随机饱和与测量缺失下非线性系统的分布式状态估计

传感器网络环境中普遍存在的节点饱和、测量缺失、时滞等信息不完全现象,必然导致系统整体性能变差.研究随机饱和与测量缺失影响下非线性系统的分布式H_(∞)状态估计问题.通过两组已知概率的Bernoulli分布,建立一个能够在统一框架内描述以上两种随机不完全信息的传感器模型.每个传感器接收到的信号由采样间隔随时间变化的采样器分别采样,并利用输入延迟的方法,将采样周期转化为等价的有界时变时滞,从而得到变时滞随机非线性估计误差系统.在此基础上构造合适的Lyapunov-Krasovskii泛函,并选择与之有效配合的积分不等式,得到具有较小保守性的分布式H_(∞)状态估计器设计条件.最后通过仿真分析验证所提方法的有效性.

针对电力系统数据缺失的暂态电压稳定评估方法

针对数据缺失时暂态电压稳定评估模型精度下降的问题,提出一种基于多视图缺失数据填充和门控图神经网络的电力系统暂态电压稳定评估方法。首先,基于多视图互补的时空视图来填充缺失数据,得到完整的数据集;然后,采用修复完整的数据集训练门控图神经网络模型进行暂态电压稳定评估,评估模型要进行快速更新,以提高在线应用的性能;最后,在IEEE39节点系统算例上进行验证所提方法的有效性。仿真结果表明,本文方法可以在任何同步向量测量单元放置信息丢失和网络拓扑变化的情况下及时有效地填补缺失数据,且所用评估模型的评估性能具有显著优势。

基于卷积神经网络的电成像图像空白条带填充方法

全井眼微电阻率成像(Fullbore Formation Micro Imager,FMI)技术广泛应用于强非均质性的碳酸盐岩储层测井精细解释.然而,由于各极板间间隙的影响,FMI无法测量360°全井壁地层电阻率信息,这使得FMI图像出现空白条带,严重影响了图像视觉和测井解释进程.为获取全井壁的电阻率信息,必须有效的填充空白条带.本文在探讨现有的电成像图像空白条带填充方法基础上,提出了一种基于卷积神经网络的电成像图像空白条带填充方法.与常用的Criminisi插值法对比填充效果显示:该方法完全适用于各种特征的电成像图像空白条带填充,延续了所有待填充边缘的暗色条带和亮色背景,填充结果与原始图像的像素值频率占比相关性高达0.9581.Criminisi插值法在复杂区域电成像图像的填充结果连通性较差且存在干扰区域,填充结果与原始图像的像素值频率占比相关性仅为0.5924.本文提出的方法具有处理速度快、干扰区域少、连通性强、相关性高的特点,能够满足电成像空白条带成规模填充的实际应用需求,还可为测量极板间的测量缺失带信息处理提供参考手段.