量化改进。在网络设计方面,使用FAS_C2f替换原始主干网络中的C2f模块,减少计算冗余并加快网络特征提取的速度;根据军事飞机目标的尺度特征对网络结构进行优化,缓解因过度下采样导致的小目标信息丢失问题;使用Inner-SIoU作为新的定位回归损失函数,提升对小目标样本的学习能力并加快回归边界框的收敛。在模型压缩方面,使用基于LAMP分数的通道剪枝对重设计后的模型进行压缩,进一步减少参数和模型大小;并利用通道级知识蒸馏(channel-wise knowledge distillation,CWD)将模型精度恢复到接近剪枝前的水平。实验结果表明,在公开军用飞机数据集MAR20上,轻量化后的模型mAP为97.2%,体积仅有0.7 MB,较原始模型缩小了88.3%,FPS提高了14帧/s,满足军事飞机目标检测的实时性要求。

基于MCB-FAH-YOLOv8的钢材表面缺陷检测算法

针对现有基于深度学习的钢材表面缺陷检测算法存在误检、漏检和检测精度低等问题,提出一种基于改进CBAM(modified CBAM,MCB)和可替换四头ASFF预测头(four-head ASFF prediction head,FAH)的YOLOv8钢材表面缺陷检测算法,简记为MCB-FAH-YOLOv8。通过加入改进后的卷积注意力机制模块(CBAM)对密集目标更好的确定;通过将FPN结构改为BiFPN更加高效的提取上下文信息;通过增加自适应特征融合(ASFF)自动找出最适合的融合特征;通过将SPPF模块替换为精度更高的SimCSPSPPF模块。同时,针对微小物体检测,提出了四头ASFF预测头,可根据数据集特点进行替换。实验结果表明,MCB-FAH-YOLOv8算法在VOC2007数据集上检测精度(mAP)达到了88.8%,在NEU-DET钢铁缺陷检测数据集上检测精度(mAP)达到了81.8%,较基准模型分别提高了5.1%和3.4%,该算法在牺牲较少检测速度的情况下取得较高的检测精度,很好的平衡了算法的精度和速度。

基于改进生成对抗网络的时序数据异常检测

针对时序数据复杂的时间相关性,以及现有异常检测模型存在准确性低、训练不稳定等问题,提出一种结合BiLSTM和WGAN-GP的无监督时序数据异常检测模型。使用BiLSTM作为生成器和判别器的基础网络来捕获时序数据的时间相关性;为保证训练过程的稳定性,使用Wasserstein距离取代原有的衡量方法,在判别器损失中加入梯度惩罚项;将重构损失与判别损失相结合定义异常函数,采用局部自适应阈值方法判别异常,提高异常检测的准确性。为验证模型性能,在涉及多个领域的5类数据集上进行实验,其结果表明,该模型相比于Arima、LSTM等模型具有最高的平均F1分数。

结合Segformer与增强特征金字塔的文本检测方法

针对自然场景文本检测算法中的小尺度文本漏检、类文本像素误检以及边缘定位不准确的问题,提出一种基于Segformer和增强特征金字塔的文本检测模型。该模型首先采用基于混合Transformer(mix Trans-former,MiT)的编码器生成多尺度特征图;然后,在具有特征金字塔结构解码器的上采样部分,提出级联融合注意力模块,通过全局平均池化、全局最大池化和Ghost模块获取全局通道信息并保留文本特征;接着,在解码器的特征融合部分提出两级正交融合注意力模块,利用非对称卷积分别从水平和垂直方向进行信息增强;最后,利用可微分二值化对结果进行后处理。将本文方法在ICDAR2015、ShopSign1265和MTWI 3个数据集上进行实验,相比于其他8种方法,本文方法的F值均为最优,分别达到了87.8%、59.1%和74.8%。结果表明,本文方法有效提高了文本检测的准确率。

基于改进YOLOv5s的输电线路螺栓缺销检测方法

针对无人机输电线路巡检图像中螺栓缺销检测精度较低、漏检较多的问题,提出了一种基于改进YOLOv5s的输电线路螺栓缺销检测方法。在Backbone部分嵌入Coordinate Attention注意力模块;在Neck部分原有的“FPN+PAN”结构的基础上,新增一条“自顶向下”的特征信息传递路径,跨越临近的同尺度特征层,与较浅层网络以加权融合的方式进行特征融合;将Head部分设置为解耦检测头,将对螺栓检测的分类任务与定位任务分开进行。改进后的YOLOv5s算法增强了对螺栓特征信息的学习能力。使用本方法在螺栓缺销数据集上实验,精确率提升了2.3%,召回率提升了3.4%,平均精度提升了3.1%,检测速度达到了41.1帧/秒,表明改进后的方法能提升输电线路螺栓缺销的检测能力,在智能巡检中具有一定的应用价值。