基于生成对抗网络的自动驾驶交通场景生成

自动驾驶汽车是智能交通的重要组成部分，也是未来交通的发展趋势。提高自动驾驶技术的可靠性需要对自动驾驶汽车进行广泛的测试。然而，进行实车路测成本高昂且风险较高。如何建立模型生成多样且真实的交通场景，在测试自动驾驶技术的时候显得尤为重要。针对自动驾驶交通场景生成问题，提出了一个基于生成对抗网络的交通场景生成模型TSG-GAN。TSG-GAN模型利用丰富的交通场景数据（如车道的几何形状、人行横道、交通信号、周围车辆等）快速生成真实且多样的交通场景。在设置车辆驾驶意图的情况下，TSG-GAN模型可以精确地生成现实中未观察到的真实交通场景。通过在公开数据集上进行测试，验证了该模型的有效性。     

面向智能水电站的在线监测状态实时自动巡检方法与应用

巡检是保障水电站安全的重要手段。文中在总结水电站巡检方法的基础上,根据系统构成与行为关系模型,利用在线监测系统纵向追忆和横向关联的优势,提出了综合状态和性能的巡检分析方法。该方法在智能水电站一体化信息平台下,首先通过有效性检查及冗余切换对数据进行甄别与容错;然后,一方面自动采用动态阈值分析与相似影响因子趋势分析检测系统状态异常,另一方面通过宏试验或根据经验模型自动计算系统执行任务的性能指标,并检测性能越限及性能降低程度;最后,根据状态及性能检测结果,发出报警信息;同时,通过数据关联与数据同步,有效提升了状态数据的关联性,进而为故障诊断提供决策支持。基于该方法开发的智能化巡检系统已应用于葛洲坝电站。     

基于风氢耦合的氢储能系统参与电力市场机制与风险量化模型设计

在高比例可再生能源电力系统建设路径下,氢储能参与电力市场一方面能够促进可再生能源的充分利用与平抑输出,另一方面也能通过扩大氢能的应用场景缓解由于氢能的高成本带来的市场竞争力不足的问题。首先对氢储能参与市场的不同模式进行国内适应性分析,并给出储能参与的电能量市场和辅助服务市场出清模型,然后分别从市场参与者、市场政策制定者的角度设计了风险量化模型。针对市场参与者,基于风氢耦合系统给出了氢储能的相关能量流模型,并建立短期风险量化与决策模型,包括基于Vine-Copula的电力市场概率电价的出清模型、短期风险量化模型及基于动态策略空间及强化学习的电力市场智能代理决策模型3个部分。其中,在国内电力市场电网拓扑不披露的环境下,概率电价模型和智能代理报价模型为市场参与者提供了决策方法。针对市场政策制定者,该研究成果设计了风氢耦合系统参与市场的政策风险量化模型,可为政策制定提供市场影响量化工具。     

计及风电的动态无功优化解耦算法

针对风电场输出功率间歇性、随机性给电力系统动态无功优化决策带来的问题,依据风电功率波动的时间分布特性,在动态无功优化模型中引入场景对风电出力的不确定性进行描述,基于各场景下的灵敏度信息,提出一种离散变量与连续变量分步决策的解耦算法：首先对每个场景下各时段的静态无功优化问题进行求解,依据变压器、电容器动作对各静态优化结果影响的灵敏度信息及场景概率权重,决策其动作时机和档位,将模型解耦;然后依据离散控制变量决策结果,对同步发电机输出无功等连续的控制变量进行决策.通过对含风电场的实际系统算例进行计算和分析,验证了该方法对风电功率不确定性有良好的鲁棒性.     

