基于门控时空图神经网络的电力系统暂态稳定评估

随着特高压交直流互联规模的不断扩大,在线高精度快速地暂态稳定评估对电网安全运行至关重要。为此,提出一种基于门控时空图神经网络的暂态稳定评估方法,并采用时间自适应方法,同时提高暂态稳定评估的准确度和速度。首先,为减小故障切除后动态拓扑结构对暂态稳定评估影响,使用门控时空图神经网络提取融合电网的拓扑结构关键特征和相邻节点属性信息,学习空间数据相关性、提高评估准确度。然后,将提取的特征量输入门控神经网络以学习各个时刻数据相关性,调整稳定性阈值快速输出准确评估结果;同时,为避免模型性能受训练样本质量的影响,采用具有K最近邻思想的改进加权交叉熵损失函数处理不平衡训练样本。最后,通过分析算例,从数据可视化视图验证所提出的方法能有效提高评估准确度和缩短评估时间。

流行趋势预测及用户行为洞察的可视化决策平台构建

随着互联网的飞速发展,大数据为精准时尚产品研发带来了更好的工具和视角。针对时尚设计行业,按照交互式的运行原理,围绕消费者需求,集成相关数据,利用创新技术架构,构建数据可视化的决策系统,准确描述流行趋势预测、市场销售、消费者行为之间的结构化问题,实现更加精准的时尚趋势预测和用户行为洞察,协助品牌精准时尚趋势预测,完成对消费者快速认知和设计战略调整。