摘要：为了根据超临界直流炉机组动态特性设计直流炉机组协调控制算法,以某超临界600 MW直流炉燃煤机组为研究对象,建立该机组的机理模型。考虑到长短时记忆(long short-term memory,LSTM)神经网络算法在处理长时序列数据的优越性,对于所建机理模型中锅炉部分复杂的工质吸热方程和蒸汽压差方程以及汽轮机部分复杂的过热蒸汽流量方程和负荷系数方程,采用LSTM神经网络结合机组真实运行数据进行方程拟合,建立了能够捕获机组各状态运行特性的复杂方程优化子模型。对于所建立模型中的动态参数,结合机组的动态运行数据,采用改进的差分进化算法进行参数寻优,最终得出机组完整的状态方程模型。对于所建立的模型进行开环阶跃扰动测试和闭环运行验证,结果表明所建立的模型能够精确地反映超临界机组的动态运行特性,模型闭环运行过程中的主蒸汽压力、分离器蒸汽焓值和机组负荷的平均绝对百分比误差均小于1.76%,故所建立模型可用于超临界机组协调控制算法研究。

摘要：提出一种基于二阶线性自抗扰控制(LADRC)的飞轮储能系统直流母线电压二次控制策略来应对飞轮储能系统频繁充放电切换带来的母线电压波动问题,其将母线电压及微分值分别视为状态变量,负载功率、参数不确定性等内外干扰视为扩展状态量进行扰动观测器设计。该策略能将工况切换造成电压波动的观测扰动量实时补偿至控制量中,实现扰动补偿。加入二次控制解决LADRC面对非常值扰动会存在稳态误差的问题,保证飞轮储能系统在充放能切换过程中母线电压具备较好的快速响应和抗干扰性能的同时实现无差控制。最后通过仿真验证了所提策略的有效性。

摘要：针对存在负荷扰动的多区域互联电力系统负荷频率控制问题,本文提出一种自适应事件触发预测增强型分布式模型预测控制策略.首先,将整个互联系统按区域划分为若干个动态耦合的子系统,构造扰动观测器对外界未知扰动进行估计.通过在优化问题中考虑调速器阀门限制并引入扰动估计,构建预测增强型分布式预测控制器,实现各子系统的负荷频率控制.此外,基于当前时刻与最新触发时刻状态间偏差设计自适应事件触发机制以更好协调系统性能和计算负担.结果表明,当系统存在负荷扰动时,所提控制策略在满足控制要求的同时显著降低计算负担,且所提策略在系统参数存在不确定的情况下具有良好的鲁棒性.

摘要：机器视觉是机器人决策的重要基础,作为机器人工程专业的专业必修课程,主要培养学生视觉处理、三维构建的能力。该文结合电力学科特色,将机器视觉在发电、输电、变电等不同电力相关环节中的科研成果融合到教学内容中,并针对课程的基础原理和综合应用设计典型教学案例,实现翻转课堂。把电力特色内容融入课程中,不仅给学生直观演示算法原理,还能深刻了解机器视觉在电力场景下的实际应用,对提升学生的感性认识、实践能力和创新思维具有重要意义。

摘要：针对汽车门板紧固件在复杂场景下存在的检测准确度较低和实时性较差的问题,提出一种小目标改进算法YOLOv8-SOD(small object detection)。在主干网络引入SPD(space-to-depth)模块和自适应权重分配模块,在算法的颈部网络输出位置增加选择性注意力模块,将CIOU损失函数替换为MPDIOU损失函数。实验结果表明,YOLOv8-SOD算法平均检测精度为99.1%,比模板匹配方法和YOLOv8算法分别提高了9.4%、2%,达到了工厂生产流水线的检测标准,具有实用价值。

