基于资源融合的FuseGrid研究

指出现有网格基础理论研究中的不足和网格应用技术存在的问题,提出基于资源融合的树型网格,它支持面向主题的资源共享/融合、高性能计算以及自相似的网格应用构造模式。能利用已有分布式网络环境中大量的网格资源快速地开发出适应用户不断变化需求的新型网格应用。通过介绍网格资源融合的基本思想和基于资源融合的树型网格体系结构,给出树型网格的系统实现结构、关键类和接口的规范。

基于移动多线激光雷达扫描的树冠叶面积估计方法

移动单线激光雷达(Laser detection and ranging,LiDAR)扫描(Mobile single-layer LiDAR scanning,MSLS)树冠叶面积估计方法使用单一视角的单线激光雷达采集树冠点云数据,获取的冠层信息不够全面,限制了树冠叶面积估计精度。本文提出一种基于移动多线LiDAR扫描(Mobile multi-layer LiDAR scanning,MMLS)的树冠叶面积估计方法,使用多线LiDAR从多个视角采集树冠点云数据,提升树冠叶面积估计精度。首先,将多线LiDAR采集的点云数据变换到世界坐标系下,通过感兴趣区域(Region of interest,ROI)提取出树冠点云。然后,提出一种MMLS树冠点云融合方法,逐个融合单个激光器采集的树冠点云,设置距离阈值删除重复点,添加新点。最后,构建MMLS空间分辨率网格,建立基于树冠网格面积的树冠叶面积估计模型。实验使用VLP-16型多线LiDAR传感器搭建MMLS系统,设置1、1.5 m 2个测量距离和间隔45°的8个测量角度对6个具有不同冠层密度的树冠进行数据采集,共得到96个树冠样本。采用本文方法,树冠叶面积线性估计模型的均方根误差(Root mean squared error,RMSE)为0.1041 m^(2),比MSLS模型降低0.0578 m^(2),决定系数R^(2)为0.9526,比MSLS模型提高0.0675。实验结果表明,本文方法通过多线LiDAR多视角树冠点云数据采集、MMLS树冠点云融合和空间分辨率网格构建,有效提升了树冠叶面积估计精度。

基于DS证据理论的电网信息自动融合模型构建

多智能体感知的智能电网信息中,通常存在信息冗余与缺失等问题。为解决这些问题,研究构建智能电网多智能体信息自动化融合模型,精准自动化融合多智能体信息,改进DS证据组合规则,完成决策级信息自动化融合,提升自动化融合效果,为智能电网的后续应用,提供更加全面的信息。

基于图表映射融合技术的大电网运行业务平台化人机交互设计

为更好满足大电网运行业务中高效感知电网状态的需求,开展了软件前后端数据组织和接口设计方面的研究。在融合海量人机交互技术关键要素的基础上,提出一种大电网分析模型图模一体化与多关系表数据映射与融合的平台化技术方案,并通过2669个厂站大电网案例验证方法的有效性。结果表明,所提方法在实现诸多功能需求基础上具备较高的模型检索效率与优秀的前端渲染性能,可为大电网运行业务人机交互设计提供参考。

人工智能与储能技术融合的前沿发展

随着大规模储能系统和电气设备的不断适应,电池和超级电容器(supercapacitors)的储能能力面临着越来越多的需求和挑战。其中漫长的研发周期及低效率的材料筛选是储能材料(energy storage materials,ESM)开发的两大难题,将人工智能(artificial Intelligence,AI)应用于ESM的研发是解决该问题的新方案。而机器学习(machine Learning,ML)作为AI的子领域,已被证明是从数据中获得见解的强大工具,ML可以挖掘大数据背后有价值的信息和隐含的关联,有助于揭示ESM的关键结构或性质与性能关系,大大加快了ESM的研发和筛选,同时AI为储能系统的设计和运行提供了先进的预测工具。因此,未来AI与储能技术的融合研究将是值得关注的新兴领域。本文首先阐述了AI的关键技术框架,包括监督学习、无监督学习以及可解释的人工智能(XAI)。然后从ESM设计、识别筛选和性能预测三个方向出发,分别总结了AI在这些储能领域的最新研究进展,包括机器学习在储能材料研究中常用的数据库列表,并分析了这一融合技术对智能电网优化、可再生能源集成与管理的贡献。最后,本文展望了AI与储能技术的融合面临的机遇挑战,以及未来需要重点关注的研究方向。

