新型电力系统下车网互动的减碳价值及综合效益评价研究

随着电动汽车保有量快速增长及电网低碳转型步伐的加快,推动电动汽车与电网双向灵活互动,对建设新型电力系统和实现“双碳”目标具有重要意义。基于此,本文首先概述了现阶段车网互动的三种主流技术现状及国内外应用现状;其次从加快新能源消纳、提升发电机组运行效率、降低电网建设规模三方面着手,研究了车网互动的减碳价值;最后从环境效益、经济价值、可靠性、社会认可度四个方面建立评价指标,为车网互动对电力系统的综合效益水平进行了阶段划分,以期在新型能源体系中发挥更大的参考价值。

基于三维曲波变换的弱信号恢复方法研究

传统的弱信号恢复方法在强噪声背景下具有较大的局限性,有用的信息往往淹没在强噪声背景下不易被识别。针对这个难点,提出一种基于三维曲波变换的弱信号恢复的方法。该方法将三维曲波变换和自适应滤波器相融合,从而提高数据中弱信号的能量,使得弱信号更易于被恢复。为了验证该方法的有效性,对楔形模型与实际三维数据进行处理。实验结果表明,恢复后的数据信噪比提高了2 d B到3 d B,频带也被拓宽了150 Hz,弱信号得到较好的恢复。

地震信号的完整集合分解方法

为有效开采岩性、薄储层等隐蔽性油气藏,需准确处理分析非线性、非平稳地震信号,以获取信噪较好的地震剖面。基于提高处理后地震剖面精度的需求,提出了一种地震信号的完整集合分解方法(Complete Ensemble Empirical Mode Decomposition,CEEMD)。CEEMD主要由经验模态分解(EMD)、本征模态函数的确定以及地震信号完整重构3部分构成,在EMD的基础上加入了自适应噪声来减小模态效应,分解过程中既保留了EMD处理非平稳、非线性信号的优势,又可以有效改善EMD的模态混叠问题,从而提高信号的信噪比并有效保留原信号中的有效成分。该方法可对地震信号进行更为精确地分解,然后实现完整的信号重构,在精确处理的同时,大大减少了有效信号的丢失,使地层信息更加明确,地质结构分辨率得到有效提升。

旋转纹理不变模型下的快速人脸匹配方法

为解决传统SIFT模型在人脸匹配时存在的相似区域误匹配问题并满足实时要求,提出一种RISIFTTF(rotation invariant SIFT with texture feature)模型下的快速人脸匹配方法。将RITF(rotation invariant texture feature)与SIFT融合,形成RISIFTTF模型,通过GPU对构建高斯差分金字塔和检测定位极值点等步骤并行加速。选取来自FERET和自采集的人脸库,对比优化前后的结果,对比结果表明,对于FERET库,配准率提高了8.23%-12.76%,加速比提高了5倍-6倍;对于自采集库,配准率提高了11.53%-14.21%,加速比提高了4倍-5倍,实现了对传统模型的优化与加速。