-
题名融合高效卷积注意力的时域卷积网络短期负荷预测模型
- 1
-
-
作者
孙东磊
李文升
梁露
张智晟
-
机构
国网山东省电力公司经济技术研究院
青岛大学电气工程学院
-
出处
《山东科技大学学报(自然科学版)》
北大核心
2025年第5期83-90,共8页
-
基金
国网山东省电力公司科技项目(520625220001)。
-
文摘
为避免时域卷积网络中膨胀卷积结构导致的负荷信息不连续现象,进一步提升预测模型对重要负荷特征的提取能力,本研究提出一种融合高效卷积注意力模块的混合膨胀卷积改进时域卷积网络(ECBAM-HTCN)的短期负荷预测模型。该模型以具备并行计算能力的时域卷积网络为基础学习负荷数据特征,通过构建混合膨胀卷积层改进时域卷积网络残差块,利用不同膨胀系数的卷积自适应地捕获不同距离下全部负荷数据,避免信息不连续;同时,引入能够自适应调整卷积核大小的一维卷积改进传统卷积注意力模块,高效捕获负荷数据空间和通道两个维度的重要信息。基于实际电网负荷数据仿真实验表明,在短期负荷预测任务中,所提出的ECBAM-HTCN模型具有较高的预测精度和较好的稳定性。
-
关键词
短期负荷预测
时域卷积网络
混合膨胀卷积
高效卷积注意力模块
-
Keywords
short-term load forecasting
temporal convolutional network
hybrid dilation convolution
efficient convolutional block attention module
-
分类号
TM715
[电气工程—电力系统及自动化]
-
-
题名改进注意力机制的电梯场景下危险品检测方法
被引量：6
- 2
-
-
作者
郭奕裕
周箩鱼
刘新瑜
李尧
-
机构
长江大学电子信息学院
-
出处
《计算机应用》
CSCD
北大核心
2023年第7期2295-2302,共8页
-
基金
国家自然科学基金资助项目(61901059)。
-
文摘
针对电动自行车和煤气罐搭乘电梯引起的火灾隐患,提出一种改进注意力机制的电梯场景下危险品检测方法。以YOLOX-s为基线模型,首先在加强特征提取网络中引入深度可分离卷积替换标准卷积,提升模型的推理速度。然后提出一种基于混合域的高效卷积块注意力模块(ECBAM)并嵌入主干特征提取网络中。在ECBAM模块的通道注意力部分,使用一维卷积替换两个全连接层,既降低了卷积块注意力模块(CBAM)的复杂度又提高了检测精度。最后提出一种多帧协同算法,通过结合多张图片的危险品检测结果以减少危险品入侵电梯的误报警。实验结果表明:改进后模型比YOLOX-s的平均精度均值(mAP)提升了1.05个百分点,浮点计算量降低了34.1%,模型体积减小了42.8%。可见改进后模型降低了实际应用中的误报警,且满足电梯场景下危险品检测的精度和速度要求。
-
关键词
危险品检测
电梯
YOLOX-s
深度可分离卷积
高效卷积块注意力模块
一维卷积
多帧协同算法
-
Keywords
dangerous goods detection
elevator
YOLOX-s(You Only Look Once version X-s)
depthwise separable convolution
Efficient Convolutional Block Attention Module(ECBAM)
one-dimensional convolution
multi-frame collaboration algorithm
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