基于动态故障树的汽车系统故障诊断方法

为了提高汽车故障诊断效率，降低诊断代价并解决静态故障树（SFT）无法描述汽车系统中动态失效序列的问题，提出一种基于动态故障树（DFT）的汽车系统故障诊断方法。首先，利用DFT建立系统的失效模式模型，并采用顺序二元决策图（SBDD）计算DFT的最小割集（MCS）；然后计算MCS以及MCS中组件的诊断重要度（DIF）；并在此基础上给出基于统一诊断服务（UDS）协议的汽车故障诊断方法，将诊断故障码对应的MCS过滤并排序，优先诊断DIF大的MCS和系统组件；最后通过一个汽车主动转向系统的应用实例对本文方法的有效性进行验证。案例分析结果表明，所提方法能够计算汽车故障诊断MCS序列，可以有效指导汽车故障诊断工作。     

考虑信息攻击的配电网信息物理运行风险分析

以典型配电网控制系统为研究对象,分析了配电网运行控制存在的信息威胁,阐述了信息攻击下配电网控制系统信息空间与物理空间之间的风险传递作用。在此基础之上,提出了一种融合信息决策处理和物理设备动态模型的信息物理风险传递模型,通过建立离散信息决策系统与连续物理控制系统间的信息流、控制流接口,实现对信息风险向物理网络传递过程的动态描述。最后,基于DIgSILENT软件建立了仿真模型,通过仿真直观描述了信息攻击场景下的配电网动态运行过程,分析对比了不同攻击持续时间对配电网造成的影响,验证了所提模型的可行性,并为配电网信息物理系统的风险评估和防御提供了模型依据。     

基于攻击预测的电力CPS安全风险评估

为准确评估当前电力信息物理系统（cyber physical system，CPS）的风险状态，针对信息、电力紧密耦合的特点，提出一种基于攻击预测的电力CPS风险评估方法。利用已检测到的攻击告警信息，基于隐马尔科夫模型（hidden Markov model，HMM）识别出可能的攻击场景，推测攻击者的攻击意图，分析其未来的攻击目标和概率。攻击预测结果表征着系统当前的攻击威胁状况，将其作为输入，结合传统的单域（信息域或物理域）风险评估方法计算单域风险，再基于电力CPS复杂网络模型评估跨域风险，融合二者的结果得到最终的风险值。基于智能配电网IEEE 33节点的仿真平台，对攻击预测方法以及安全风险评估方法进行了验证，证明了基于攻击预测的风险评估方法的可行性和合理性。     

基于动态风险等级评估的输电线路巡检计划优化

现有输电线路巡检计划安排存在巡检效率低等问题,为优化输电线路巡检计划,降低输电线路的巡检成本,本文提出一种基于动态风险评估的输电线路巡检计划优化方法。综合考虑影响输电线路故障的内外部风险及故障造成损失,建立动态风险等级评估模型,通过量化风险值以评估线路风险等级,确定合理的巡检周期。基于巡检周期建立输电线路巡检计划的多目标优化模型,根据目标优先级利用多目标粒子群算法进行求解。最后采用某区域实际输电线路验证该模型的有效性。     

基于生成对抗网络的变电站工作人员行为预测的方法

提出了一种基于视频场景、利用生成对抗网络来整合全局和局部信息的变电站工作人员异常行为预测方法。在变电站中,此方法可以用来对运检人员在作业过程中可能触发危险的举动发出及时警告,从而为运检人员的生命安全提供重要保障。人类行为预测任务旨在基于给定的行为视频帧来预测未来的行为视频帧。考虑到人类行为视频中既包含相对稳定不变的场景信息,又包含时变复杂的人类行为信息,本方法首先使用全局生成对抗网络来生成视频场景以及粗糙的人体轮廓;然后再利用局部生成对抗网络来进一步优化视频中的人类行为细节。实验表明,与现有的仅利用单一模型来实现像素级别的行为预测的方法相比,本文所提出的全局和局部生成相结合的方法可以更好地捕获视频中人类的空间外观和时序动态。     

考虑样本类别不平衡的电网故障事件智能识别方法

电网中不同设备的故障概率存在差异,影响智能诊断技术的准确性.为解决此问题,提出了一种基于代价敏感学习和模型自适应选择融合的电网故障事件智能识别方法.首先,利用Word2vec模型将预处理后的电网告警信息向量化,并搭建2个双向长短期记忆网络作为基础分类器;然后,设计代价敏感损失函数,将交叉熵损失函数与代价敏感损失函数分别应用于2个分类器中;最后,提出一种模型自适应选择融合法,融合上述分类器,得到故障事件识别结果.实际数据测试表明,所提方法能够有效降低故障事件识别中样本类别不平衡的影响.     

