考虑不确定性的周期性资源购买机制及多时间尺度调峰调度策略

合理的资源购买和有效的调度策略是充分利用需求响应资源向系统提供辅助服务的关键。该文针对电力系统运行中最常出现、影响也较大的辅助服务事件之一--调峰的需求响应资源周期性购买问题和日内调度问题进行研究。首先,对广大调峰事件的调峰需求特征进行聚类,利用概率描述调度中心不同的决策行为,建立周期内调节资源购买的不确定性模型并获取最优调节资源购买量。其次,针对日内调度,结合负荷预测,建立基于滚动优化的多时间尺度能量和功率协调调度策略。大时间尺度上以调度中心调峰经济性最优为目标对调节能量进行分配,小时间尺度上以调峰效果最优为目标对调节功率进行分配。仿真结果表明,所提周期性资源购买决策机制能够有效提升周期内调度中心的平均收益;而日内多时间尺度协调的调峰策略则能够充分利用已购资源,实现调度中心调峰经济性和调峰效果的双赢。

采用伪3D卷积网络的脑部MRI图像超分辨率重建

针对现有深度学习医学图像超分辨率重建算法因网络参数量大导致计算复杂度过高、网络难以训练的问题,提出一种采用伪3D卷积的轻量级密集残差连接3D卷积神经网络(P3DSRNet)模型.首先利用密集残差块拓宽残差块中卷积层的通道,将更多的特征信息传送到激活函数,使网络中浅层图像特征更容易地传播到高层,增强医学图像超分辨率的表达能力;然后采用伪3D可分离卷积策略训练网络,将标准3D卷积核分离成多个卷积核,分阶段进行训练,使网络训练收敛速度更快,解决标准3D卷积拓宽维数导致网络训练难度加大时参数急剧增加的问题.实验结果表明,对比传统的插值超分辨率算法和LRTV超分辨率算法,采用P3DSRNet模型重建的医学图像纹理细节更丰富,视觉效果更逼真,与采用卷积神经网络的超分辨率算法SRCNN3D和ReCNN相比, P3DSRNet模型网络参数大大减少,峰值信噪比分别提升了1.88 dB和0.30 dB,结构相似度分别提升了0.009 6和0.001 1, P3DSRNet模型不仅大大降低了参数量和计算复杂度,而且提高了医学图像的超分辨性能.