基于改进Faster R-CNN的绝缘子缺陷检测识别与定位

针对现有算法对绝缘子检测精度不高的问题,在Faster R-CNN算法的基础上进行改进,利用检测效果更好、性能更优的ResNet50代替原始VGG网络进行缺陷识别。实验结果表明,改进算法在数据集上的mAP达到77.29%,召回率达到87.55%,与其他经典算法相比具有更好的准确性与较强的实时性。

基于半指数支持向量回归的电力负荷预测

在线运行的超短期电力负荷预测用于潮流估计和电网调度,是制订发电计划的基础,具有显著的经济和安全意义。针对传统负荷预测算法对噪声数据的鲁棒性较差,预测精度无法进一步提升的缺陷,建立了一种基于半指数支持向量回归(SVR)的电力负荷预测模型。该模型提出了一种非线性的半指数损失函数,以解决负荷数据噪声导致的预测面偏移问题,从数学上泛化原始的铰链损失和硬间隔损失,通过设置不同的模型参数,获得了优于原始模型的分类效果。此外,通过引入对历史信息的挖掘理念,在输入量中加入了对时间的一阶和二阶微分,进一步提高了预测精度。最后通过理想数字模型仿真和使用真实的湖北省电网电力负荷数据进行预测,实验结果表明,提出半指数支持向量回归模型在速度上达到了在线运行的要求,而预测精度比现有方法有明显提高。