基于双目视觉的车辆外廓尺寸测量方法

针对目前车辆外廓尺寸测量成本高、安装复杂且三维轮廓重构质量差的问题，提出了基于双目视觉的车辆外廓尺寸测量方法。该方法首先对双目相机采集的车辆图像对进行校正，并通过改进后的立体匹配算法计算生成车辆视差图。基于双目视觉三维测量原理解算车辆轮廓视差信息进行三维重构，生成车辆点云。针对相机盲区车辆轮廓数据缺失问题，设计了基于车牌识别的点云对称修复方法，生成完整车辆三维轮廓。实验结果表明，3种车型的测量示值误差均小于1%，车辆模型重构完整度高。     

基于实时电价的电动汽车智能充电导航

大量电动汽车（electric vehicle,EV）并网将影响电力系统规划与运行,对电动汽车的充电行为进行有序引导具有重要意义。针对这类问题,提出一种基于实时电价的EV智能充电导航策略,采用粒子群-遗传算法求解最优方案,旨在应用实时电价机制,引导EV有序充电。根据用户的不同需求,设计3种不同导航目标的充电导航策略,分别使用户的时间成本、费用成本以及综合成本最小化。最后在Matlab中建立IEEE-33节点系统模型,以地图上某一真实交通区域为背景,运用蒙特卡罗法模拟路况和EV时空分布信息,验证该方法的有效性。仿真结果表明,该方法可以降低EV用户的出行成本,同时提高配电系统的节点电压质量。     

Real-time disparity contrast combination for onboard estimation of the visibility distance

An atmospheric visibility measurement system capable of quantifying the most common operating range of onboard exteroceptive sensors is a key parameter in the creation of driving assistance systems. This information is then utilized to adapt sensor operations and processing or to alert the driver that his onboard assistance system is momentarily inoperative. Moreover, a system capable of either detecting the presence of fog or estimating visibility distances constitutes in itself a driving assistance. In this paper, the authors present a technique to estimate the mobilized visibility distance through a use of onboard charge-coupled device cameras. The latter represents the distance to the most distant object on the road surface having a contrast above 5%. This definition is very close to the definition of the meteorological visibility distance proposed by the International Commission on Illumination. The method combines the computations of local contrasts above 5% and of a depth map of the vehicle environment using stereovision within 60 ms on a current-day computer. In this paper, both methods are described separately. Then, their combination is detailed. The method is operative night and day in every kind of meteorological condition and is evaluated; thanks to video sequences under sunny weather and foggy weather.     

基于改进向量序优化算法的V2G电动汽车充电站规划方法

电动汽车的充电负荷将极大影响配电网的安全稳定运行,提出一种基于改进向量序优化算法的V2G电动汽车充电站规划方法。首先,对电动汽车可调用的动态功率进行建模;然后构建考虑充电站全寿命周期成本和配电网安全经济运行的多目标规划模型;在此基础上,提出一种基于分散优化理论的改进向量序优化算法,求解得到最优规划方案。最后,以IEEE33节点配电系统为算例,验证了本文方法的有效性和科学性。     

基于直线检测和数字地图匹配的车辆航向角估计

为减少车辆行驶过程中由于卫星信号失锁及惯导累计误差对航向角的影响,结合场景特征的提取、表达和数字地图信息,提出了一种基于直线检测和数字地图匹配的车辆航向角估计方法。首先,根据地图匹配的坐标点计算车道线地图对应点的方位角,计算车辆航向角与车道线方位角的角度差;其次,通过改进的FLD直线检测方法识别并计算道路图像中车道线直线的角度;将双侧车道线直线角度作为BP神经网络的输入,以预测角度差作为网络输出;最后,结合预测角度差和车道线方位角得到实时车辆航向角。经实验验证,所提方法的航向角估计精度与现有估计方法及普通传感器测量结果相比具有一定的优势。     

