The distribution networks sometimes suffer from excessive losses and voltage violations in densely populated areas. The aim of the present study is to improve the performance of a distribution network by successively ...The distribution networks sometimes suffer from excessive losses and voltage violations in densely populated areas. The aim of the present study is to improve the performance of a distribution network by successively applying mono-capacitor positioning, multiple positioning and reconfiguration processes using GA-based algorithms implemented in a Matlab environment. From the diagnostic study of this network, it was observed that a minimum voltage of 0.90 pu induces a voltage deviation of 5.26%, followed by active and reactive losses of 425.08 kW and 435.09 kVAR, respectively. Single placement with the NSGAII resulted in the placement of a 3000 kVAR capacitor at node 128, which proved to be the invariably neuralgic point. Multiple placements resulted in a 21.55% reduction in losses and a 0.74% regression in voltage profile performance. After topology optimization, the loss profile improved by 65.08% and the voltage profile improved by 1.05%. Genetic algorithms are efficient and effective tools for improving the performance of distribution networks, whose degradation is often dynamic due to the natural variability of loads.展开更多
为解决交通网络与供水管网之间耦合关系所引发各类突发事件级联失效作用及其建模量化问题,以上海市中心城区为案例,利用出租车GPS数据及道路、供水管网GIS(Geographic Information System)数据,通过空间匹配和时间属性融合建立动态耦合...为解决交通网络与供水管网之间耦合关系所引发各类突发事件级联失效作用及其建模量化问题,以上海市中心城区为案例,利用出租车GPS数据及道路、供水管网GIS(Geographic Information System)数据,通过空间匹配和时间属性融合建立动态耦合网络,基于渗流理论提出网络影响力指数用于量化级联失效影响。结果表明,交通网络和供水管网之间存在显著的时空耦合效应,尤其在高峰时段供水管网的失效对交通网络的连通性和运行效率产生了直接影响。同时,通过构建解耦策略,提出管网规划和维护优化方案,可减少2个网络之间跨网络级联失效影响,可为提升城市关键基础设施韧性安全与运行可靠性提供参考。展开更多
目的实时渲染图形程序(如游戏、虚拟现实等)对高分辨率和高刷新率的要求越来越高,因此,针对渲染图像的实时超分辨率技术在实时渲染中非常必要。然而,现有的视频超分算法和实时渲染处于不同的数据处理管线之中,这导致其难以直接应用到实...目的实时渲染图形程序(如游戏、虚拟现实等)对高分辨率和高刷新率的要求越来越高,因此,针对渲染图像的实时超分辨率技术在实时渲染中非常必要。然而,现有的视频超分算法和实时渲染处于不同的数据处理管线之中,这导致其难以直接应用到实时渲染管线里。方法对此,提出了一个基于帧循环结构的实时神经超采样方法。充分利用实时渲染管线中生成的低分辨场景几何数据,以提升超采样网络对于三维空间信息的感知力;将帧循环框架结合到超采样方法中,通过引入先前帧重建结果的特征来改善当前帧的重建结果,从而实现时间尺度上的稳定性;将重加权网络和注意力网络置于特征提取模块中,以提升提取到的特征的有效性。此外,本文还提出了一个面向神经超采样的实时渲染流程,该流程能够将超采样网络部署至图形计算管线之上,并与实时渲染管线相结合。结果与同样能够实时且效果较好的基准方法面向实时渲染的神经超采样(neural super-sampling for real-time rendering,NSRR)比较,本文方法在速度少许提升的前提下,图像质量指标峰值信噪比(peak signal to noise ratio,PSNR)平均提升了0.4 dB,并在部署到实时渲染管线后,通过轻量化裁剪继续保持实时性且部分场景效果仍然优于非实时的部署后NSRR;在网络模块的消融实验中也证明了各个子模块对于神经超采样任务的有效性。结论本文提出的神经超采样网络模型与搭建的神经超采样渲染流程,在取得更好效果的同时具有一定的实用价值。展开更多
文摘The distribution networks sometimes suffer from excessive losses and voltage violations in densely populated areas. The aim of the present study is to improve the performance of a distribution network by successively applying mono-capacitor positioning, multiple positioning and reconfiguration processes using GA-based algorithms implemented in a Matlab environment. From the diagnostic study of this network, it was observed that a minimum voltage of 0.90 pu induces a voltage deviation of 5.26%, followed by active and reactive losses of 425.08 kW and 435.09 kVAR, respectively. Single placement with the NSGAII resulted in the placement of a 3000 kVAR capacitor at node 128, which proved to be the invariably neuralgic point. Multiple placements resulted in a 21.55% reduction in losses and a 0.74% regression in voltage profile performance. After topology optimization, the loss profile improved by 65.08% and the voltage profile improved by 1.05%. Genetic algorithms are efficient and effective tools for improving the performance of distribution networks, whose degradation is often dynamic due to the natural variability of loads.
