植保无人机旋翼风场模型与雾滴运动机理研究进展

近几年，植保无人机施药技术在中国获得广泛应用，并逐渐发展为国内主要植保技术之一。但由于对植保无人机施药技术基础理论研究不够深入，相关机理尚不明晰，且植保无人机作业平台的稳定性依然有待提高，导致国内植保无人机施药效果不够理想。深入研究植保无人机施药技术的基础理论，理论结合试验结果共同指导植保无人机田间施药是提高其施药效果的经典方法。该研究综述了植保无人机旋翼风场分布特性、雾滴与无人机旋翼风场交互机理、雾滴沉降与飘移机理、雾滴与叶片表面的交互机理及雾滴分散和蒸发特性等植保无人机施药技术基础理论及其模型构建情况的国内外研究现状，并结合其基础理论与模型构建的国内外研究现状，给出植保无人机施药技术的未来发展建议，以期为植保无人机施药技术的发展提供参考。     

发展分布式电源 推进美丽乡村建设

分布式电源是一种分散配置在配电系统中的小规模发电系统,在推进美丽乡村建设中必将起到重要的作用。分析了户用风光互补系统建设的独立系统结构、并网系统结构、光伏发电并网的实现方式和并网控制系统、分布式电源运行监测系统、分布式光伏最大输出功率跟踪系统、分布式电源并网系统的电能质量问题、分布式电源与电网电源互补储热系统、分布式电源在农网应用实例等问题,指出发展分布式电源是推进美丽乡村建设的有效途径。     

电力抢修系统开发和应用

将嵌入式电子地图与GPS、GPRS结合,构造基于PDA的电力抢修移动平台,设计GPS定位程序流程和GPRS无线通信程序流程,系统移动终端采用嵌入式GIS eSuperMap作为开发平台,结合GPS技术,有效地为抢修车选择最佳抢修路径,通过GPRS网络将当前抢修情况实时反馈到抢修调度监控中心。     

配电网故障定位方法研究

针对配电网络故障信息受干扰后影响故障定位的问题,提出基于贝叶斯公式的配电网故障定位方法,建立基于该算法的故障定位模型.该算法能够简洁处理SCADA送到配电控制中心的数据故障信息,屏蔽受干扰信息,快速准确地实现故障定位.     

基于BERT-Attention-DenseBiGRU的农业问答社区问句相似度匹配

为了解决问答社区中相同语义问句文本的快速自动检测,提出一种基于BERT的Attention-DenseBiGRU农业问句相似度匹配模型。针对农业文本具备的特征,采用12层的中文BERT文本预训练模型对文本数据进行向量化处理,并与Word2Vec、Glove、TF-IDF方法进行对比分析,得出BERT方法能够有效地解决农业文本的高维性和稀疏性问题,并且解决多义词在不同语境下具有不同含义的问题。该网络的每一层都使用注意特征的连接信息以及前面所有递归层的隐藏特征,为了缓解由于密集拼接而导致特征向量尺寸不断增大的问题,在模型的最后使用自动编码器进行特征降维。试验结果表明:基于BERT的Attention-DenseBiGRU农业问句相似度匹配模型可以提高文本特征的利用率,减少特征丢失,能够实现快速及准确的农业问句文本相似度匹配,在本文所构建的农业问句相似对数据集上精确率及F1值达到97.2%和97.6%,与其他6种问句相似度匹配模型相比,效果提升明显。     

配电GIS图形转换系统的研究

配电网地理图自动生成电气接线图是配电GIS图形转换的主要问题,要求生成的电气接线图与地理图信息完全一致,同时还要科学、美观.采用优化的节点提取拓扑分析方法分析配电地理图中网络拓扑结构.在常见处理方法的基础上提出一种快捷有效的算法,可根据配电网地理图中的地理信息自动生成电气接线图.     

农业电力巡检系统中路径分析的算法与实现

讨论农业电力巡检系统的路径分析算法,并在eSupermap环境下,利用eVC及eSupermap二次开发类库进行最短路径和最佳路径分析.结果表明:所采用的路径分析算法准确、可靠,eSuperMap类库方便、实用.用eVC对eSuperMap进行二次开发、实现其路径分析功能是切实可行的.     

农村变电站选址规划方法

农村变电站选址是电网规划的重要组成部分,在农网规划是起承上启下的作用,文中介绍最优化选址问题,并将优化选址的数学模型进行分类,又全面地比较分析应用于变电站选址方法的诸多算法,提出5项有利于电力市场环境下的农网变电站选址的建议.     

基于Lab颜色空间的非监督GMM水稻无人机图像分割

为解决传统水稻冠层图像分割算法性能在很大程度上依赖于训练数据集的质量,且分割效果易受田间多变光照强度影响,导致水稻生产参数估计精度不高等问题,提出一种基于Lab颜色空间的非监督贝叶斯方法,用于田间水稻无人机图像分割。模型参数从每个独立、未标记的无人机图像直接学习获得,无需训练。不同图像会有不同的模型参数,该算法能够适应各种不同环境拍摄的图像。将提出的算法应用于分蘖后期田间水稻的无人机图像分割,并与RGB-GMM、HSV-GMM和All-GMM算法进行对比,在高度10 m图像中平均查全率、平均查准率和平均F1值分别为0.8427、0.7570和0.7948,在高度15 m图像中分别为0.8756、0.7133和0.7788,优于RGB-GMM、HSV-GMM和All-GMM算法。研究表明,本文提出的方法可以从复杂大田环境拍摄的无人机影像中准确提取水稻像素。