面向多区域能源互联的多智能体协同AGC策略

传统强化学习无法有效解决由于大规模新能源接入所带来的强随机扰动,以至产生AGC(automatic generation control)响应速度变慢、性能变差的问题.本文以能够解决基于Q框架的强化学习算法中状态动作对的值高估问题的双层Q学习为支点,融入了一种能够在未知的搜索空间中快速搜索最优解的灰狼优化算法,提出一种面向多区域能源互联的多智能体协同AGC策略,即GWDQ(grey wolf double Q)策略,来快速获取AGC过程中多区域协同最优解.通过对包括了混合发电燃气轮机系统、冷热电联产等多种形式能源的两区域综合能源系统模型,及多区域能源互联的东北电网模型进行仿真,结果显示所提策略与传统强化学习算法相比,拥有更强的学习能力,收敛速度和控制性能明显改善,能够快速获取AGC过程中多区域协同最优解.     

基于深度强化学习的泛在电力物联网综合能源系统的自动发电控制

包含超大规模分布式能源、负荷以及冷热电联产的泛在电力物联网的综合能源系统是未来发展趋势.由于泛在物联将给电网带来强的随机扰动问题,传统的自动发电控制(automatic generation control, AGC)方法已无法满足如此大规模复杂综合能源系统的频率稳定.机器学习是解决复杂能源系统AGC强随机扰动的一种有效方法.然而这种超大规模的泛在物联将给AGC求解带来维数灾问题.本文针对DDQN-AD(double deep Q networkaction discovery)算法中经验缓存机制构建问题,提出了一种基于比例优先级采样机制的深度强化学习算法PRDDQN-AD(prioritized replay DDQN-AD),以解决机器学习中多维状态-动作对的维数灾问题,进而解决泛在电力物联网综合能源系统模式下的随机扰动问题.对源网荷储协同的两区域综合能源系统模型和集成了大量源、网、荷、储及冷热电联产的多区域泛在电力物联网综合能源系统模型进行仿真.结果表明,与改进前的DDQNAD算法相比, PRDDQN-AD能够提升训练样本的质量,具有良好的学习效率和泛化性能,能够解决维数灾问题;与其他智能算法相比,其收敛速度和控制性能均有明显提升,可获得区域最优协同控制.     

智能电网基本理念阐释

由于可再生能源开发利用的快速发展,世界各国面临着可再生能源如何接入及充分利用等一系列问题,而智能电网则是应对这些挑战的有效战略措施.智能电网具有强大的功能、显著的综合效益和广阔的发展前景,是世界电网发展的趋势.但是智能电网不是一个单纯的技术问题,它涉及许多重要的基本理念.厘清这些理念对于科学高效地实施智能电网、对于技术创新和产业发展至关重要.为此本文从智能电网的特点、智能电网的总体设想和技术内涵、与智能电网相关的技术、智能电网的近期与远期目标以及在实施智能电网时需要注意的事项等方面阐释了智能电网的基本理念.     

大规模分布式系统中的智能资源管理模型

提出了一个适用于大规模分布式系统的智能资源管理模型。该模型能有效地解决大规模分布式系统中全局状态信息的不完整性、管理策略的单一性等问题，具有自我调节能力，保证了分布式系统始终保持良好的性能。     

基于鸽群智能行为的大规模无人机集群聚类优化算法

未来空中战场,大规模无人机集群系统将成为主导力量.而对大规模无人机集群系统进行分组聚类是完成作战任务规划的必要步骤.在实际战场中无人机受到有限通信约束,无法得到全面而有效的全局作战信息.因此本文提出一种基于鸽群智能行为的大规模无人机集群聚类优化算法.根据聚类模型设计鸽群优化算法,研究分析导航能力优异的鸽群智能行为,将鸽群飞行过程中的层级网络机制映射到鸽群优化算法中,解决有限交互环境下的信息不完整问题.一方面,依据鸽群在飞行过程中来自临近个体的引导更为有效直接,因而在有限交互环境下,基本鸽群优化算法中的全局最优信息由交互范围内的最优个体信息替代;另一方面,鸽群的中心位置更新包括三部分:增量惯性部分、模仿部分、环境影响部分.为验证改进后鸽群优化算法在有限交互范围下的有效性,本文采用三种算法针对三个数据集进行聚类分组,仿真结果表明改进后的鸽群优化算法在最优解与平均最优解上均有改善,为实际作战环境下的无人机集群系统聚类分组提供了有效的解决方法.     