摘要：近年来,随着深度学习技术的发展,卷积神经网络(convolutional neural network, CNN)和Transformer在图像超分辨率(super-resolution, SR)领域取得了显著的进展.但是,对于图像全局特征的提取,过去的方法大多采用的是堆叠单个算子重复计算来逐步扩大感受野的方式.为了更好地利用全局信息,提出了对局部、区域和全局特征进行显式建模.具体来说,通过通道注意增强卷积、基于划分窗口的Transformer和CNN的双分支并行架构、标准的Transformer和划分窗口的Transformer双分支并行架构,以一种层次递进的方式对图像的局部信息、区域与局部信息、全局与区域信息进行提取和融合.此外,设计了一种层次特征融合方式来对CNN分支提取到的局部信息和划分窗口的Transformer提取到的区域信息进行特征融合.大量的实验表明,所提网络在轻量级SR领域实现了更好的结果.例如,在Manga109数据集的4倍放大实验中,该网络的峰值信噪比(PSNR)相较于SwinIR提升了0.51 dB.

摘要：针对分数阶PID控制器的设计问题,提出一种改进麻雀搜索算法(ISSA)对分数阶PID控制器进行参数整定.在麻雀搜索算法(SSA)中引入Chebyshev混沌映射,提高SSA的种群多样性和全局搜索能力;采用自适应t分布和萤火虫算法,设置转换概率p使二者交替执行,提高SSA的收敛精度和寻优性能.对10个基准测试函数进行寻优,结果表明相较于已有的4种经典算法,ISSA在收敛速度、收敛精度、全局搜索能力等方面均有较大提升.最后,对两类被控系统进行仿真分析,相比现有成果,证实了ISSA算法对求解分数阶PID控制器参数整定问题的有效性和实用性.

摘要：文章梳理了智能电网大数据流实时分析技术的发展趋势,研究了具有流式计算与主动管理双重特性的复杂事件处理(complex event processing,CEP)技术特点。基于实时数据分发服务(data distribution service,DDS)中间件设计了自动需求响应(automated demand response,ADR)系统与CEP实时监测服务的集成架构,给出CEP服务节点的功能组件与分析流程,论述了应用架构的互操作优势。以用户需求响应性能实时监测分析为案例,说明应用CEP实现用户基线负荷与响应性能计算的关键技术,由ADR事件定义反映资源响应时序的上下文规则,设计用户侧监测事件模型与关键查询算法。特别针对实时与增强历史监测数据上下文的混合查询算法,给出CEP引擎内部扩展设计与实现流程,并实验验证算法性能。应用CEP内嵌R算法实现快速统计计算。最后,建立原型系统与CEP实时分析算法的可视化仿真实验,验证了CEP应用的可行性。

摘要：为实现自动准确地检测路面裂缝,提升路面裂缝检测效果,提出了一种基于注意力机制的裂缝检测网络(attention-based crack networks,ACNet).该网络采用编码器-解码器网络构架,编码器采用ResNet34为骨干网,提取路面裂缝特征;在编码器和解码器间加入基于注意力机制的特征模块(attention-based feature module,AFM),以利用全局信息和增加对检测不同尺度裂缝的鲁棒性,更好地提取裂缝特征和定位裂缝位置;在解码阶段也引入注意力机制,设计了基于注意力机制的解码模块(attention-based decoder module,ADM),实现对裂缝的准确定位.在公共裂缝数据集CFD和CRACK500上,与U-Net等其他8种方法进行了比较,结果表明,ACNet裂缝检测效果更理想,在主观视觉上,裂缝定位更准确,细节更丰富;在实验指标F1和重合率上,检测结果都有明显提升,说明了该网络的有效性.

摘要：将不可控新能源、电动汽车与可控电源构建成虚拟电厂(VPP),通过虚拟电厂优化调度各组成部分出力,使虚拟电厂对外表现为有一定可控性的、稳定的发电单元,减小新能源与电动汽车单独入网运行时对电网造成的冲击。为实现上述功能,该文构建含电动汽车的虚拟电厂经济优化调度模型,设计含电动汽车的虚拟电厂经济运行策略,在Matlab R2010a平台上采用粒子群算法优化各组成部分出力,并分析电动汽车渗透率和可控电源计划出力系数对虚拟电厂经济性和各机组出力的影响。仿真结果表明,通过电动汽车与可控电源联合出力能够弥补新能源出力偏差,降低可控机组旋转备用,提高虚拟电厂供电可靠性。