改进YOLOv7-tiny与D-S理论结合的实验室人员行为检测研究

针对目前实验室场景缺少对人员行为检测的方法,且主流算法精度低、误检率高的问题,文中提出一种改进YOLOv7-tiny的人员行为检测算法,并通过多源信息融合,提高人员行为在实际实验室场景中的识别准确率。首先,在检测算法主干网络引入GhostNetV2轻量化网络,进一步降低模型计算量和复杂度;其次,在颈部网络嵌入改进后的CBAM_E注意力模块,加强目标重要特征的提取;再次,在预测端使用SIoU替换原有的损失函数,减少角度因素和边界框回归精度的影响。检测结果表明,相较于YOLOv7-tiny,文中算法精度提升10.08%,模型参数量和复杂度分别下降36.45%和46.76%。最后通过将检测数据与传感器采集数据运用D-S证据理论进行信息融合后发现,人员不规范行为检测的误检率得到有效降低。结果表明,该方法可实现对实验室人员不规范行为的有效检测。

通信网络生态文明与公共秩序研究

随着3G、4G业务在全球的开展,数据传输业务成为人们经常使用的移动业务,通讯产品成为社会交往、业务往来的重要工具,人们通过通信手段的联系使得相互关系越来越密切。可是通信网络中各种不良信息的传播也越来越猖獗,它不仅占据了通信网络的空间,而且还扰乱了通信网络的公共秩序。文章通过对通信网络生态系统的分析,探讨通信自由与网络公共秩序之间的关系,总结影响网络公共秩序的相关因素,为建立良好的网络公共秩序、营造文明健康的绿色网络通信环境献计献策。

油田配电网理论线损计算

分析了抽油机的负荷特性,提出一种改进的油田配电网理论线损计算方法。该方法将抽油机的瞬时有功功率近似表示成正弦的形式,分别得出有单台和汇有多台抽油机负荷的导线和变压器的线损电量表达式,推导出考虑负荷波动与不考虑负荷波动时支路的可变损耗电量计算值之间的关系表达式。对某油田一条具有13个负荷的典型配电线路的理论线损电量进行了计算,并分别与常规潮流计算方法和实测结果进行了比较。结果表明,提出的方法可行,并且提高了理论线损的计算精度。

基于注意力-生成式对抗网络的异常行为检测

为了满足对大规模视频数据的异常行为检测的需求,基于视频帧重建和帧预测的方法被广泛研究.但由于监控视角下背景环境是几乎不变的,因此会浪费大量的资源在不变的背景上,同时也不利于检测目标信息的提取.为了解决这个问题,本文使用无监督学习的视频帧预测策略,利用生成对抗网络学习正常行为的特征以生成效果较好的预测帧,并且拟采用注意力驱动损失来缓解异常行为检测中前景目标与背景环境失衡的问题,同时使用空间-通道注意力机制(CBAM)来增强模型生成器的预测效果.经在公共数据集UCSD Ped1和UCSD Ped2的测试和验证,在Ped1数据集上的检测精度达到了83.5%,在Ped2数据集上的检测精度达到了95.8%.与经典的异常行为检测算法以及原始基于生成式对抗网络异常检测算法比较,本文所采用的方法进一步提高了异常行为检测的准确率.

考虑电动汽车用户意愿的滚动优化调度

大规模电动汽车(EV)接入电网后,其无序充放电行为会给电力系统带来极坏的影响,因此对EV进行聚合分类并引导其有序充放电变得非常重要。然而,不同EV用户的需求具有明显的个性化、多样化,为了给不同EV用户提供精准的服务,需要对EV用户的意愿进行响应。首先,提出了行为倾向函数,其中包含了EV的剩余电量、未来出行距离、上一时段的充放电状态、停车时长等信息,以评价EV用户对主动参与调度的意愿;然后,根据EV用户的行为倾向对EV进行分类;最后,建立考虑配电网网损、风电与负荷的匹配度以及负荷方差的多目标优化函数对分类后的EV进行滚动调度,以确定最优调度策略。以改进的IEEE 33节点系统为算例进行仿真分析,仿真结果表明,所提优化调度方法准确响应了EV用户的多样化需求,既满足了EV的用车需求,又提高了EV充放电的整体效益,同时有效降低了配电网网损及负荷方差,提高了风电与负荷的匹配度。

