摘要：针对光伏发电、燃料电池发电等领域对高增益直流变换器的需求,以两相交错并联升压变换器为研究对象,由2个含有电感的倍压单元组合设计出实现电压提升的交叉倍压结构,据此提出了一种新颖的交叉倍压型高增益DC/DC变换器。该变换器可实现(3n+4)/(1-d)倍的高电压增益(1∶n为耦合电感匝数比,d为变换器占空比),且具有电路器件的低电压应力特性。对于漏感引起的开关管电压尖峰问题,引入了钳位电容构成释放漏感能量通道,同时提升了输出电压。介绍了新型交叉倍压型高增益变换器的拓扑结构,分析了变换器各模态的工作过程,推导了电压增益、输入电流纹波及各器件电压应力等稳态特性,并搭建样机进行实验研究,验证了该直流变换技术方案的可行性和先进性。

摘要：“双碳”目标的实施加速了新型电力系统发展。然而,新型电力系统的转动惯量和调节能力逐渐难以适应复杂多变的负荷变化。因此,开发更高效、更快速的调频资源参与自动发电控制(automatic generation control,AGC)已成为刻不容缓之事。但是,不同调频机组之间的异质性显著,包括机组模型、容量和响应速度的差异,这对AGC提出了挑战。为了提升异质调频资源参与AGC的性能,该文提出了一种分布式协同AGC方法。首先,基于分布式固定时间一致性理论提出了一种分布式固定时间区域控制偏差(area control error,ACE)发掘算法。随后,各AGC机组根据获取的ACE信息设计独立的PI控制器参与频率调节。在ACE调节的最后阶段,根据各机组出力的标幺值,设计了分布式固定时间功率均分控制器,控制低速AGC机组承担更多的功率调整量,从而释放高速AGC机组的容量并为下一轮AGC服务做好准备。通过对包含5种不同调频单元的两区域电力系统进行仿真研究,验证了所提分布式协同AGC方法的性能。结果表明,所提方法可以有效地提高系统的调频性能,且能够在设计的时间内实现期望的有功功率分配。

摘要：二维光子Moiré超晶格拥有一些常规光子晶体不具备的特性,例如平带特征和不同于安德森局域化的光局域现象。本文利用多光束干涉法构建二维光子Moiré超晶格结构,采用有限元法对其能带结构及光场特性进行研究。通过优化Moiré晶格厚度、空气孔半径对其平带及局域特性的影响,得到了高局域特性的Moiré晶格结构。研究中发现,正方晶格具有不同于六角晶格的准狄拉克锥光局域化效应。本文研究结果对发展高性能微纳结构器件具有重要参考价值。

摘要：人体动作识别是计算机视觉领域的重要研究方向之一,越来越多地应用在视频监控、自动驾驶等场景.目前大多数双流方法采用卷积神经网络分别提取动作的时空特征,而卷积网络仅关注于动作的局部空间特征,缺乏动作的长距离依赖关系,且卷积造成的特征损失及视频背景噪声的影响不利于动作特征的提取.同时,注意力机制愈加广泛地应用在各类视觉任务中,并达到了较高的性能.针对以上问题,本文提出一种基于注意力机制的TS-PVAN双流动作识别模型,该模型以TSN双流网络框架作为基线,为空间流设计一种P-VAN网络处理RGB帧以提取视频动作的空间特征.该模型提高了空间网络提取动作特征的能力,以及双流时空特征信息的融合效果.通过在HMDB51和UCF101两个数据集上的实验对比分析,验证了所提方法的有效性.

摘要：干扰对齐是一种解决无线通信系统的干扰问题、提升系统容量的重要技术。但实施干扰对齐需要发送端已知全局信道状态信息。为解决在多用户MIMO干扰信道场景下实施干扰对齐会产生大量信道状态信息开销的问题,提出了连续干扰对齐反馈拓扑设计。该反馈拓扑依据用户数目设置了多对干扰对齐发送端,并连续性地执行干扰信号对齐,能够有效降低信道状态信息开销。对比已有反馈拓扑,结果表明,当用户数目K≥6时,所提的连续干扰对齐反馈拓扑能够以最低的信道状态信息开销去实现干扰对齐,这更有利于干扰对齐技术的实际应用。

