基于神经网络的电网潮流图自动拓扑布线方法

为了解决电网复杂拓扑条件下潮流图自动拓扑布线问题,提出了一种基于神经网络的电网潮流图自动拓扑布线方法。通过建立线路每步步长方向选择与生成线路质量的关联关系构建神经网络的输入层和输出层,进一步进行线路拓扑的自主学习来获取步长方向选择函数的最优解,然后利用训练好的步长方向选择函数进行拓扑路径检索,以解决潮流图自动布线过程中如何寻找最优拓扑连接的问题。基于某220 kV电网进行了算法仿真,结果验证了所提方法的有效性和可行性。与传统自动成图方式相比,所提方法不需要根据不同画面特征人为对拓扑连线的坐标计算算法进行适配,训练过程也无需依赖现有潮流图样本,可明显提升潮流图自动成图的灵活性和准确性。

基于惯量比的电网频率支撑能力在线评估方法

随着新能源接入比例不断提高,电力系统有效转动惯量逐渐减小以及传统调频资源的稀缺化,电网频率稳定问题日趋凸显。为量化评估电网的频率支撑能力,在分析频率调节动态过程的基础上,指出频率支撑能力应包含惯量响应能力和一次调频响应能力2部分。相应地,设计了能够涵盖跨区送受端电网不同特性需求的惯量比指标;提出了考虑电网运行频率偏差和变化率约束的转动惯量裕度、可承受最大扰动功率和惯量比等指标及其在线评估方法。采用CEPRI36算例和实际电网运行数据,验证了所提频率支撑能力指标及评估方法的有效性与合理性。

有遮挡环境下的人脸识别方法综述

随着人脸识别应用领域的逐渐扩大,有遮挡环境下的人脸识别面临着一定的技术挑战。深度学习方法由于其具有强大的学习能力,成为解决有遮挡环境下的人脸识别问题的一种较好的解决方案,但仍面临诸多待解决的问题。减少遮挡对人脸识别算法带来的性能影响是该领域的重点和难点问题之一。从模型、算法和数据集的角度分析了近年来相关研究进展;对比了不同算法的性能结构、优缺点以及存在的问题;探讨了未来可能的研究方向。