无线传感器网络中的选择转发攻击检测

针对无线传感器网络中现有检测攻击方法需要节点协同或检测硬件的缺点,对选择转发攻击进行研究,提出一种基于信任度与丢包行为的检测方法。通过节点收发数据包的情况,计算节点的信任度,结合节点丢包行为评估,判断节点是否发动攻击。这种检测方法的计算与存储开销都集中于基站,且不需增加额外的检测设备。实验结果表明,这种方法较之现有检测方法,检测率更高。

基于双注意力时间卷积网络的人体行为识别

为解决TCN使用可穿戴传感器数据进行人体行为识别准确率不高的问题,提出适用于可穿戴传感器数据的双注意力时间卷积网络的人体行为识别模型。为TCN引入两类不同的注意力模块,提取与当前行为高度相关的深层特征。利用LN层代替TCN中残差模块的WN层,优化模型的残差结构。创新性地应用三元组损失函数区分高相似传感器数据的异类行为。实验结果表明,在公共人体行为数据集PAMAP2上采用该模型的识别准确率高达98.25%,相较原始TCN模型提升了5.28%。

基于贝叶斯网络的无人驾驶行为决策研究

无人驾驶系统的决策系统是决定无人驾驶汽车安全性、稳定性的关键技术,是无人驾驶汽车智能程度的体现。本文旨在研究一种基于因果推理的无人驾驶行为决策模型,即理性决策,而不是相关推理。建立了基于贝叶斯网络和强化学习的决策模型,结合深度学习,基于规则的专家系统的特性,深入研究决策模型在样本比较少或数据部分缺失的情况下,提高复杂场景下的适应性、提升泛化能力和迁移学习能力。

电网检修数据安全接入电网运行拓扑辨识方法

电网接入数据节点包含固定的数据量限值,在拓扑辨识处理时,实际得到的可容纳容量存在数值偏差,导致拓扑辨识产生的网络损耗过大,针对该问题,设计基于节点行为的电网检修数据安全接入电网运行拓扑辨识方法。利用图论知识,将电网结构处理为节点-支路关联矩阵,简化电网结构节点行为;将电网结构划分为多个结构,将标定线路开断数值处理为触发阈值,控制线路接入数据量;采用动力学系统可控性的相关理论,输出拓扑辨识方案。实验选择数据接入耦合节点,实例测试结果表明:所设计的拓扑辨识方法的网络损耗最小,拓扑辨识效果较佳。

基于YOLOv7的石墨化配电室员工违规行为检测

石墨化工艺是一种需要对送电功率、过程参数、变压器温度等严格把控的过程,配电室员工违规行为可能导致安全事故及产品质量问题。针对员工打瞌睡、擅自离岗、玩手机等违规行为,本文提出一种改进的YOLOv7员工行为检测算法,构建了轻量化网络模型,并引入SIoU(Scylla Intersection over Union)损失函数提高检测的准确度。通过数据实验验证了本文算法的有效性。改进后的YOLOv7算法模型相较于原始版本,检测速度更快,检测精度提高了3.7%。具有较高应用价值。

电力现货市场对网损的影响研究——计及发电商竞价与超短期负荷预测

电力现货市场由于交易周期短、交易频次高,导致电源方报价决策与负荷方用电需求呈现出不确定性,这将导致电网潮流复杂多变并进一步影响电网损耗。为了解决上述问题,首先,根据电力现货市场交易周期、市场策略、交易规则等特征,分析电力现货市场对网损的影响机理;其次,围绕电力现货市场供求关系,建立计及发电商竞价及超短期负荷的最优潮流计算模型,探究电力现货市场价格引导的源-荷供需动态演化下的网损计算;最后,构建供需两侧现货市场互动的典型场景,利用IEEE14节点系统进行仿真分析,研究发电商报价、负荷需求变化下的网损增减变化。研究成果将为进一步明确发电商竞价及负荷需求变化对网损的影响机理和变化规律,提升网损分析与管控能力,提供理论与方法借鉴。