文摘为解决交通网络与供水管网之间耦合关系所引发各类突发事件级联失效作用及其建模量化问题,以上海市中心城区为案例,利用出租车GPS数据及道路、供水管网GIS(Geographic Information System)数据,通过空间匹配和时间属性融合建立动态耦合网络,基于渗流理论提出网络影响力指数用于量化级联失效影响。结果表明,交通网络和供水管网之间存在显著的时空耦合效应,尤其在高峰时段供水管网的失效对交通网络的连通性和运行效率产生了直接影响。同时,通过构建解耦策略,提出管网规划和维护优化方案,可减少2个网络之间跨网络级联失效影响,可为提升城市关键基础设施韧性安全与运行可靠性提供参考。
文摘目的实时渲染图形程序(如游戏、虚拟现实等)对高分辨率和高刷新率的要求越来越高,因此,针对渲染图像的实时超分辨率技术在实时渲染中非常必要。然而,现有的视频超分算法和实时渲染处于不同的数据处理管线之中,这导致其难以直接应用到实时渲染管线里。方法对此,提出了一个基于帧循环结构的实时神经超采样方法。充分利用实时渲染管线中生成的低分辨场景几何数据,以提升超采样网络对于三维空间信息的感知力;将帧循环框架结合到超采样方法中,通过引入先前帧重建结果的特征来改善当前帧的重建结果,从而实现时间尺度上的稳定性;将重加权网络和注意力网络置于特征提取模块中,以提升提取到的特征的有效性。此外,本文还提出了一个面向神经超采样的实时渲染流程,该流程能够将超采样网络部署至图形计算管线之上,并与实时渲染管线相结合。结果与同样能够实时且效果较好的基准方法面向实时渲染的神经超采样(neural super-sampling for real-time rendering,NSRR)比较,本文方法在速度少许提升的前提下,图像质量指标峰值信噪比(peak signal to noise ratio,PSNR)平均提升了0.4 dB,并在部署到实时渲染管线后,通过轻量化裁剪继续保持实时性且部分场景效果仍然优于非实时的部署后NSRR;在网络模块的消融实验中也证明了各个子模块对于神经超采样任务的有效性。结论本文提出的神经超采样网络模型与搭建的神经超采样渲染流程,在取得更好效果的同时具有一定的实用价值。
文摘针对不同磁密幅值、频率、谐波组合等复杂激励工况下磁致伸缩建模面临的精准性问题,该文利用空间注意力机制(spatial attention mechanism,SAM)对传统的卷积神经网络(convolutional neural network,CNN)进行改进,将SAM嵌套入CNN网络中,建立SAMCNN改进型网络。再结合双向长短期记忆(bidirectional long short-term memory,BiLSTM)网络,提出电工钢片SAMCNN-BiLSTM磁致伸缩模型。首先,利用灰狼优化算法(grey wolf optimization,GWO)寻优神经网络结构的参数,实现复杂工况下磁致伸缩效应的准确表征;然后,建立中低频范围单频与叠加谐波激励等复杂工况下的磁致伸缩应变数据库,开展数据预处理与特征分析;最后,对SAMCNN-BiLSTM模型开展对比验证。对比叠加3次谐波激励下的磁致伸缩应变频谱主要分量,SAMCNN-BiLSTM模型计算值最大相对误差为3.70%,其比Jiles-Atherton-Sablik(J-A-S)、二次畴转等模型能更精确地表征电工钢片的磁致伸缩效应。
