考虑风电与火电变负荷的实时自动发电控制机组调度方法

    公开(公告)号:CN104333045B

    公开(公告)日:2017-01-04

    申请号:CN201410588129.9

    申请日:2014-10-28

    Abstract: 本发明涉及一种考虑风电与火电变负荷的实时自动发电控制机组调度方法,属于电力系统运行和控制技术领域。本发明方法利用递推最小二乘法,根据PMU的实时测量数据,辨识出系统的网络损耗灵敏度矩阵,并利用网络损耗灵敏度矩阵表征系统功率平衡约束;同时将火电机组快速变负荷能力作为优化目标纳入数学模型中,并对考虑经济性与快速性的目标函数进行无量纲处理,提出考虑火电机组变负荷能力和快速性的数学模型。本方法充分利用PMU量测数据,实时辨识网络损耗灵敏度矩阵,同时,本发明将火电机组快速变负荷能力指标纳入目标函数,充分应对风电快速变化性,有利于电力系统的实时调度与控制。

    考虑风电与火电变负荷的实时自动发电控制机组调度方法

    公开(公告)号:CN104333045A

    公开(公告)日:2015-02-04

    申请号:CN201410588129.9

    申请日:2014-10-28

    CPC classification number: H02J3/46

    Abstract: 本发明涉及一种考虑风电与火电变负荷的实时自动发电控制机组调度方法,属于电力系统运行和控制技术领域。本发明方法利用递推最小二乘法,根据PMU的实时测量数据,辨识出系统的网络损耗灵敏度矩阵,并利用网络损耗灵敏度矩阵表征系统功率平衡约束;同时将火电机组快速变负荷能力作为优化目标纳入数学模型中,并对考虑经济性与快速性的目标函数进行无量纲处理,提出考虑火电机组变负荷能力和快速性的数学模型。本方法充分利用PMU量测数据,实时辨识网络损耗灵敏度矩阵,同时,本发明将火电机组快速变负荷能力指标纳入目标函数,充分应对风电快速变化性,有利于电力系统的实时调度与控制。

    基于矩匹配先验网络的空气质量相关性估计方法和系统

    公开(公告)号:CN118917404A

    公开(公告)日:2024-11-08

    申请号:CN202410784844.3

    申请日:2024-06-18

    Applicant: 清华大学

    Inventor: 潘庆一 张静怡

    Abstract: 本发明提供一种基于矩匹配先验网络的空气质量相关性估计方法和系统,涉及数据挖掘领域。本发明通过预先构建基于矩匹配先验网络的相关性估计模型得出空气质量数据集不同变量间的相关性,预测空气质量的变化。其中,相关性估计模型中的高斯似然函数的共轭先验分布形式为#imgabs0#在该共轭先验分布形式中,模型不确定性Σ与数据不确定性Λ相互独立,解耦了认知不确定性和任意不确定性之间联系。同时,本发明通过隐式地学习证据先验形式{μ,Σ,Λ0},利用矩匹配估计预测分布中参数,无需引入大量的分布外数据,能够降低训练成本,加快训练速度,提供更为准确的不确定性估计,并帮助研究人员更好地理解和预测空气质量变化。

    基于串并联查找表的轻量化图像超分辨率重建方法及装置

    公开(公告)号:CN115115912A

    公开(公告)日:2022-09-27

    申请号:CN202210583275.7

    申请日:2022-05-26

    Applicant: 清华大学

    Abstract: 本发明公开了基于串并联查找表的轻量化图像超分辨率重建方法及装置,该方法包括:对输入图像进行特征提取,输出第一像素图像和第二像素图像;输入并联网络利用第一查找表提取第一图像邻域结构信息和第二图像邻域结构信息;对输入特征图预设分组数,基于分组后的输入特征图进行特征聚合,将聚合后的特征图进行融合操作并输出第一融合特征图和第二融合特征图;加和操作输出得到超分图像。该方法解决现有基于查找表的高效图像超分方法中因查找表规模限制导致的信息损失的问题,通过串并联查找表方法,串联网络堆叠多个感受野较小的查找表来逐渐扩大感受野,并联网络补偿量化输入像素值带来的精度损失,从而实现快速、准确的超分图像推理。

    基于串并联查找表的轻量化图像超分辨率重建方法及装置

    公开(公告)号:CN115115912B

    公开(公告)日:2024-06-07

    申请号:CN202210583275.7

    申请日:2022-05-26

    Applicant: 清华大学

    Abstract: 本发明公开了基于串并联查找表的轻量化图像超分辨率重建方法及装置,该方法包括:对输入图像进行特征提取,输出第一像素图像和第二像素图像;输入并联网络利用第一查找表提取第一图像邻域结构信息和第二图像邻域结构信息;对输入特征图预设分组数,基于分组后的输入特征图进行特征聚合,将聚合后的特征图进行融合操作并输出第一融合特征图和第二融合特征图;加和操作输出得到超分图像。该方法解决现有基于查找表的高效图像超分方法中因查找表规模限制导致的信息损失的问题,通过串并联查找表方法,串联网络堆叠多个感受野较小的查找表来逐渐扩大感受野,并联网络补偿量化输入像素值带来的精度损失,从而实现快速、准确的超分图像推理。

Patent Agency Ranking