摘要：针对高维网络数据存在大量冗余和不相关的特征导致入侵检测准确率低的问题,提出了一种改进的多因子优化蝙蝠算法(IMFBA)用于数据特征选择,筛选出具有最大信息量的特征子集,提高网络入侵检测精度。首先,在多因子优化框架下设计全局特征选择任务和局部特征选择任务,并通过基于蝙蝠算法所设计的选型交配和垂直文化传播算子实现不同任务间的信息共享,从而帮助全局特征选择任务更快锁定最优解空间,提高算法收敛速度和稳定性。其次,通过将反向学习策略和差分进化引入蝙蝠算法,重新设计算法初始解选择阶段及个体更新过程,弥补其缺少突变机制的不足,增强解的多样性,帮助算法摆脱局部最优。最后,提出一种自适应参数调整策略,根据潜在最优解质量决定其指导个体更新的权重,避免在多任务特征选择过程中出现知识负迁移现象,实现全局搜索与局部开发之间的平衡。实验结果表明:IMFBA所选特征子集对网络入侵数据集KDD CUP 99和NSL-KDD分类结果的准确率分别为95.37%和85.14%,相较于完整特征集提升了3.01百分点和9.78百分点。IMFBA算法能选择更高质量特征子集并提升网络入侵检测准确率。

摘要：针对变电站多种电气设备实时检测的需求,提出了一种基于改进YOLOv5s的电气设备识别方法,并设计基于Android部署的电气设备识别APP,以便对电气设备进行识别与学习。以电力变压器、绝缘子串等6种常见变电站电气设备为例构建图像数据集。数据集进行图像预处理后对YOLOv5s算法进行改进。通过引入C2f模块提高小目标检测精度,采用Soft-NMS提高检测框筛选能力,减少漏检和误检的情况,使用改进后的算法对数据集进行模型训练。将训练好的识别网络模型通过TensorFlow Lite框架进行模型部署,设计电气设备识别APP。经验证,改进后的变电站电气设备识别网络模型mAP稳定在91.6%,与原模型相比提高了3.3百分点。部署后的APP具有设备识别和设备介绍等界面,使用移动端进行识别时每张图片识别时间都小于1 s,具有较快的识别速度和较高的识别精度,可以高效地实现变电站电气设备的实时检测与设备学习。

摘要：为了降低混合动力系统的燃料消耗并延缓动力元件的老化,提出了一种基于多目标优化和路况分类的能量管理策略(EMS)。首先,构建了燃料电池与锂电池的电气模型,并引入了等效氢耗模型和燃料电池老化模型。其次,设计了基于规则的多模式EMS,在此基础上,为了进一步降低系统的等效氢耗,并延长其使用寿命,基于多目标白鲸算法(MOBWO)对EMS参数进行优化。再次,为了使所设计的EMS适用于不同的路况,提出了基于长短期记忆网络(LSTM)的驾驶路况实时分类方法,旨在根据分类结果切换EMS的控制参数以达到最优效果。最后,在仿真平台上对所提算法进行分析。结果表明:与基于规则的方法相比,所提方法氢耗量降低了2.3%,燃料电池的老化程度降低了1.02%,验证了所提EMS能够有效降低混合系统的燃料消耗,并且能够延缓燃料电池老化,从而提升了系统的经济性和耐久性。

摘要：针对高比例可再生能源并入微电网带来的负荷频率控制问题,提出基于预期动态方程的比例-积分-微分(PID)控制策略.在分析微电网负荷频率控制模型和控制难点的基础上,设计基于预期动态方程的PID控制策略,采用单一变量法分析控制器参数对控制效果的影响,总结了简单、实用的参数整定流程,并在微电网负荷频率控制系统中应用.在不同工况下与多种控制器进行仿真对比,结果表明:所提控制策略能够在保证鲁棒性的前提下取得最佳控制效果,展现出很高的工程应用价值.

摘要：针对核相关滤波(KCF)跟踪算法在遮挡场景中出现跟踪性能降低甚至跟踪失败的问题,提出了一种核相关滤波和卡尔曼滤波(KF)预测相结合的模型自适应抗遮挡图像目标跟踪算法KCF-KF。首先,考虑到传统KCF目标跟踪算法中缺少遮挡评估的问题,通过引入响应图的峰值旁瓣比来对图像目标的遮挡情况进行判断,并将遮挡类型划分为部分遮挡和严重遮挡。其次,根据遮挡程度采取不同的模型更新策略,当目标无遮挡或者部分遮挡时,替代传统KCF跟踪算法中采用固定学习率更新模型的方法,通过自适应地调整模型学习率来更新目标外观模型,避免跟踪漂移;当目标被严重遮挡时,停止KCF模型更新。最后,应用严重遮挡之前的运动信息构建卡尔曼滤波器状态空间和位置输出模型,设计卡尔曼滤波算法预测运动目标轨迹来估计遮挡情景下的目标位置,从而解决在遮挡场景中目标跟踪失败的问题。采用OTB-2013标准数据集进行大量实验,结果表明:所提的混合跟踪算法KCF-KF的距离精度为0.796,重叠成功率为0.692。与其他传统跟踪算法相比,该混合算法的跟踪精度和跟踪成功率均优于其他算法,并且在遇到目标遮挡挑战时具有更好的跟踪性能,有效地解决了跟踪过程中的遮挡干扰问题。