摘要：准确的能源负荷预测对综合能源系统的经济调度和优化运行有着重要的影响。提出一种基于径向基函数神经网络(radial basis function neural network,RBF-NN)模型的综合能源系统电、气、热多元负荷短期预测方法。首先利用Copula理论对电、气、热负荷进行相关性分析,建立了电、气、热负荷和温度的时间序列;接着设计***网络模型结构,采用***聚类算法对隐含层节点进行优化;最后通过国内某园区综合能源系统的实际数据对模型进行验证。通过3个案例结果的比较,验证了文中提出的方法可以有效地考虑电、气、热负荷之间的耦合关系,具有较高的预测精度。

摘要：以北京市奶制品配送问题为场景,研究了共同配送选址-路径优化问题。建立了两层级带容量约束的共同配送选址-路径问题的混合整数规划模型,设计了求解模型的三阶段算法。第一阶段采用基于遗传算法的带容量限制的k-means聚类方法,将客户划分为若干客户集;第二阶段计算每个备选配送中心为每个客户集提供服务的最优配送路径及成本,在此基础上将共同配送中心选址与第二层级配送路径优化问题简化为配送中心选址和客户集分配问题,建立数学模型并利用Lingo软件求解;第三阶段确定从物流中心到共同配送中心的最优配送路径。通过对比两大品牌奶制品在北京地区各商超的单独配送与共同配送成本,验证了模型和算法的合理性和有效性。研究结果为解决不同类型产品共同配送网络优化等问题提供了决策依据。

摘要：当前民用建筑电气负荷计算以需要系数法为代表,通过规范规定的需要系数、分散系数和同时系数等关键参数开展负荷计算。近些年来,人们发现这种方法在民用建筑供配电设计中存在不合理之处,具体表现为变压器选择偏保守。鉴于当前民用建筑能耗系统已产生了大量能耗数据,这些数据可以反过来用在新建建筑的负荷计算上。提出了一种新的负荷计算模型,该模型利用已有建筑能耗大数据,并用聚类算法整理后用于新建建筑负荷计算。基于这一思想设计了完整的数据归类和负荷计算流程,并通过具体项目验证了这一模型。在验证项目中,新的负荷计算模型得到的变压器配置比传统方法节省了37.5%的容量。该计算方法还有益于能耗数据的区块链应用。

摘要：设计了一种基于嵌入式与EmguCv的作物监测系统,对作物的图像和生长环境数据进行采集,监测作物生长状况。利用嵌入式系统控制CMOS摄像头对作物叶片进行图像采集;使用多个AM2302传感器采集作物生长环境中温湿度数据;通过MG811模块监测作物周围二氧化碳浓度。利用ESP8266模块将采集数据按预定数据格式传输至上位机,用EmguCv中k-means聚类算法分析作物图像,保存作物生长历史信息,并将处理结果和各传感器数据显示在上位机,供作物管理者参考。实验结果表明,该系统能实时监测出作物生长信息及环境信息,为智慧农业提供了一种实现方案。

摘要：现有电力用户信用研究所需的数据,基本都来源于电力公司的用采或营销系统,无法反映用户的综合信用。为了获得电力用户的综合信用特征,必须扩充信用评价的数据源。文章扩充的数据源主要源于权威部门发布的公开数据,并设计了注册资本、企业性质、税务评级、行政处罚、经营异常、行业前景、红名单信息和黑名单信息8个指标,结合用户用电指标,对914个电力用户的18个信用评价指标数据进行k-means聚类,并对聚类结果使用Topsis综合评价法,将聚类结果划分为不同的信用等级,实现对不同信用等级电力用户的信用评价。通过与电力用户实际状况比较,发现分类结果与实际具有较好的一致性。

摘要：为解决传统图像分割算法难以分割噪声污染严重的坝面裂缝图片的问题,提出一种基于自适应区域生长和局部k-means聚类的坝面裂缝检测算法。采用双边滤波对裂缝灰度图进行初步降噪,运用自适应区域生长算法获得裂缝的粗分割图,再通过形态学腐蚀操作以及最大连通域提取操作去除孤立的点状及团状噪声,最后采用局部k-means聚类算法获得裂缝的精细分割图。运用该算法以及大津阈值分割算法等常用的3种算法对3幅分别存在污渍噪声、混凝土表面毛刺噪声、块状以及条状噪声污染的裂缝图片进行分割。结果表明:该算法获得的分割结果完成度指数以及正确度指数均在0.95以上,高于其他3种算法;该算法的抗噪性好,适应性强,能实现对坝面裂缝的精确识别分割。

摘要：由于网络入侵攻击具有多样化的特征,导致对其的识别难度较大。为此,提出了基于数据挖掘的通信网恶意入侵自动识别方法。结合网格搜索和模拟退火算法提取入侵攻击的特征,利用模拟退火算法遍历不同范围内的惩罚因子C与核函数参数gamma最优值,对应调节网格和步进的大小,将满足停止遍历时的参数作为SVM提取器运行设置值,实现通信网恶意入侵攻击特征提取。利用k-means聚类算法去除通信网中的冗余数据,构建包含二维卷积核的卷积神经网络,计算其特征分布与提取结果的一致性,识别对应的入侵攻击。测试结果表明,设计方法可以有效识别多种攻击类型,具有良好的应用效果。

摘要：针对机械材料缺陷识别准确率低的问题,提出一种基于改进反卷积单激发多框探测器(DSSD)网络的机械材料缺陷识别方法。首先以Residual101为基础网络,通过减少反卷积层数量以提高检测速度,然后采用k-means聚类算法优化目标检测框的长宽比,提高对机械材料缺陷识别的准确率和检测速度。结果表明,通过改进DSSD网络可实现机械材料缺陷检测,且相较于DSSD网络和常用目标检测网络YOLO、SSD、Faster-RCNN,改进DSSD网络的缺陷识别平均准确率更高,平均检测时间更短,分别达到85.9%和0.141 s,具有一定的有效性和优越性。

摘要：由于对配网运行数据以及需求的分析精度较低,导致对重过载情况的预警效果以及容量规划结果合理性较低,为此提出配网重过载预警及配网容量规划研究,借助k-means聚类的方式对配网停电数据集进行处理,并将平衡训练结果作为判定其重过载判定的基础,实现对重过载情况的预警。在配网容量规划阶段,AdaBoost算法实现对配网不同馈线对应的重要性进行分析,并结合重要性对容量进行适应性配置。在测试结果中,设计方法对应的线路掉闸率稳定在20.0%以下,日期望缺供电量始终在0.50 MW·h以下,具有良好的应用效果。

摘要：针对无人机在线路巡检过程中,同一设备缺陷在多个拍摄图像中重复存在的问题,以输电线路为例,使用k-means聚类算法设计并研发了“面向输电线路巡检的多图像间重复缺陷自动筛查组件”,能够对同一铁塔的多图像间的重复目标进行筛查和定位,达到缩减人工对多图像重复缺陷筛查的工作量,提升了对线路巡检的效率。该技术能够广泛应用于石油石化行业中油气管道的无人机巡检。