基于人工智能的多源遥感数据融合在电网勘测应用研究

随着卫星遥感、空间科技等技术的不断发展,通过卫星采集多源遥感数据已被广泛应用到诸多行业。将多源数据进行融合,生成信息更丰富、质量更高的图像,能更清晰地分析地物地貌地形情况,已成为近年来图像智能处理领域的技术研究前沿方向。文章基于人工智能卷积网络和注意力机制,提出一种统一融合网络,将不同光谱和空间属性的遥感源数据进行有效融合,生成具有精确光谱信息和清晰空间细节的高分辨率图像,为电网勘测选址选线等业务提供了辅助支撑的有效手段。实验结果表明,文章研究结果比现有典型方法具备更好的融合效果。

一种干式变压器搬运机器人多传感器融合地图构建方法

为了实现电网系统中干式变压器精准搬运及放置,提出了一种基于多传感器融合构建地图的方法。对惯性测量单元、二维激光雷达、红外传感器进行数据融合,构建配电房室内外环境的二维栅格地图,以实现干式变压器机器人的定位、导航和避障。仿真结果表明,文章所提方法是可行的。

融合特征的红外与可见光异源图像匹配

当前红外和可见光图像配准未考虑灰度、空间的位置情况,匹配结果的平均归一化修正检索秩(A_(r))较高。因此,提出融合特征的红外与可见光异源图像匹配算法。分析待匹配图像的中矩形区域灰度差值特征,绘制Haar特征密度分布图,并基于此实现图像滤波。通过离散变换(K-L)提取滤波后图像灰度特征、像素密度特征和纹理特征,完成多图像特征的压缩与融合。基于融合特征,计算待匹配红外图像与可见光图像的格贴近度,得到异源图像匹配结果。实验结果表明:所提方法应用后,异源图像匹配结果的A_(r)平均值仅为0.35,更好地满足了图像匹配要求。

计及物理-信息耦合的多微网分布式控制策略

从信息物理设备交互影响的角度出发,将智能电网中的各微网类比为一个信息物理电力智能体,整个智能电网视为一个多智能体系统,根据分布式多智能体协同控制的相关理论,提出一种基于类比集群控制算法的协同控制策略,通过控制分布式储能设备作为调节功率的手段,能快速恢复故障系统的暂态稳定。最后,将控制策略应用在IEEE39节点系统进行仿真验证,并在不同的最大输出容量的情况下,将稳定效果与另外三种控制器进行对比,仿真结果验证了所提控制策略能够在更短的时间内恢复系统的暂态稳定。

基于知识图谱的语义融合模型构建方法研究

知识图谱具有良好的指标描述性能与解释能力。为了有效分析数字电网的业务全生命周期数据、形成以知识为导向的新型电网运维管理模式,开展了基于知识图谱的语义融合模型构建方法的研究。首先,构建基于物联网的电网数字模型,汇总数字电网信息。其次,针对数字电网,采用Protégé软件,通过七步法构建数字电网本体。最后,基于本体,采用自顶向下的方式生成知识图谱。基于上述建模方法,将知识图谱与模式识别相结合,设计一套语义提取框架。根据数字电网模型信息(图像、声音、文本等)提取的原子概念检测本体,推理出更高层次的复合语义特征。基于所获取的语义特征,结合知识图谱,试点数字电网信息语义融合,为推动统一模型的构建提供实践参考。

