基于近端策略优化算法含碳捕集的综合能源系统低碳经济调度

为了实现园区综合能源系统(PIES)的低碳化经济运行和多能源互补,解决碳捕集装置耗电与捕碳需求之间的矛盾,以及不确定性源荷实时响应的问题,提出了基于近端策略优化算法含碳捕集的综合能源系统低碳经济调度方法。该方法通过在PIES中添加碳捕集装置,解决了碳捕集装置耗电和捕碳需求之间的矛盾,进而实现了PIES的低碳化运行;通过采用近端策略优化算法对PIES进行动态调度,解决了源荷的不确定性,平衡了各种能源的供给需求,进而降低了系统的运行成本。实验结果表明:该方法实现了不确定性源荷的实时响应,并相比于DDPG(deep deterministic policy gradient)和DQN(deep Q network)方法在低碳化经济运行方面具有有效性及先进性。

新型电力系统分布式家庭光伏采集场景下的信任评估模型

针对现有传感器网络信任评估模型不能直接用于新型电力系统分布式家庭光伏采集场景,难以满足高防御力、强计算力需求的问题,提出了一种基于多指标检测的分布式动态信任评估模型。首先,根据终端节点历史交互情况进行基于贝叶斯的通信信任评估;然后,对当前采集数据进行基于自身历史数据支持度的感知信任评估与基于概率密度的区域信任评估;最后,利用熵权法对通信信任、感知信任和区域信任的自适应权重进行计算,引入活跃系数与双重奖惩机制综合计算后实现信任值的动态更新。实验结果表明,该四层信任评估模型适用于新型电力系统环境,并可在20轮交互周期内有效检测出分布式家庭光伏采集场景中,对物理环境因素、设备质量因素、人为误操作和恶意入侵等情况下的异常节点,实现动态、精准的信任评估。

基于改进3D ResNet的视频人体行为识别方法研究

针对人体行为在视频中呈现的时序性特点,提出了一种融合非对称卷积和CBR模块的视频人体行为识别方法。该方法使用3D ResNet-50作为主干网络。首先,将网络中较大的卷积核拆分为2个非对称3D卷积核的串联,加深卷积层在水平和竖直方向上的局部关键特征提取;其次,加入了CBR模块,以增加网络层数。该网络对连续的视频帧序列进行图像和时序的多角度特征提取,并根据特征数据对其进行分类,最后输出识别结果。在基准数据集UCF101上的大量实验结果表明,所提方法的Top1准确率和Top5准确率与原始3D ResNet网络相比分别提升了4.03%和4.99%,且该方法的识别准确率也优于其他主流方法的识别准确率。

基于扩展Span表示的电力变压器运维知识抽取与知识图谱构建

为实现电力变压器运维知识的有效沉淀,以运维文本为研究对象,提出一种融合规则的电力变压器运维知识图谱深度构建框架.首先根据专家指导自顶向下构建知识图谱概念层;然后融合规则和深度神经网络模型抽取知识,构建知识图谱的数据层.针对运维文本中的实体界限模糊和上下文信息利用不充分问题,提出一种通过扩展上下文信息和BERT(bidirectional encoder representations from transformers)获取扩展Span标签的方法,用于实体和关系抽取.算例分析表明,该方法在电力变压器运维数据集中知识抽取效果良好.

基于注意力机制的双BERT有向情感文本分类研究

在计算社会科学中,理解政治新闻文本中不同政治实体间的情感关系是文本分类领域一项新的研究内容。传统的情感分析方法没有考虑实体之间情感表达的方向,不适用于政治新闻文本领域。针对这一问题,本文提出了一种基于注意力机制的双变换神经网络的双向编码表示(bi-directional encoder representations from transformers, BERT)有向情感文本分类模型。该模型由输入模块、情感分析模块、政治实体方向模块和分类模块四部分组成。情感分析模块和政治实体方向模块具有相同结构,都先采用BERT预训练模型对输入信息进行词嵌入,再采用三层神经网络分别提取实体之间的情感信息和情感方向信息,最后使用注意力机制将两种信息融合,实现对政治新闻文本的分类。在相关数据集上进行实验,结果表明该模型优于现有模型。

基于图知识推理的输电线路缺销螺栓识别方法

针对输电线路缺销螺栓识别任务中存在的视觉不可分与样本不平衡问题,提出了基于图知识推理的输电线路缺销螺栓识别方法。首先通过知识表达模块学习到各类螺栓有判别力特征的类别表示;然后深入挖掘螺栓数据集中螺栓种类之间的相关性,提取出标签共现信息;最后将类别表示作为输入特征,以静态图和动态图的相关概率矩阵表征标签共现信息,通过知识推理模块完成图知识的传播与增强,从而实现缺销螺栓的识别。在实验阶段,将所选取的3类金具上的6种螺栓作为实验对象。对比实验结果表明,本文方法对缺销螺栓的识别效果优于其他方法,较原始模型提升了9.13%的准确率。消融实验结果表明,本文所提取的螺栓类别表示、静态图及动态图信息均能够提升缺销螺栓的识别效果。

