考虑双通道随机时延的区域互联电网AGC方法

在区域互联电网网络化自动发电控制(Automatic Generation Control,AGC)过程中,信息传输在双通道(如控制器到执行器(C-A)、传感器到控制器(S-C))均存在时延问题。基于模型预测控制(MPC)技术,拟利用其预测特征,通过控制过程中信息的存储与处理,消除双通道随机时延对控制效果的负面影响。首先,在考虑双通道时延的前提下,构建互联电网AGC系统模型,并就时延的存在对控制效果的影响进行了分析。然后,针对互联电网AGC系统的控制模式对集中式MPC(CMPC)的实现方法进行了讨论,分析了在CMPC框架下双通道时延的处理方法。在此基础上,分别以阶跃与随机负荷曲线为扰动变量,获取互联电网频率及区域控制偏差曲线。仿真结果表明在考虑互联电网AGC系统双通道随机时延的情况下,所提方法能够保证系统良好的动态响应性能,从而验证了其可行性和有效性。

基于降维LBP与叶片形状特征的植物叶片识别方法

为解决由于植物叶片特征的相似性以及叶片旋转导致植物识别率较低的问题,提出一种基于降维局部二值模式(LBP)与叶片形状特征相结合的植物叶片识别方法。首先利用LBP算法提取高维叶片纹理信息,通过主成分分析方法(PCA)对高维叶片特征降维;同时考虑叶片的形状特征,将LBP旋转不变性特征与叶片形状特征有效结合,在低维空间利用k近邻法(KNN)实现叶片的分类与识别。实验结果表明该方法具有较好的识别效果。

多特征与局部线性嵌入融合算法在植物识别中的应用研究

针对植物识别过程中叶片旋转状态下的识别需求,采用植物多特征提取与局部嵌入融合算法,应用支持向量机(SVM)建立分类器对植物叶片进行分类辨识。结果表明:基于分块的局部二值模式(LBP)算法可以提取植物叶片的纹理特征;使用局部线性嵌入(LLE)算法,对高维的LBP特征进行降维,减少了分类识别时间,同时能够达到更好的聚类效果,有效地提高识别率;所提出的植物叶片识别方法对旋转状态下的叶片具有良好的实用性。

应用叶片图像分割与特征融合的复杂背景植物识别方法

针对复杂背景的存在性,通过图像分割处理消除复杂背景因素对植物识别的负面影响.提出一种基于形态学变换的标记分水岭算法,对植物叶片进行重建的开闭操作,并使用标记分水岭算法对其进行分割.识别测试纹理与形状特征提取方式,了解图像分割算法对复杂背景消除的有效性.结果表明:提出的算法能有效分割复杂背景叶片.

考虑区域间互联电网时延差异性的分布式AGC方法

针对区域互联电网自动发电控制(AGC)过程中系统间传输时延的随机性与差异性问题,提出一种分布式模型预测控制(DMPC)方法.首先,在考虑互联电网区域时延存在差异性的前提下,构建互联电网AGC系统模型;然后,针对互联电网AGC系统的分布式特征,对DMPC方法进行讨论,分析在DMPC框架下时延的处理模式;最后,分别以阶跃与随机负荷曲线为扰动变量,获取互联电网频率控制效果曲线.仿真结果表明:在考虑区域间时延随机性与差异性的情况下,所提方法能够保证系统良好的动态响应性能,验证了此方法的可行性和有效性.