多源影像点云融合建模的方法

针对单一数据源进行大场景建模时存在精细化程度低、纹理模糊的问题,本文提出一种多源影像点云融合建模的方法。首先对倾斜影像和地面近景影像数据分别进行光束法平差,以共线条件方程为数学模型,获取倾斜影像点云和地面近景影像点云,将两者点云数据进行坐标统一,实现点云融合;然后对融合点云数据构建网格模型,并以激光点云作为参考点云,进行网格模型精度评估;最后对网格模型执行无缝纹理映射。实验结果表明:本文方法与单一倾斜影像获取的网格模型精确度距离误差分别为38.36、66.12 mm,多源影像点云融合提高了网格模型重建的精度,并且比单一数据源构建的三维(3D)模型结构更完整,精度更高,纹理更清晰。

基于多源数据深度融合的配电网运行评价方法

配电网作为供电环节中的最后一环,其运行水平决定了供电服务质量,因此配电网运行评价是供电单位的重要工作。但配电网运行评价工作受到跨业务数据资源难以融合、评价指标选择难以反映实际配电网运行状况等条件限制,现有评价方法难以实施应用。针对这一问题,提出一种基于多源数据深度融合的配电网运行评价方法,首先对区域配电网进行网格化划分,然后基于地址分级匹配算法对跨业务的多源异构数据进行深度融合。在此基础上,提取并设计配电网运行评价指标体系,构建基于多层权重约束的配电网运行综合评价模型,求解配电网综合评价结果。最后研发配电网运行评价系统,支持配电网各业务系统的多源异构数据的统一接入,实现配电网评价功能的可视化、智能化应用。研究成果配电网运行评价系统已采用某省级电网公司数据中台的相关数据进行配电网运行状态评估试验验证,以实际运行数据验证了所述方法的准确性和适用性。

基于网函数插值理论的结构表面风压预测

影响结构表面风荷载分布特性的因素很复杂,且具有不确定性,仅靠风洞试验难以完整地获得和描述其风荷载分布特性。因此,探讨了基于网函数插值理论的结构表面风压分布预测。首先,介绍了一种可多方向拟合一次误差调整的网函数插值法,并基于网函数插值技术对于多个传感器所获得的数据进行数据融合,提出了结构表面风压分布预测方法,然后用风洞试验数据进行了验证。实例验证结果表明:网函数插值法可以根据布置在结构物表面的测点网,快速计算出相邻位置的表面风压值,这是作为数据融合手段预测结构表面风压分布特性的一个有效途径,且该方法稳定性好,简单实用,精度较高,可被应用于风洞试验中减少测点数量和扩充复杂建筑表面风压分布数据等。

基于轮廓线与特征融合的电网变电设备三维自动化运检方法

因工作环境的复杂性,变电设备成为智能电网中故障频率最高的装置之一,易发生设备接地故障、保险熔断故障、绝缘材料老化等问题,为提高电网变电设备三维自动化运检精度,提出基于轮廓线与特征融合的电网变电设备三维自动化运检方法研究。采集电网变电设备三维图像,获取电网变电设备三维图像初始轮廓点,筛选变电设备轮廓点,依照顺序连接提取出的关键轮廓点,得到变电设备三维图像轮廓线,结合形态学滤波算法,对图像进行开、闭运算,依据轮廓线的闭合情况,分割出目标图像与背景图像,提取包括HOG特征与LBP特征的变电设备目标图像特征,经过特征融合后,构造最优分类超平面,制定电网变电设备三维自动化运检规则,判定变电设备运维情况,最终实现变电设备的三维自动化运检。实验数据显示:该方法识别出变电设备的正常与异常状态,在不同实验工况背景下,应用提出方法获得的变电设备运检精度达到了96%。提高了变电设备的自动化运检的识别及运检精度,满足现今变电设备的运检需求。

