基于深度学习的居民区识别在电力线规划中的应用

针对高压输电线路规划设计中居民区数据难以精准获取的问题,采用人工智能算法,提出了基于深度学习的遥感影像居民区自动识别方法。在Matconvnet框架下,利用迁移学习技术在小样本情况下开发了一套针对多源遥感影像的居民区检测系统。以陕西省宝鸡市为例,对算法进行验证,结果表明,该算法居民区识别精度优于93%,能很好地满足高压线规划设计中对居民区数据的需求。     

基于深度学习的居民区识别在电力线规划中的应用

针对高压输电线路规划设计中居民区数据难以精准获取的问题,采用人工智能算法,提出了基于深度学习的遥感影像居民区自动识别方法。在Matconvnet框架下,利用迁移学习技术在小样本情况下开发了一套针对多源遥感影像的居民区检测系统。以陕西省宝鸡市为例,对算法进行验证,结果表明,该算法居民区识别精度优于93%,能很好地满足高压线规划设计中对居民区数据的需求。     

考虑削减方法和最大化接纳能力的新能源准入容量柔性优化模型

为了最大化电网对新能源的接纳能力,研究了德国削减电量提高可再生能源准入容量的方法。首先阐述了削减电量运行方式的机理,介绍了静态、动态削减方法的区别。然后建立了优化新能源准入容量的模型,并且限制了弃风、弃光量。接着利用电力系统柔性方法,引入柔性指数和柔性区间处理间歇式可再生能源出力波动性的问题。最后进行算例分析,证明了削减电量方法能有效提高新能源准入容量,并探究了柔性指数的规律性。