排序方式: 共有55条查询结果,搜索用时 28 毫秒
41.
针对电网大面积停电后黑启动分区划分问题,提出一种以分区联络线之和最少及总体操作最优为目标的数学模型。通过定义最小拓扑关系矩阵、节点关系矩阵和分区状态矩阵实现了对数学模型的解析描述,将对数学模型的求解转化为0-1优化问题。针对0-1优化问题多为NP-hard问题的现状,提出利用Hopfield神经网络进行求解。构造了计及各项约束条件的神经网络能量函数,给出了对应的求解方法。利用IEEE-39节点系统对所提模型及方法进行了验证,通过对分区评价指标的定量分析表明所提的模型正确,求解方法可行、有效。 相似文献
42.
基于蚂蚁算法的配电网网络规划 总被引:18,自引:4,他引:18
利用蚂蚁算法进行配电网网架结构规划。为了使优化过程同时考虑到网损最小和投资最小两个因素,提出将各个负荷点作为食物。食物给各条街道赋予一定的“味道”,“味道”的求取公式和网损的计算公式类似。“味道”在一定程度上反映了网损的情况。蚂蚁在计算的开始阶段将根据“味道”决定自己选择街道的概率,在计算的中间阶段将根据信息素决定自己选择街道的概率。实例计算表明该方法可行、有效,可以方便地求得配电网网络规划问题的最优或近似最优解。 相似文献
43.
本文简介了SCADA系统,并分析了SCADA系统在电力系统调度自动化中的应用。历史数据库是SCADA系统的很重要的组成部分,借助于Delphi强大的数据库功能,按照模块化设计思想,设计并实现了一个基于电网SCADA系统的历史数据库,介绍了本次设计的总体结构及该历史数据库的特点。经过实践证明,该历史数据库界面友好,具有数据筛选、储存、查询以及报表打印等功能,而且具有数据集成化、结构开放式、能够处理异常并实现软件的安全保护等特点。 相似文献
44.
45.
提出利用Hopfield神经网络来分割X射线焊缝图像以判断焊缝是否存在气泡,将焊缝图像的分割问题转化为一个优化问题进行处理.针对焊缝图像噪声大、气泡出现位置随机的特点,构造Hopfield神经网络的能量函数.通过试验计算,确定能量函数系数的选取原则.在此基础上,提出基于神经网络的X射线焊缝图像分割算法,算法结合中值滤波和神经网络以便有效地去除噪声和检测气泡.对某实际生产线的焊缝图像进行处理的结果表明,中值滤波结合多层Hopfield神经网络可以准确地检测到焊缝中的气泡. 相似文献
46.
47.
针对小径管X射线焊缝图像缺陷检测精确率低的现状,通过对图像进行特征分析并结合稀疏字典学习,提出一种基于图像分割的小径管焊缝图像缺陷检测算法. 首先,对小径管焊缝图像进行两步图像分割获得感兴趣区域;其次,提取焊缝缺陷,得到缺陷疑似局部图像;最后,提出以不同类型原子间相关性最小为目标的小径管焊缝缺陷字典矩阵数学模型并使用K-SVD算法进行求解,利用该字典矩阵实现圆形缺陷、线形缺陷和噪声的分类鉴别. 为提高系统实时性,使用并行编程对图像分割算法进行加速. 结果表明,改进后缺陷字典矩阵对圆形缺陷识别成功率为0.974,线形缺陷识别成功率为0.967,且具有较快的识别速度,实现了小径管焊缝图像缺陷的有效识别.
相似文献48.
针对工业X射线焊缝图像对比度低、缺陷模糊且相对面积较小及难以识别的问题,设计了结合卷积神经网络的识别框架。根据缺陷图像特点,设计了对应的神经网络结构、卷积模板及池化模板的大小。在分析确定神经网络结构的基础上,卷积神经网络的灵敏度和训练算法也在文中一并给出。通过实例对神经网络结构进行了有效性的验证,缺陷检测准确率达97%,误报率仅为3%。同时,对适用于卷积神经网络进行识别的X射线焊缝图像进行了分析,发现灰度直方图有效信息跨度范围在50之上的卷积神经网络可以有效识别。文中所设计的神经络对X射线焊缝缺陷图像的识别可行、有效。创新点:(1)卷积神经网络结构设定为4级6层,卷积核大小尺寸为3×3,原始图像深度为1。经过第一次卷积操作后,有4个通道;经过3×3卷积核卷积后,有3个通道能够识别缺陷,则可以初步确认疑似缺陷区域。经过第二次卷积操作后,有16个通道;再次经过3×3卷积核卷积后,可以识别出缺陷图像。(2)通过对识别成功和识别失败图像灰度直方图进行分析,当灰度图跨度低于50时,图像检测目标与背景之间的对比度相对较低,卷积神经网络中卷积层难以提取目标特征,此时神经网络的识别失效,无法判定缺陷。当局部图像灰度直方图跨度高于50时,识别目标较背景突出,图像整体对比度较高,卷积层可以提取识别目标的特征,此时的卷积神经网络对焊缝图像有较好的识别效果。 相似文献
49.
针对电网大面积停电后黑启动分区划分问题,提出一种以分区联络线之和最少及总体操作最优为目标的数学模型。通过定义最小拓扑关系矩阵、节点关系矩阵和分区状态矩阵实现了对数学模型的解析描述,将对数学模型的求解转化为0-1优化问题。针对0-1优化问题多为NP-hard问题的现状,提出利用Hopfield神经网络进行求解。构造了计及各项约束条件的神经网络能量函数,给出了对应的求解方法。利用IEEE-39节点系统对所提模型及方法进行了验证,通过对分区评价指标的定量分析表明所提的模型正确,求解方法可行、有效。 相似文献
50.