基于学习的马尔科夫超分辨率复原

针对最大后验概率(MAP)算法对图像边缘和细节保持能力不强问题,在传统马尔科夫模型算法的基础上,提出将MAP算法与凸集投影法(POCS)相融合的算法,将MAP算子当作凸约束集引入POCS算法里,这样可继承两者的优点。实验验证了算法的有效性,与传统学习算法相比,具有更好的图像复原效果。

基于增强现实技术的电力通信网络可视化研究

针对传统参数可视化方法的可视网络参数种类少的问题,提出一种基于增强现实技术的电力通信网络参数全息可视化方法。先提取电力通信网络可视化参数特征,使用特征处理公式定义原始网络参数,利用差值法计算处理后的原始网络参数,得到可视化网络参数,使用OpenGL中的平移操作、缩放操作和旋转操作,预处理可视化网络参数;使用Hadoop配置节点参数,利用增强现实技术分组节点参数变量,完成参数全息可视化。实验结果表明:与传统的参数可视化方法相比,基于增强现实技术的电力通信网络参数全息可视化方法的可视化网络参数的种类更多,更符合电力通信网络参数全息可视化的优化需求。

基于网络内在特征的电力通信网探测站点选择算法

为解决电力通信网规模较大导致探测站点部署效率低的问题,从动态路由特性、探测路径重叠特性、最大故障数量特性三方面分析电力通信网的特征,提出探测站点选择策略和基于网络内在特征的电力通信网探测站点选择算法,并将所提算法与传统算法进行比较,验证所提算法可以通过选择较少的探测站点实现网络主动探测。

光储微网群与微网运营商主从博弈交易优化及定价策略研究

随着光伏发电技术的快速发展,通过配置储能提高区域光伏发电可靠性和经济性成为重要的发展趋势。但是,多数光储微电网发电量相对较小,难以直接参与电力交易。因此,基于光储微电网(PESM)群和光储微电网运营商(PESMO),提出了PESM群与PESMO的主从博弈交易优化及定价策略模型,并通过多元宇宙算法进行求解,同步得到PESMO的实时购售电定价策略及PESM出力调度结果。最后,以某地区的PESM群为研究对象,通过仿真分析验证模型有效解决光储微电网难以参与电力市场交易的问题,实现各主体共赢。研究结果对推进光储一体化发展以及构建新型电力系统具有重要意义。