基于改进YOLOx-S的输电线路上金具检测方法

输电线路航拍图像存在背景复杂多变、检测目标占比较小的问题。针对部分图像属于阴影、模糊等视觉信息较差的困难样本,在特征融合角度的基础上,使用通道注意力使得模型更加关注复杂背景下的关键特征提取区域;基于自适应空间特征融合(Adaptively Spatial Feature Fusion,ASFF)机制使得浅层和深层的特征图更合理地融合;对检测模型的损失函数进行改进,解决损失函数无法准确反映真实框与预测框重合度大小的问题。在自建的金具目标检测数据集上进行实验,实验结果表明,所提出的改进算法在原始YOLOx-S(You Only Look Once x-S)基础上获得了5.15%的检测精度提升,召回率提高了1.62%,并且针对小目标、易漏检和错检目标的检测有了明显改善,体现了在输电线路上金具目标检测的优越性和实用性。

融合知识迁移和改进YOLOv6的变电设备热像检测方法

针对变电设备热像检测中存在复杂背景样本不足和设备定位困难的问题,提出了融合知识迁移和改进YOLOv6的变电设备热像检测方法。针对复杂背景样本不足问题,使用扩散模型从域外数据中提取背景知识来生成背景图像,将设备样本迁移到背景图像中生成人工热像;针对设备难以被精准定位的问题,将多头注意力机制和显示视觉中心模块融入YOLOv6模型,改善模型的特征提取能力。实验结果表明,该方法对设备的平均检测准确率达到86.4%,召回率达到89.4%,相较于基线模型分别提升了3.1%和1.5%,为变电设备热像检测提供了新的实现方法。

基于改进YOLOX的变电站仪表外观缺陷检测算法

针对变电站仪表外观缺陷检测任务中存在的缺陷分布广、缺陷外观特征变化多样与特征提取困难问题,提出了基于改进YOLOX的变电站仪表外观缺陷检测算法。通过对比样本策略寻找到各类外观缺陷中有判别力的特征并对其进行深入挖掘;接着在网络的骨干部分加入全局上下文信息模块(GC-Model),增强模型对于外观缺陷特征的学习能力,提高网络性能;最后在预测部分使用SIoU损失函数,充分考虑方向框的角度问题对于模型优化的影响,从而提高对变电站仪表外观缺陷检测的准确率,减少漏检、误检情况发生。在实验中将选取4种典型的变电站仪表外观缺陷类型作为实验对象,通过实验结果分析,相较基线模型,平均精确率(mAP)提升了6.2%,可以有效提升变电站仪表外观缺陷的检测效果,为无人变电站的智能监测提供了有利条件。

基于聚类和关联分析的居民用户非侵入式负荷分解

现有的非侵入式负荷监测方法主要采用监督学习模型,该类模型需要具有针对性的大量训练数据,而且无法有效识别在训练数据中未出现的负荷。在分析多种家用电器负荷特征的基础上,选取负荷投切过程中暂态功率波形和功率变量作为负荷特征,并提出一种基于聚类和关联分析的无监督学习居民用户非侵入式负荷分解方法。首先根据功率变化情况提取电流和电压数据,并计算得到暂态功率波形;然后通过动态时间规整算法计算当前暂态功率波形与历史暂态功率波形的匹配度,并利用动态聚类算法和其他暂态负荷特征判别该功率波形对应的负荷操作;最后以周为单位对负荷操作进行关联分析,确定每种电器对应的多个暂态特征。仿真结果表明,所提方法易于实现,在准确率和可靠性方面有明显提高。

大模型时代:电力视觉技术新起点

随着无人机、巡检机器人和远程监控系统在输电、变电、配电、安监等电力场景中的广泛应用,利用电力视觉技术完成对海量巡检图像的自动处理,能够进一步提升电力系统智能化运维水平,对我国源网荷储一体化进程的快速推进具有至关重要的作用。随着通用视觉大模型的兴起,电力视觉技术正处于从传统深度学习时代向大模型时代跨越的重要节点。该文首先综述了电力视觉技术和通用视觉大模型的最新研究进展,结合视觉大模型在多种公共场景的应用先例,探讨视觉大模型在电力视觉领域将面临的3重能力边界问题。从初步探索通用视觉大模型的潜力,到逐步构建电力视觉大模型的过程,提出4种模型应用范式以突破视觉大模型能力边界。最后分析了视觉大模型对电力视觉研究者的影响,并对大模型浪潮下电力视觉技术的发展方向进行了展望。