电网工程在BIM环境下数字化建设管理模式研究与应用

国家电网工程建设信息化管理模式主要以项目建设业务流为主线,当前BIM技术的引入给建设管理带来新的手段和方式。分析传统信息化管理模式的特点,遵循实用、无感、可用、智能、整体五个基本原则,重新设计电网工程在建筑信息模型(building information modeling,BIM)环境下数字化建设管理模式,提出“电网工作包”的新理念,设计新模式下数字化管理平台的整体框架,对比分析两种管理模式的应用差异并在某新区电网进行实现和应用,验证新管理模式能有效提升电网建设管理水平。

轮廓几何特征融合下的电网设备激光除锈控制参数自适应确定方法

基于激光除锈轮廓特征,在进行电网设备除锈控制参数确定时,主要依托于单一的轮廓几何特征,导致除锈后表面粗糙度偏差较大。设计一种以轮廓几何特征融合为核心的参数自适应确定方法,根据激光除锈工作原理,建立激光除锈有限元模型。采用边界矩分析算法,提取电网设备除锈的多个轮廓几何特征;融合多个轮廓几何特征,设计基于融合特征的参数确定方法,有效选择各项控制参数;通过响应面分析,自适应确定电网设备激光除锈控制参数。实验结果表明:该方法可使除锈后表面粗糙度与目标表面粗糙度值之间偏差减小2.7μm,与其他激光除锈控制参数设置结果相比,除锈后表面粗糙度偏差降低了54.24%、63.51%。

机理-数据融合驱动的互联变流系统故障诊断方法

三电平中点钳位型互联变流器,因其大容量、高电能质量等优势,已逐渐成为交直流混联配电网系统的主流能量变换装备。但其长期工作于大功率、时变负载、有限散热等恶劣工况,功率器件开路故障率高。同时,现有故障诊断方法多为单一机理或数据依赖,无法克服系统模型结构复杂、运行工况多变的难题,诊断准确性与快速性较差。为此,提出了一种机理-数据融合驱动的互联变流系统故障诊断方法。首先,基于三电平变流系统的机理模型,结合神经网络观测器,构建机理-数据融合模型以提高故障诊断精度。随后,分析了电流残差量在不同器件开路故障后的变化轨迹,总结出电流残差故障特征表进行开路故障诊断。最后,实验与硬件在环测试结果验证了所提方法的有效性。

用电信息采集系统应用现状及发展趋势

用电信息采集系统是建设智能电网的重要内容。介绍了用电信息采集系统的组成结构,分析了国内外用电信息采集系统的建设现状及应用需求,研究了用电信息采集系统通信技术及主站应用、智能费控、用电信息安全防护等关键技术,重点论述了通信网接入、信息共享与融合、海量数据处理与分析应用、移动作业、基于三网融合的采集技术、智能用电双向交互技术等用电信息采集系统未来的发展方向。

基于WI-FI和蓝牙融合的室内定位算法

针对现有单模定位算法精度较低、鲁棒性不足等缺点,提出了一种基于WI-FI和蓝牙多模融合的室内定位算法.该算法采用欧氏空间距离和网格合并得到各自的定位结果,并在决策级上进行多模融合.实验结果证明,该定位算法可有效克服单模定位的局限性,提高定位精度及鲁棒性.

基于网格搜索和支持向量机的灰熔点预测

为了预测混煤的灰熔点,采用支持向量机建立煤灰软化温度模型,模型将煤的灰成分作为输入量,煤的软化温度作为输出量,利用网格搜索寻优方法对支持向量机(SVM)模型的参数进行了优化,在设定的不同精度下分别获得模型的最优参数,利用优化后的模型对单煤和混煤的灰熔点进行了预测,并将不同精度下的预测结果与实验结果进行对比.煤灰软化温度模型设定精度为0.01时,单煤样本预测相对误差最小,其最大相对误差和平均相对误差分别为3.00%和0.48%;运用此模型对混煤预测的最大相对误差和平均相对误差分别为1.74%和0.62%.预测结果表明,经网格搜索优化后的支持向量机模型对煤灰熔点预测较精确.