【摘 要】
：
窃电作为配电网络非技术损耗的主要因素之一,不仅严重扰乱供电秩序,还会危害电网安全,造成供电企业甚至国家的重大损失。为了更高效地检测窃电情况,提出了一种新型的密集卷积神经网络和随机森林(DenseNetRF)模型,基于该模型实现了电力用户窃电行为的检测。首先,分析了密集卷积神经网络(DenseNet)的结构;其次,将密集卷积神经网络(DenseNet)对大规模的智能电表数据集进行自动特征提取;然后,
论文部分内容阅读
窃电作为配电网络非技术损耗的主要因素之一,不仅严重扰乱供电秩序,还会危害电网安全,造成供电企业甚至国家的重大损失。为了更高效地检测窃电情况,提出了一种新型的密集卷积神经网络和随机森林(DenseNetRF)模型,基于该模型实现了电力用户窃电行为的检测。首先,分析了密集卷积神经网络(DenseNet)的结构;其次,将密集卷积神经网络(DenseNet)对大规模的智能电表数据集进行自动特征提取;然后,根据获得的特征再使用随机森林(RF)训练分类器,以检测用户是否窃电。在建立融合模型时,采用网格搜索算法确
其他文献
交通场景语义分割在自动驾驶中必不可少。为了解决目前的交通场景语义分割方法中由于池化、卷积等操作而造成的目标边界分割模糊、多类别目标及相似物体分割精度低等问题,提出一种带注意力机制的卷积神经网络分割方法。特征提取时,引入多样化的扩张卷积,以挖掘多尺度的语义信息。在信息解码后,添加通道及空间双注意力模块,可以在通道和空间两个维度层面进行注意力特征提取,让网络在学习过程中更侧重于重要信息。在Citysc
针对低压配电系统中,实际配电网负载端的负载串并联形式的多样化和多变性特点,研究干路点检测支路发生的故障电弧具有十分明显的实际意义,提出了一种基于深度长短时记忆(LSTM)网络的多支路串联故障电弧检测方法。首先,构建实验平台,采集支路发生不同串联故障情况下的干路电流信号共计72 000组;然后,将电流信号分为训练集和测试集;最后,通过Python平台优化深度LSTM网络模型结构以识别故障电弧,并输出
对加工状态下刀具磨损值及时有效的检测,可以在保证加工精度的前提下提高加工效率,同时为刀具剩余寿命预测提供有力的数据支撑。针对刀具磨损值测量过程中人工参与的不足、易受主观因素影响、检测精度低等问题,建立了刀具磨损图像自动检测系统,基于最大类间方差及遗传算法迭代寻找最佳阈值,进行磨损区域分割;利用磨损区域呈现"线状"的特点,进行磨损区域特征识别及滤波;基于多级Hough变换以及磨损区域二次识别的方法,
针对巡检无人机(UAV)的位姿误差导致复拍目标零件不精准的问题,提出一种基于前景杆塔识别的精准复拍方法。首先,使用直线分割检测(LSD)方法在标准图像中提取直线,利用杆塔的线交叉结构对图像块内直线方向及长度进行统计,保证能够在低假阳率条件下,筛选出图像中的杆塔区域,并在其中提取加速鲁棒特征(SURF)作为该巡检点处的标准几何特征;然后提取当前图像中的几何特征与巡检点处标准特征进行匹配,使用聚类方法
针对目前主流拼车软件(滴滴出行、曹操出行等)根据用户发布的拼车时间、出发地和目的地等信息匹配拼车伙伴成功率低的现状,提出了设计"车拼拼"应用程序(APP),将路线分析与拼车有效结合,绕开第三方司机,实现拼车前拼车伙伴的相互联络以促使车费均摊,减少个人支出。首先,通过百度地图应用程序接口(API)解析路线信息,并利用Bmob后端云存储路线数据;然后,在Android平台利用嵌套算法对路线数据进行比较
针对现代交通安全问题,提出了一种辅助驾驶员行车安全的方法,即纵向主动避撞,主要围绕汽车纵向主动避撞系统中的行车信息感知与处理、安全距离模型、车辆动力学系统建模、车辆动力学控制四个关键技术进行叙述。各种先进的控制技术为研究汽车纵向主动避撞系统提供了新的机遇,它所衍生出的新功能新系统对汽车的安全性、舒适性及经济性等方面都有很大的提升。对汽车纵向主动避撞技术进行了综述,探讨了在研究汽车纵向主动避撞系统时
针对目前城市轨道交通列车运行节能控制必须满足工程校验、实时高精度需求以及快速非支配排序遗传算法(NSGA-Ⅱ)在优化列车运行速度曲线时解集分布性差的问题,提出一种基于改进NSGA-Ⅱ的列车运行多目标优化方法。首先建立以站间牵引能耗、到站时间、停车精度为优化目标,以多种规范约束为支配惩罚,以实数编码的位置-工况组合为变量下的列车节能运行数学模型。然后,以限速曲线与坡度变化原则分段离散化站间线路,基于
为有效地推进基于轨迹运行(TBO)的发展,准确预测不同实时飞行状态下的航空器4D航迹,根据航空器基本数据库(BADA)提出的基本动力学方程,引入航空器运动的六自由度模型和风场扰动函数,并且用状态变量和输入变量建立非线性控制系统,与BADA中的总能量模型(TEM)结合进行4D航迹预测。由于非线性控制系统与航空器运动状态复杂性的矛盾,首先用扩展的卡尔曼滤波(EKF)改进预测系统,将EKF嵌入非线性控制
现有基于深度学习的检测算法,虽然有效提高了高分辨率遥感图像中的舰船目标检测准确率,但是由于其网络结构非常复杂,导致计算量和参数量巨大。为了满足实际应用中的实时性要求,采用异构硬件加速,并进行了相应的算法优化。为了更好地贴合硬件,首先在YOLOV3算法的基础上,通过对主干网络进行改进,设计并实现了YOLOV3&MobileNetV3轻量化网络,这样可以极大地削减网络的参数规模和计算量。然后在现场可编
以维持室内温度舒适和提供运行策略、节约能源为目的,设计了张量距离模型用于挖掘不断增长的历史数据中的有效信息解决空调供暖问题。考虑到空调运维数据的时空特性及各参数的多维特性,将历史数据确定日类型、划分时间段、扩充室外温度后,构造历史温度特征张量,爬虫建筑物所在地的未来室外温度插值后按同样方法扩充数据为未来温度特征张量作为输入,衡量历史时间段与预测时间段中各输入参数的张量距离,找到最小值的索引及对应的