-
题名引入注意力机制和参数优化的TCN短期风电功率预测
- 1
-
-
作者
柳天虹
乔显著
菅利彬
晋成凤
孙康艳
-
机构
扬州大学信息工程学院
国电南瑞科技股份有限公司
国电南京自动化股份有限公司
-
出处
《电力系统及其自动化学报》
CSCD
北大核心
2024年第9期88-95,共8页
-
基金
江苏省自然科学基金资助项目(BK20190876)。
-
文摘
为提高短期风电功率预测的准确性,提出一种基于频率注意力机制和粒子群优化的时间卷积网络短期风电功率预测模型。首先,利用灰色关联分析方法计算气象变量与风电功率的关联度,选取特征变量;其次,引入频率注意力机制改进时间卷积网络残差块,赋予通道不同权重,并基于粒子群优化算法优化时间卷积网络超参数,搭建预测模型;最后,以黑龙江某风电场实测数据为例进行仿真分析,实验结果表明,所提方法能够充分提取风电功率序列的时序特征,提高短期风电功率预测精度。
-
关键词
时间卷积网络
风电功率预测
频率注意力机制
粒子群优化算法
灰色关联分析
-
Keywords
temporal convolutional network(TCN)
wind power prediction
frequency attention mechanism(Fca)
par-ticle swarm optimization(PSO)algorithm
grey relational analysis(GRA)
-
分类号
TM614
[电气工程—电力系统及自动化]
-
-
题名改进YOLOv5网络在遥感图像目标检测中的应用
被引量:8
- 2
-
-
作者
周华平
郭伟
-
机构
安徽理工大学计算机科学与工程系
-
出处
《遥感信息》
CSCD
北大核心
2022年第5期23-30,共8页
-
基金
国家自然科学基金项目(61703005)
安徽省重点研究与开发计划(202004b11020029)。
-
文摘
针对遥感图像目标检测存在的尺度多样化、分布密集、小目标检测困难等问题,提出了一种改进YOLOv5网络的遥感图像目标检测的新方法Fca_YOLOv5。该方法引入了频率通道注意力网络,引导模型更加关注信息丰富的特征;将网络输入尺寸优化为1 024,减少了图像缩放带来的影响;采用圆形平滑标签计算角度损失,对船舰目标进行旋转目标检测,进一步提升检测效果。在DOTA遥感图像数据集上进行实验,检测精度最高达到了75.9%,船舰旋转目标检测精度达到了96.1%,并且Fca_YOLOv5s的检测精度比YOLOv5s提高了3.1%。实验结果表明,改进网络对遥感图像中的微小目标具有较好的检测效果,有效提升了遥感图像的检测精度,对实现遥感图像中的微小目标检测具有一定的参考意义。
-
关键词
YOLOv5
频率通道注意力机制
网络输入尺寸
圆形平滑标签
小目标检测
-
Keywords
YOLOv5
FcaNet
network input size
circular smoothing label
small object detection
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-