摘要：净负荷是实际负荷与光伏出力之差,针对净负荷中实际负荷强波动性与光伏出力强随机性相互耦合、表后光伏出力不可见等特点导致准确预测困难的问题,提出了一种基于时空特征聚类和双层动态图卷积网络建模的短期净负荷预测方法。首先,通过提取用户净负荷的日内时间特征、长期趋势特征和空间关联特征建立净负荷子集群聚类模型;其次,以子集群为图节点构建考虑“负荷-光伏”双维相关性的图结构,使其能够同时反映负荷和光伏出力特性;最后,引入净负荷总节点和动态邻接矩阵,构建通过长短期记忆神经网络连接的双层动态图卷积模型,得到净负荷预测结果。基于悉尼Ausgrid实际净负荷数据设计的消融实验结果表明,所提时空特征聚类方法和双层动态图结构分别使净负荷预测结果的均方根误差降低了13.44 kW和7.55 kW。未来将进一步拓展预测尺度,为电网保供决策提供更多信息支撑。

摘要：针对3维人脸重建问题提出了一种新颖的多视图体重建方法,以解决目前3维人脸重建方法只适用于小样本集合,大范围推广时精度难以保证的弱点。该方法创新之处在于将基于特征点匹配的重建方法与立体重建方法结合引入到图割优化框架,并应用于3维人脸重建。本文两个重要改进工作是设计动态片结构描述来进行颜色一致性估计以及设计新的动态图结构以去除半个体素尺寸的重建误差。实验中分别采用8张、16张和30张存在亮度变化的人脸多视角图像验证算法。实验结果逼真,同时避免了传统重建方法结果受限于样本集分布的问题。