-
公开(公告)号:CN119518897A
公开(公告)日:2025-02-25
申请号:CN202411618960.4
申请日:2024-11-13
Abstract: 本申请涉及配电网调压技术领域,特别涉及一种电动汽车充放电站参与配电网调压的控制方法及装置,其中,方法包括:在日前阶段,生成分布式光伏典型情景,建立并求解优化模型得到无功补偿装置的动作、电动汽车充放电站指导功率曲线、配电网运行状态并计算下垂控制参数。在日内阶段,依据前述成果获取实际数据,滚动更新电动汽车充放电站的有功功率,并根据下垂控制参数进行本地无功电压下垂控制,以基于计算的无功功率增量,确定电动汽车充电站的无功功率输出。由此,解决了相关技术中,未考虑电动汽车充电设备对无功功率的控制能力,仅进行无功参考功率的求解,未考虑实时控制中的自适应调节控制,从而导致充电设备灵活性和支撑能力的浪费等问题。
-
公开(公告)号:CN117874557A
公开(公告)日:2024-04-12
申请号:CN202311684427.3
申请日:2023-12-08
Applicant: 清华大学 , 北京控制与电子技术研究所
IPC: G06F18/2321 , G06F18/2113
Abstract: 本申请涉及一种小行星的选取方法、装置、计算机设备和存储介质。所述方法包括:先将目标探测器的轨道进行第一时间段划分,得到划分后的多个时间段,再对各时间段进行第二时间段划分,得到各时间段对应的多个子时间段,然后对在每个子时间段内目标探测器周围的小行星进行聚类,得到多个聚类小行星集,再根据每个子时间段内各聚类小行星集中各小行星的位置信息,确定每个子时间段对应的候选小行星集,最后从各时间段对应的候选小行星集中选取一个子时间段对应的候选小行星集构建目标小行星集。上述方法筛选出的小行星能够达到更高的导航精度。
-
公开(公告)号:CN109660230A
公开(公告)日:2019-04-19
申请号:CN201811495447.5
申请日:2018-12-07
Abstract: 本申请提供一种电压基准电路的移相器配置方法及微波电路。为了增加集成度,采取串联多个约瑟夫森结阵子阵列、且共用同一个微波源发射端口的结构。通过移相器,第一路微波或第二路微波中一路微波经移相器后相移-90度,到达传输线末端后,反射信号再经所述相移,可以实现相移-180度。同时,另一路微波并未经过移相器,此时,两路微波相位相反,正好抵消,可以实现减小反射、有效利用输入微波的作用。从而,能够使得电压基准电路中各个约瑟夫森结子阵的输出电压的一致性和运行相位裕度达到最优,使得各个约瑟夫森结子阵的输出电压台阶宽度最为一致、平均台阶宽度最宽,提高了系统的性能。
-
公开(公告)号:CN111462301A
公开(公告)日:2020-07-28
申请号:CN202010147283.8
申请日:2020-03-05
Applicant: 清华大学
Abstract: 本发明公开了一种用于多视图植物三维重建的生成模型的构建方法,该方法包括:利用贝叶斯概率框架构建植物生长模型,通过对支取生长模型赋予带参先验概率,构建植物骨架生长的概率表示;通过在根节点上指定初始生长因子和分叉代数限制,植物生长模型通过随机采样生成实例化的骨架;获取同种植物的图像集,植物生长模型利用矢量场方法对图像集中的每个单图像计算一个2D骨架,通过对2D骨架聚类分析,提取出图像集的形态基元,利用形态基元的模型与训练集中的骨架拟合,使用高斯-牛顿梯度下降方法求取植物生长模型参数的最优解。该方法能够反映植物生长姿态特性的贝叶斯概率模型,可作为植物表示的一般框架,能用于多视图植物重建。
-
公开(公告)号:CN111127536A
公开(公告)日:2020-05-08
申请号:CN201911269492.3
申请日:2019-12-11
Applicant: 清华大学
Abstract: 本发明公开了一种基于神经网络的光场多平面表示重建方法及装置,其中,方法包括以下步骤:利用开源代码SceneNet的场景生成光场数据集;根据光场数据集训练MPI重建网络,并用相机阵列对动态场景进行稀疏光场采集,利用MPI重建网络对相机阵列的相机的每个视点重建一个MPI;将重建的MPI的alpha通道和颜色向量在时域上滤波,构成目标视点MPI,并且对需要重建的新视点,选取近邻视点的目标视点MPI进行MPI融合,依照从前向后混合透明度的渲染方法,生成新视点下的重建图像。该方法可以大大降低了系统复杂性,并且可以同时在空间域和角度域实现较好的光场插值效果。
-
公开(公告)号:CN111462301B
公开(公告)日:2022-10-28
申请号:CN202010147283.8
申请日:2020-03-05
Applicant: 清华大学
IPC: G06T17/00 , G06T3/00 , G06V10/774 , G06V10/762
Abstract: 本发明公开了一种用于多视图植物三维重建的生成模型的构建方法,该方法包括:利用贝叶斯概率框架构建植物生长模型,通过对支取生长模型赋予带参先验概率,构建植物骨架生长的概率表示;通过在根节点上指定初始生长因子和分叉代数限制,植物生长模型通过随机采样生成实例化的骨架;获取同种植物的图像集,植物生长模型利用矢量场方法对图像集中的每个单图像计算一个2D骨架,通过对2D骨架聚类分析,提取出图像集的形态基元,利用形态基元的模型与训练集中的骨架拟合,使用高斯‑牛顿梯度下降方法求取植物生长模型参数的最优解。该方法能够反映植物生长姿态特性的贝叶斯概率模型,可作为植物表示的一般框架,能用于多视图植物重建。
-
-
-
-
-