配电网运行方式多目标决策的模糊评价

配电网运行方式的选择多以经验为主,缺乏科学合理的决策方法,严重限制了配电网运行的高效性。在决策周期内负荷精确预测的基础上,建立了以电能损耗最小、供电不可靠率最低、电压偏移量最小等多个目标协调优化的配电网运行方式决策模型;引入模糊隶属度函数对各个目标进行处理,将多目标问题加权转化成单目标问题,利用结合改进随机变异策略的进化规划算法对配电网开关状态进行寻优搜索,从而确定配电网的最优运行方式。通过分析IEEE 33节点测试系统,验证了所提方法的有效性。

改进粒子群算法在分布式电源接入配网继电保护整定优化中的应用

随着分布式发电的接入,配电网由单电源电网转化为多电源网络,使得原电网中继电保护系统中潮流、电能质量等方面会受到显著影响,保护之间的配合关系已经无法满足。该文以电流保护为例,分析了分布式电源并网对继电保护的影响;采用改进粒子群算法,对典型分布式电源接入配网结构中过流保护整定进行优化处理。结果表明,改进粒子群算法在收敛速度和稳定性方面有一定的提高,对过流保护定值进行了优化。

电力系统图像识别研究综述

针对电力设施、场所的图像识别,是智能变电站、智能电网实现的重要手段。本文针对图像识别应用于电力系统的方法进行归纳,主要分为运动物体检测和目标识别两大研究方向。并按照实现目的来划分,将图像识别应用于电网的研究划分为三个部分,即实物信息的快速录入、智能监控和防误操作,并分别目前的研究成果进行归纳总结。本文的研究有利于电网中图像识别项目的选题,并提出了对图像识别在电网中应用的建议。

智能可视化在现场保供电工作中的应用

为解决常规保供电工作中存在的"盲保"、"盲调"及"盲点"问题,建立了一套现场保供电智能可视化系统,并将该系统应用到现场保供电工作中。应用实践表明,该系统实现了可观、可测的精准指挥,有效提高了保供电工作效率和水平。

图像分割方法应用于施工现场物体的识别

复杂场景中的图像分割是当前图像分割中的一个难点,给分割算法带来了更大的挑战。基于深度学习的算法基于统计学理论,相比传统的神经网络,深度学习能够进行更深层次的学习,因此准确率大大提升,本文研究了一种深度信念网模型,加入drop out策略,并且进行改进,最后把模型应用于施工现场勾机的图像分割与识别。实验证明,改进的深度信念网模型算法可以有效的识别复杂场景中的图像。