基于改进PCL模型的输电线路缺销螺栓弱监督检测方法

销子缺失是输电线路中常见的螺栓缺陷,及时检测出缺销螺栓对输电线路的安全运行至关重要。基于全监督检测模型的螺栓缺陷检测需要目标级标注,目标级标注会消耗大量的人力物力,为减少这种消耗,提出一种基于改进PCL(proposal cluster learning)模型的输电线路缺销螺栓弱监督检测方法,仅利用图像级标注实现缺销螺栓检测。引入通道注意力机制,生成加权特征图,突出目标区域特征,有效地挖掘出螺栓的位置信息;采用加权交叉熵损失函数,控制正负样本对损失值的贡献,增大困难样本的损失比重,提高模型对螺栓目标的关注程度和识别能力;融合全监督的多任务学习思想,使模型能随着迭代次数的增加修正预先得到的边界框。实验结果表明,在测试集上,相比于基础模型,改进后的模型缺销螺栓的AP(average precision)值提升了25.6%,mAP(mean average precision)值提升了25.4%,最终验证了本文方法的鲁棒性。

微电网中基于区块链的电能交易方法

随着微电网内部分布式电源技术日益成熟、渗透率不断增加,大量电能产消者的加入给微电网的电能交易带来了新的机遇和挑战。在新形式下,传统的集中式电能交易方法存在交易效率低、维护成本大、隐私性低、信息安全系数低、信息透明度低等问题。为此,提出了基于区块链技术的微电网电能交易方法。首先,利用基于区块链系统的微电网电能所有权和代币交换方法,保障交易双方信息隐私及交易数据的安全。在区块链信息系统中,产消者与消费者进行电能所有权、代币的交易,使用智能合约保障交易双方的权益。然后,提出了基于信用的共识机制,将信用值作为微电网节点的基础属性,以信用值影响节点获得挖矿奖励的概率,约束微电网内节点的行为。最后,提出基于拍卖机制的微电网电能匹配方法和消费者出价策略。微电网中产消者出售多余电量,消费者根据自身需求发起对产消者电量的竞拍。使用拍卖机制和估价策略激励消费者理性竞价,提升微电网的内部消费,维持微电网内部的供需平衡。算例结果表明,所提微电网电能交易方法可进行多边竞价交易,有效提高微电网内部的自我消费,确保微电网的经济效益,保障交易的安全运行。

基于区块链和改进型拍卖算法的微电网电能交易方法

随着国家对电力市场改革的不断推进和售电市场的开放,以分布式电源为主体的电能产消者进入市场。传统的集中式电能交易不利于提高电能产消者的交易积极性,同时存在交易效率低、目标大易受攻击、数据丢失找回难度大、交易信息不透明等问题。基于上述问题,提出基于区块链技术和改进型拍卖算法的微电网交易方法。首先,提出利用双链结构完成微电网电能安全交易,利用信息链完成交易双方的认证及准入,利用交易链完成交易双方代币及电能的交换,交易双方通过签署智能合约完成无第三方信任机构的交易结算,避免坏账的产生;然后,提出利用改进型拍卖算法完成电能消费订单与产消者之间的匹配,以距离、时间及经济等因素共同影响最终的匹配结果,保障电能合理分配。算例结果表明,基于区块链和改进型拍卖算法的微电网电能交易方法可以完成微电网内部的直接交易,订单与产消者得到了合理的匹配,保障了微电网电能交易的公平性、高效性、安全性。

适用于微电网区块链的信用共识机制

相对于传统电力市场,微电网准入门槛低、用户个体趋利性强、分布式电能设备产能不稳定等问题可能使得微电网交易陷入信任危机。为此,文中提出了适用于微电网电能交易区块链的信用共识机制。首先,分析常用的共识机制及其在微电网应用场景中的缺陷。同时,设计了微电网电能交易区块链账户节点属性,改进了基于区块链的微电网电能交易流程。然后,建立微电网节点信用值评定机制,完成了节点信用值的公开、公平评定。最后,提出了基于信用证明的共识机制(PoCS),实现信用值影响共识过程,经济因素激励用户节点维护信用值。仿真结果证明,所提出的适用于微电网电能交易区块链的信用共识机制及微电网电能交易的智能合约能够以经济收益激励信用高的节点,抑制微电网内的节点失信现象。

基于注意力机制的输电线路缺销螺栓弱监督检测方法

输电线路中螺栓起到连接部件的作用,受野外环境影响销子容易脱落,及时检测出缺销螺栓能保证输电线路安全运行。为减少全监督检测模型中对目标级标注的依赖,文章提出一种基于注意力机制的输电线路缺销螺栓弱监督检测方法,仅利用图像级标注实现缺销螺栓检测。螺栓目标具有占比小的特点,本文方法在主网络中引入了卷积块注意模块(Convolutional Block Attention Module,CBAM),可以抑制无用特征,提取螺栓精细特征,加强螺栓目标区域联系,提高检测螺栓的能力。最终,通过实验验证了注意力机制对输电线路缺销螺栓检测的有效性。