计及行车计划编制的电动公交车有序充电策略

为了提高电动公交车的经济性并兼顾公交车和电网的利益,需综合考虑电动公交车的充电策略和行车计划编制问题.首先,生成满足时间接续关系和电池电量约束的可行车次链,建立以充电成本最低为优化目标的可行车次链有序充电阶段1模型和以总运营成本最低为优化目标的最优车次链选择模型;然后,分别以白天和夜间充电负荷波动最小为优化目标,建立最优车次链有序充电阶段2模型和夜间充电二次规划模型;最后,以一条公交车线路为例对所提模型进行验证,结果表明所提模型和方法能满足公交车公司制定行车计划的需求,实现了电动公交车总运营成本最低的目标,同时通过有序充电达到了减少充电成本和平抑充电负荷波动的目的,对指导电动公交车制定充电策略和行车计划具有重要的参考价值.     

Knowledge-based gear-position decision

Gear-position-decision (GPD) tactics strongly affect the performances of automatic transmissions (AT) and, therefore, the performance of the vehicle. Since the electronic control methods were introduced into ATs, many advanced techniques have been raised to make AT vehicles more human friendly and better in fuel economy and dynamic behaviors. As a type of emerging AT, the automated manual transmissions (AMT) are being researched and developed in all relevant technologies. In this paper, we proposed a driving knowledge-based GPD (KGPD) method for AMTs. The KGPD algorithm is composed of a driving environments and driver's intentions estimator, the shift schedules for each typical driving environment and driver's intention situations, and an inference logic to determine the most proper gear position for the present situation. The estimator identifies the driving environments and features of driver's intentions, which are divided into some typical patterns. Based on the identified results, the gear-position inference algorithm calculates the best gear position at the moment. In fact, the method just simulates the course of a driver's making gear-position decision when driving an automobile with manual transmission. The test results show that the AMT with the method gives less unnecessary shifting, conducts more proper gear positions, and behaves better in subjective assessment than that with the method that is directly based only on automotive state parameters.     

Cost allocation of spinning reserve based on risk contribution

Current cost allocation methods require generating companies (GENCOs) to afford spinning reserve (SR) costs according to their energy production rather than the impact on grid stabilization. The differences in generator reliability and forecast accuracy of renewables cause difficulty in quantifying the contribution of individual factors on the SR requirements (SRRs). First, this paper employs a reliability‐constrained unit commitment (RCUC) model to determine the SRR and SR costs according to the grid reliability. Then, a cost allocation method is proposed to allocate these SR costs based on risk contribution theories. The risk contribution theories, marginal contribution, and stand‐alone contribution are employed to measure the effect of individual risk factors on grid safety. The cost allocation method is demonstrated and discussed in the IEEE‐RTS. The proposed risk contribution method can quantify the impacts of risk factors on grid safety and allocate SR costs into them according to their contributions. Additionally, this risk‐based cost allocation method can encourage GENCOs to enhance the reliability level of generators and continuously improve the forecast accuracy of renewables to lower SR costs. © 2015 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于动态非合作博弈的大规模电动汽车实时优化调度

针对大规模电动汽车(EV)接入电网后,各充电聚合商(EVA)的独立优化目标存在冲突而导致优化调度存在困难的问题,提出了考虑多个EVA各方利益的基于动态非合作博弈的大规模EV实时调度模型。首先构建了大规模EV的集群等效模型并分析了动态电价下各EVA的利益关系,接着利用完全势博弈理论证明了博弈模型存在唯一的纳什均衡解并推导出求解方法,最后提出基于交替方向乘子法的实时分布式算法实现各EVA实时策略的求解。通过算例仿真验证了所提模型可有效实现削峰填谷、降低EVA充电成本。同时,在优化结果、计算时间、保护用户隐私方面更适用于大规模EV实时充电优化调度。