基于改进遗传算法的配电网多目标无功优化设计

以某地区的配电网为研究对象,对该区域配电网的供电方式及负荷性质进行了分析,针对引起该区域电压不合格及无功不足问题的原因,建立了考虑成本效益回报和线损率的多目标无功优化模型。将模拟退火算法(SA)中的Boltzmann策略,加入到传统遗传算法(GA)中,构成改进遗传算法(SA-GA),以提升遗传算法的全局搜索能力。通过实际配电网仿真算例,验证了本模型及算法对解决该区域无功及电压问题的有效性。

基于DHNN的化工厂数显式仪表的数值识别

为了保障化工厂数显式仪器设备的正常运行及故障及时检测、减少人力巡检的工作量,达到化工厂安全生产的要求,需要对带有数显式仪表的设备进行准确的读数检测。但化工厂仪表盘表面颗粒粗糙、灰尘堆积造成采集到的图像存在大量噪点,加之由于巡检机器人采集图像过程中的位置偏移,造成图像扭曲,对仪表数值的读取产生很大的影响,因此需要提高数显式仪表的数值识别精度。通过构建Hopfield三神经元网络模型进行仿真,并进行随机噪声检验,发现噪声水平在0.1及以下的识别效果最佳。通过对图像进行灰度化、降噪等预处理操作消除噪声,然后对仪表盘的数值区域进行定位、分割、校正、识别,实验结果表明,数值区域的平均识别准确率为90.15%,满足化工厂巡检机器人对数显式仪表的识别要求。