结合分数阶显著性检测及量子烟花算法的NSST域图像融合

针对传统红外与可见光图像融合算法中存在的细节纹理信息不够清晰,边缘信息保留不够充分等问题,提出一种基于分数阶显著性及改进量子烟花算法的非下采样Shearlet变换(NSST)域图像融合方法。首先对红外与可见光图像进行NSST分解,低频分量先进行基于分数阶微分增强的显著性检测;然后按照显著图匹配度的融合规则进行融合,高频子带采用梯度变化和灰度差异加权策略进行融合;接着对量子烟花算法进行改进,并对高低频融合参数进行优化;最后输出最佳的融合图像。通过实验表明:基于分数阶微分增强的显著性检测具有较好的视觉显著效果,改进量子烟花算法的寻优能力强、收敛效率高,所提方法得到的融合图像有效地综合红外与可见光图像中的细节信息,与现有方法相比具有较好的融合效果,且自适应能力强、无需人工干预。

兼容需求侧可调控资源的分布式能源系统经济优化运行及其求解算法

从分布式能源系统的优化研究着手,建立了兼容需求侧可调控资源的分布式能源系统经济优化运行模型,充分考虑了分布式能源系统中的电负荷、热负荷和冷负荷。其次,为能够解决上述多目标、非线性优化问题,提出了量子烟花算法(quantum fireworks algorithm,QFA)。最后,将所提出的模型及求解算法应用于我国西北地区某分布式能源系统的实际算例中,仿真结果表明:当分布式能源系统参与需求侧负荷优化管理时,系统总成本减少约6.17%;此外,验证了QFA算法求解此类问题的可行性。

基于表层温度深度学习的电缆接头绝缘劣化非接触式诊断

为提升电缆中间接头绝缘层劣化程度的现场诊断效率和准确度,提出一种基于表层温度自适应深度学习的接头绝缘劣化状态非接触式诊断方法。首先,对电缆接头及两端电缆的绝缘表层进行红外热成像,实现电缆接头中心两边多个对称区域的表层温度、接头两端电缆的表层温度的非接触式采集;其次,构建基于双隐层自编码极限学习机的深度学习网络,以挖掘表层温度数据内部深层次隐含特征,将提取的深度隐含特征作为随机森林诊断模型输入;然后,提出一种非线性动态自适应旋转角的量子旋转门以改进量子烟花算法的更新策略,并用于诊断模型参数优化;最后,结合接头表层红外温度和绝缘介质损耗角正切值构建数据集,对诊断模型进行训练和现场测试。实验结果表明,改进后的量子烟花算法可以较好地逼近全局最优解、收敛效率高,深度学习随机森林诊断模型具有较强的特征抽取和分类能力,参数优化后诊断模型的分类精度和稳定性得到有效提高,在小样本训练集条件下就能达到较好的诊断效果,可实现接头绝缘劣化状态的非接触式诊断。