一种基于CNN-LSTM组合网络的电网电压稳定紧急控制方法及系统

    公开(公告)号:CN115800259A

    公开(公告)日:2023-03-14

    申请号:CN202211542374.7

    申请日:2022-12-02

    发明人: 秦博宇 高鑫 张哲

    摘要: 本发明涉及电力系统技术领域,公开了一种基于CNN‑LSTM组合网络的电网电压稳定紧急控制方法及系统,融合卷积神经网络(CNN)在特征提取、长短时记忆网络(LSTM)在数据时间依从关系学习方面的优势,建立了基于CNN‑LSTM组合的电压稳定裕度评估模型,实现了大扰动故障下电网电压稳定裕度的准确评估,与经典神经网络相比预测准确率更高,结果更接近真实值。能够准确刻画各母线电压对切机、切负荷控制措施量的敏感程度,为最优紧急控制策略的制定提供有力的依据和指导,有效的对电网电压稳定紧急控制进行准确评估,提高了预测准确率,保证大扰动故障后电网的安全稳定运行。

    一种基于张量块循环展开的彩色图像补全方法

    公开(公告)号:CN112116532A

    公开(公告)日:2020-12-22

    申请号:CN202010774427.2

    申请日:2020-08-04

    IPC分类号: G06T5/00

    摘要: 本发明公开了一种基于张量块循环展开的彩色图像补全方法,属于图像处理技术领域。首先输入待补全图像并对缺失像素进行n近邻初始化,得到目标图像;然后初始化模型参数,估计目标图像的块循环展开秩并设置权重系数。接着将目标图像以张量形式输入图像补全模型,并采用交替方向乘子法通过迭代对模型进行凸优化求解,其中图像补全模型为基于张量块循环展开的低秩矩阵因式分解模型。最后,对迭代得到的张量进行数据格式转换,使之以待补全图像的格式输出。本方法在进行张量块循环展开时增加了图像切片之间的联系性,从而在一定程度上降低了展开操作所造成的图像结构信息的损失;补全图像的峰值信噪比有了显著提高,且纹理和细节信息更加丰富。