能量累积与均值漂移聚类结合的红外小目标检测方法

研究红外图像中弱小目标的检测问题,提出了一种基于能量累积与均值漂移聚类的红外小目标检测方法。首先利用滑动窗口处理实现图像序列中目标能量积累,去除图像中的随机噪声,提高信噪比;然后选用不同尺度的核带宽对原始图像进行两次均值漂移聚类滤波,将两次滤波所得的图像灰度进行差分来实现背景抑制,提高目标与背景的对比度;之后根据图像的统计特性确定阈值,用门限分割方法提取目标区域,实现候选目标的准确定位;最后利用序列图像中目标运动的连续性和轨迹的一致性筛选出真正的目标。该算法通过选用不同尺度的核带宽进行聚类来得到目标及背景图像,背景抑制的同时也滤除了噪声。实验结果表明,该方法能快速有效地提取复杂背景条件下的红外小目标。     

无线传感器网络能量高效数据收集的分簇算法*

传感器网络所具有的集中式数据收集、多跳数据传输、多对一流量模式这三种特征会造成漏斗效应的出现,这会导致严重的包碰撞、网络拥塞、包丢失,甚至拥塞崩溃,还会导致能量消耗的热点出现,使某些节点甚至整个网络过早死亡。利用感知数据的空间相关性,将相邻的节点分组,每组选出一个簇首作为整个组的代表,将其传送给基站来缓解漏斗效应问题。在CAG算法的基础上利用感知数据的空间特性提出了一个改进的节点分簇算法,该算法可以有效减少簇首数量,从而降低传输能量消耗。实验结果也验证了算法的有效性。     

基于改进Lissaman模型风电场内增设小风机的可行性分析

提出在已建成的风电场中,通过科学合理地优化布置增设小风机,使风电场的整体发电效益最大。在风电场现有风机已并网运行的基础上,分析在场内间隔中增设小风机的技术可行性。研究复杂地形下风电机组尾流效应对风电场输出功率的影响,建立计及遮挡尾流效应的改进Lissaman模型,构建风速与不同塔筒高度的风机出力之间的关系。该模型具有通用性,可给出任意风电场内增设小风机的优化方案。算例仿真分析结果表明,通过合理规划布置场内小风机,能够有效增加风电场的整体发电效益。     

一种基于CHMM的回转窑喂煤量变化趋势预测方法

提出了一种基于CHMM的工业回转窑喂煤量变化趋势预测的辅助控制系统方法。采用PCA方法对现场采集的数据进行主成分分析方法进行数据降维,并以主元特征序列作为CHMM模型的观测序列。最后,采用回转窑现场热工数据作为实验数据进行喂煤量变化趋势仿真试验,并以此来实现对专家系统的辅助控制,试验结果表明该方法是有效的。     

小麦中呕吐毒素含量与质量的关系及其在加工过程中的变化研究

研究检测小麦样品中容重、赤霉病粒、不完善粒、色泽以及呕吐毒素等指标,通过数据分析,得出小麦呕吐毒素含量与赤霉病粒存在一定的正相关,并检测小麦籽粒不同部位呕吐毒素的含量。结果显示,皮层、糊粉层高于胚乳;对小麦进行筛理,去除杂质和赤霉病粒,发现经过筛理小麦中呕吐毒素含量会下降4.6%~22%;对比分析小麦粉和小麦粉馒头中呕吐毒素的含量,发现小麦粉通过蒸煮等加工过程,呕吐毒素含量并不会减少,仍然有较高残留。     

DFIG在微电网中的电压控制策略与小干扰电压稳定性分析研究

为增强微电网小干扰电压稳定性,针对含双馈感应风力发电机(DFIG)的风光柴微电网,DFIG无功控制采用V-Q下垂控制并引入积分逻辑环节,同时计算变风速情况下DFIG有功功率对应的无功功率极限,对V-Q下垂控制与积分环节进行限幅。通过小干扰分析法找出了一对反映微电网电压响应特性的典型特征值,分析DFIG无功下垂系数取不同值时对典型特征值分布轨迹的影响。为了解决无功下垂系数取较大和较小值时带来的问题,经过参数改进后既促进了DFIG参与微电网调压的效果,又使微电网拥有更好的小干扰电压稳定性。最后在DIg SILENT/Power Factory仿真软件中搭建微电网模型,通过动态时域仿真验证了所提策略和方法对促进微电网调压以及提高微电网小干扰电压稳定性的有效性。     

分布式电源并网的潮流计算

分布式电源DG (distributed generation)并网对配电系统的电压和网损有着重要影响.分析了常见的几种DG,提出了它们各自在潮流计算中的模型以及处理方法,并采用前推回代法来计算有DG并网的配电系统的潮流.考虑到前推回代法处理PV节点的能力较差,引入了注入无功补偿法,该方法适合DG并入配电系统的潮流计算.然后,通过在33节点配电系统中进行大量测试,表明该方法是可行的.最后分析DG并网对系统电压和网损的影响.     

基于深度学习和改进K-means聚类算法的电网无功电压快速分区研究

随着电网规模的不断扩大,对整个大电网进行统一的电压调控变得越发困难.提出一种基于深度学习和改进K-means聚类算法的电网无功电压快速分区方法 ?首先建立电耦合强度矩阵反映系统节点间的电气耦合关系的强弱.然后采用深度学习中的稀疏自编码器,通过训练实现对输入的高维矩阵进行特征提取和降维.最后基于改进的K-means聚类算...