计及经济成本的分布式光伏并网接纳能力计算

近年来,随着光伏产业的飞速发展,分布式光伏合理的接入规模和接入方式,将为分布式电源接纳与规划、需求侧负荷响应措施规划建设工作提供良好的理论基础和科学指导。该文通过建立以光伏接入带来的净收益最大为目标的优化模型,提出了适用于求解光伏接纳能力问题的布谷鸟算法,并在IEEE标准算例中,分别从光伏接入位置、接入点负荷类型以及光伏投资系数等方面,对光伏接入的经济效益进行分析,验证了文中提出的接纳能力分析方法的有效性。

基于布谷鸟算法的分布式光伏并网接纳能力计算

随着智能配电网的全面建设和光伏产业的飞速发展,合理规划分布式光伏的接入规模和接入方式,将直接影响未来光伏的发展战略以及配电网的发展建设。建立了时序分析框架下的光伏接纳能力的优化模型,对考虑稳态约束的分布式光伏最大接纳能力问题进行了研究,提出适用于求解光伏接纳能力问题的布谷鸟算法。实例表明,所提分析方法适用于对满足系统稳态约束的光伏最大接纳能力分析。

基于热网互联的电力系统灵活性调度模型

为解决冬季采暖期电力系统灵活性不足的问题,基于热网互联的应用背景,综合考虑热电联产机组的热-电运行特性、热力管网的互联特性和用户建筑物的蓄能特性,建立电力系统灵活性调度模型。该模型分别以谷荷时段的向下灵活性和峰荷时段的向上灵活性最大为优化目标,在多源互联热力管网的结构下,充分利用不同热电联产机组运行特性的差异,实现对热-电输出功率的合理分配。算例分析表明,在考虑热网互联和建筑物蓄能特性的情况下,所提模型可有效提高不同调度时段电力系统的灵活性。

计及燃气-蒸汽联合循环机组的热-电联合调度模型

随着我国风力装机容量的不断增加,风电消纳能力成为制约其发展的瓶颈。尤其在北方冬季供暖期,城市内的热电联产机组实行"以热定电"的运行模式,其发电功率受到供热量的限制,在电力谷荷时段可能造成严重的弃风现象。为解决该问题,本文研究了燃气-蒸汽联合循环机组的模式转换特性,讨论了利用该特性消纳弃风的运行机理,建立了计及燃气-蒸汽联合循环机组模式转换特性的热-电联合调度模型。通过算例分析发现,与常规热电联产机组相比,联合循环机组在不同时段进行"一拖一"和"二拖一"模式转换,可在更大范围内灵活调节发电功率,降低电力谷荷时段热电联产机组的发电功率,有效提升系统的风电消纳能力。

基于深度学习的语义分割算法综述

图像的语义分割是对图像中的每个像素标注其所属的类别。在航天领域,语义分割技术可用于定位航天器及其零部件,为航天器故障排除、部件维修、太空垃圾清理等在轨服务创造条件。近几年,全部或部分使用深度学习时,语义分割的效果获得了很大的提升。本文对基于深度学习的语义分割算法进行综述。首先介绍常用的数据集和通用的深度神经网络,随后对两类具有重大实用意义的分割算法:编码器-解码器算法和整合上下文信息算法进行总结。最后对语义分割的发展进行了展望。

基于DeepLab的物体部件分割网络

针对现有部件分割精度较低、泛化性和精度无法兼顾等问题,文中提出基于DeepLab的物体部件分割网络(DeepLab-MAFE-DSC).网络的编码器部分提出多尺度自适应形态特征提取模块(MAFE),利用可形变卷积增强模型对不规则轮廓的处理能力,并采取先级联再并行相加的采样模式,兼顾全局和局部信息.解码器部分设计基于跳跃式架构的解码器模块(DSC),同时连接深层的语义信息和浅层的表征信息.在数据集上的实验表明,DeepLab-MAFE-DSC具有简单、分割精度较高、泛化性较强的优点.

基于分段式序列图片集的运动恢复结构

多视图运动恢复结构(Structure from Motion,SFM)是三维重建中相机姿态估计的一种最常用的方法。传统SFM采用增量方式处理图片,算法的时间复杂度是O(n4),当图片数量较多时,重建时间很长。此外,由于图片噪声影响,漂移误差将随着图片数量增加不断累加,影响最终的重建质量。添加集束调整(Bundle Adjustment,BA)可以优化重建结果,但是需要花费更长的时间。在现有增量式算法的基础上,提出基于分段式序列图片集的方法,将序列图片集按照相似度划分为小集合,对每个小集合进行并行计算,减少误差累积量和重建时间,最后再用BA进行全局优化。实验结果表明,该方法能在保持一定精度的前提下,有效减少重建时间。

基于RLS的改进双线性模型的稳定性分析

双线性多项式的非线性特征只能靠输入-输出交叉项表达,无法精确地表达高阶非线性系统.为此,对改进双线性多项式模型的稳定性进行了研究.利用迭代最小二乘法辨识改进双线性模型的参数,在复数域中,推导该算法的迭代公式,并验证了系统模型的稳定性.结果表明,通过迭代最小二乘法辨识得到的系统模型为有界输入-有界输出稳定.