光伏阵列在局部遮阴下的输出具有多峰特性,且随工况变化而变化.针对传统的最大功率点跟踪(maximum power point tracking,简称MPPT)算法易陷入局部最优、跟踪时间较长,进而导致光伏发电效率低下的缺陷,提出局部遮阴下光伏多峰MPPT改进...光伏阵列在局部遮阴下的输出具有多峰特性,且随工况变化而变化.针对传统的最大功率点跟踪(maximum power point tracking,简称MPPT)算法易陷入局部最优、跟踪时间较长,进而导致光伏发电效率低下的缺陷,提出局部遮阴下光伏多峰MPPT改进混合算法.该文算法包括最大功率点(maximum power point,简称MPP)前期全局搜索及后期局部搜索两部分.在MPP全局搜索阶段,采用惯性权重自适应调整的量子粒子群优化算法,将光伏阵列工作点移至MPP所在的单峰区间,在优化过程中对粒子群进行自适应t分布变异,引入禁忌搜索算法.在MPP局部搜索阶段,采用基于闭环模糊控制的变步长扰动观察法,将光伏阵列工作点快速精准调整至MPP.仿真结果表明:相对于其他4种算法,该文算法有更高的跟踪效率和跟踪精度,能更有效提高光伏发电效率.因此,该文算法具有优越性.展开更多
量子漫步算法能模拟游走粒子在图上的量子相干演化,粒子的运动状态由量子态的相干叠加而成.与经典随机游走算法相比,量子漫步算法具有寻找目标节点时间少和源节点扩散至其他节点时间少的优点.提出一种基于离散时间量子漫步的链路预测(li...量子漫步算法能模拟游走粒子在图上的量子相干演化,粒子的运动状态由量子态的相干叠加而成.与经典随机游走算法相比,量子漫步算法具有寻找目标节点时间少和源节点扩散至其他节点时间少的优点.提出一种基于离散时间量子漫步的链路预测(link predictionbased on discrete time quantum walk,简称LP-DTQW)算法.研究结果表明:相对于其他7种算法,LP-DTQW算法有更高的预测精度;LP-DTQW算法的时间复杂度远低于经典RWR(random walk with restart)链路预测算法的时间复杂度.因此,LP-DTQW算法具有更强的预测性能.展开更多
准确检测变电站中的设备缺陷并及时进行处理是保证电力系统安全运行的重要措施.针对表计缺陷图像背景复杂、目标尺寸不一、外形差别大等问题,提出基于改进YOLOv5(you only look once的第5个版本)的变电站表计缺陷检测算法.为了提高泛化...准确检测变电站中的设备缺陷并及时进行处理是保证电力系统安全运行的重要措施.针对表计缺陷图像背景复杂、目标尺寸不一、外形差别大等问题,提出基于改进YOLOv5(you only look once的第5个版本)的变电站表计缺陷检测算法.为了提高泛化能力、解决训练过程中样本不平衡问题,利用旋转和改变图像亮度的方法进行数据增广.通过引入坐标注意力机制,在聚焦缺陷特征的同时,能突出缺陷特征的差异.为了使边界框回归更快速准确,将EDIOU loss(effective distance intersection over union loss)代替CIOU loos(complete intersection over union loss).实验结果表明:6种算法中,该文算法的准确度、召回率和mAP(mean average preciscion)均最高,分别达85.1%,86.6%,87.3%.因此,该文算法具有优越性.展开更多
文摘光伏阵列在局部遮阴下的输出具有多峰特性,且随工况变化而变化.针对传统的最大功率点跟踪(maximum power point tracking,简称MPPT)算法易陷入局部最优、跟踪时间较长,进而导致光伏发电效率低下的缺陷,提出局部遮阴下光伏多峰MPPT改进混合算法.该文算法包括最大功率点(maximum power point,简称MPP)前期全局搜索及后期局部搜索两部分.在MPP全局搜索阶段,采用惯性权重自适应调整的量子粒子群优化算法,将光伏阵列工作点移至MPP所在的单峰区间,在优化过程中对粒子群进行自适应t分布变异,引入禁忌搜索算法.在MPP局部搜索阶段,采用基于闭环模糊控制的变步长扰动观察法,将光伏阵列工作点快速精准调整至MPP.仿真结果表明:相对于其他4种算法,该文算法有更高的跟踪效率和跟踪精度,能更有效提高光伏发电效率.因此,该文算法具有优越性.
文摘量子漫步算法能模拟游走粒子在图上的量子相干演化,粒子的运动状态由量子态的相干叠加而成.与经典随机游走算法相比,量子漫步算法具有寻找目标节点时间少和源节点扩散至其他节点时间少的优点.提出一种基于离散时间量子漫步的链路预测(link predictionbased on discrete time quantum walk,简称LP-DTQW)算法.研究结果表明:相对于其他7种算法,LP-DTQW算法有更高的预测精度;LP-DTQW算法的时间复杂度远低于经典RWR(random walk with restart)链路预测算法的时间复杂度.因此,LP-DTQW算法具有更强的预测性能.
文摘准确检测变电站中的设备缺陷并及时进行处理是保证电力系统安全运行的重要措施.针对表计缺陷图像背景复杂、目标尺寸不一、外形差别大等问题,提出基于改进YOLOv5(you only look once的第5个版本)的变电站表计缺陷检测算法.为了提高泛化能力、解决训练过程中样本不平衡问题,利用旋转和改变图像亮度的方法进行数据增广.通过引入坐标注意力机制,在聚焦缺陷特征的同时,能突出缺陷特征的差异.为了使边界框回归更快速准确,将EDIOU loss(effective distance intersection over union loss)代替CIOU loos(complete intersection over union loss).实验结果表明:6种算法中,该文算法的准确度、召回率和mAP(mean average preciscion)均最高,分别达85.1%,86.6%,87.3%.因此,该文算法具有优越性.
