摘要：鸟巢是造成输电线路相间短路的重要因素之一,在智能监测设备采集的图像中,鸟巢目标轮廓尺度跨度大、成像背景复杂多变,鸟巢目标的自动检测面临着很大的挑战。针对这种难题,提出了一种互补注意力深度学习检测模型(Complementation Attention Network Deep Learning Detector,CANDL-Detecor)。首先,设计了新颖的互补注意力网络模块,由通道注意力和空间注意力并联而成,充分利用通道特征和空间位置特征的互补优势,自适应地抑制背景噪声特征,同时突出鸟巢特征。接着,设计了互补注意力深度学习检测模型,融入了一阶段特征金字塔池化子网络,从而引导深度神经网络在突出目标特征的同时抑制复杂背景的干扰,提高了鸟巢多尺度特征的表示能力。实验结果和分析证实了提出方法的有效性,均值平均精度(MAP)达到88.2%,检测速度达到98fps。

摘要：规模化电采暖与光伏共同接入低压农网容易产生不利的电压影响,合理评估其引起的电压风险对指导低压农网的规划设计和运维改造具有重要意义。本文针对低压农网电采暖和光伏规模化接入引起的电压越限问题,提出低压农网电压风险评估方法。分析建立了房间热需求模型和蓄热、直热电采暖用电特性模型;采用数据驱动建模思想构建了基于核密度估计理论的电采暖和光伏随机模型,并应用历史天气信息生成一定数量的光伏和电采暖运行功率数据,作为核密度随机建模的基础驱动数据;提出考虑负荷受损程度和节点耦合度的电压风险评估指标体系和基于概率潮流的电压风险评估方法。以典型低压农网为对象,考虑光伏和电采暖不同配置方式,从节点级、系统级两个层面验证了本文提出的低压农网规模化电采暖与光伏接入下电压风险评估方法的合理性。