混合SQP的基于完全学习的粒子群优化算法在电力系统中经济分配问题的应用

电力系统经济负荷分配(ELD)问题是电力系统运行中一个重要的优化问题.此前,多种经典数学逼近方法和启发式搜索算法被用于对该问题进行了求解.但是,这些方法仍然存在两个很重要而未引起足够重视的问题:1)算法的稳定性得不到有效保证;2)算法在大规模ELD问题上的性能仍然不能令人满意.CLPSO是一种新的高效全局优化算法.针对其存在的多样性保持能力强但收敛性不足的问题,文中引入序列二次规划SQP,提出了一种新的混合SQP的CLPSO算法SQP-CLPSO.用其求解多个典型ELD问题,并与多种知名算法进行了对比.实验结果表明,SQP-CLPSO具有优秀的收敛性、多样性和可拓展性,是求解复杂ELD问题的有效算法.     

基于博弈论的电源、电网和负荷的适应性评价

由于电源容量和电网、负荷规模增大以及影响电网安全性、经济性的因素增多,认识电源、电网及负荷的相互作用及影响,对建立电网适应性的评价体系有重要意义.在建设及投资上,电源、电网及负荷隶属于不同的主体;在运行及收益上,三者必须遵守电力系统统一调控的准则,而各投资主体方的收益通过电量或电价联系.针对电源、电网及负荷投资方关注的投资收益,基于博弈论建立了变电容量、机组容量、负荷容量与投资收益关系的模型,提出了基于独立系统运行机构(ISO)调度模型和节点电价模型的电源、电网、负荷各方投资收益算法.通过算例的计算结果证明了电源、电网和负荷博弈模型及收益算法的有效性,同时分析了电源、电网和负荷三者间的相互作用及相互影响,找出了纳什均衡点和解释了各方的行为.电源、电网与负荷的适应性评价是大电网适应性评价的重要内容,本文的研究工作及成果可分析电源、电网及负荷的相互作用及影响,计算各种策略组合下各投资方的收益,为各方的决策提供依据.     

电力系统在高斯随机小激励下的响应及稳定性

随着可再生能源发电和电动汽车等接入电网,随机激励对电力系统稳定性的影响日渐突出.本文针对高斯型随机激励,在确定性模型的基础上,构造带有高斯型随机激励项的模型.采用Euler-Maruyama（EM）方法对随机响应进行模拟计算,对不同随机激励强度下的功角曲线进行仿真分析,给出了EM方法的数值解稳定性证明.从理论上证明了在高斯型随机激励较小情况下,电力系统的均值稳定性和均方稳定性,并通过仿真算例从统计学角度加以阐释.     

基于广域瞬时量测信息的复杂受端电网动态频率量化评估与预警方法研究

在深入研究电力系统动态频率响应过程的基础上,提出了一种基于广域瞬时量测信息的复杂受端电网动态频率量化评估与安全预警方法.基于电力系统简化频率响应模型（SFR）的基本特征,定义了一种仅依赖于扰动初始时刻量测信息的量化评估指标,该指标物理意义清晰,指标数值能够客观的反映系统动态频率的安全状态.本文提出的量化评估指标具有单调性和平滑性较好,计算简单且易于实现等优点.多机系统算例仿真计算与分析结果论证了指标的可行性和有效性.     

一种具有记忆自学习能力的快速动态寻优算法及其无功优化求解

针对传统人工智能在随机复杂环境的适应及交互能力较低问题,有机地将经典强化学习Q(?)算法与多主体协同行为进行高度融合,提出了一种具有记忆自学习能力的快速动态寻优算法.该算法通过与外部环境反复的交互来进行自学习改进,并利用值函数矩阵储存状态-动作对记忆,提出了联系记忆方式,有效地对传统Q(?)算法的动作空间进行降维处理,减小了记忆矩阵的规模;基于多主体协同合作的概念,采用多个主体同时对记忆矩阵进行迭代更新,明显提高了更新速度;在预学习形成良好的记忆后,能快速地进行在线动态优化.最后,文章利用电力系统经典无功优化模型进行了算法测试,IEEE 118节点和IEEE 300节点标准算例仿真表明:本文所提算法在保证较高收敛性的同时,寻优速度能提高到遗传算法、蚁群算法、粒子群等传统人工智能方法的5~40倍,非常适用于大规模复杂电网的在线滚动无功优化.     

应用于智能电网的高压直流电流及谐波测量方法研究

智能电网的发展对相应的测量设备提出了更高的要求,包括体积小、重量轻、准确度高、测量频带宽等.本文研究了一种应用于智能电网的高压直流电流及谐波电流测量方法.直流电流测量采用基于霍尔磁场传感阵列的测量方式,采用多个传感器构成传感阵列,有效降低导体偏心、偏角等因素的影响;直流谐波电流测量采用4个直线型线圈构成的方形Rogowski线圈作为传感单元,并利用改进的高精度数字积分算法实现线圈输出的积分还原,大大降低了频率变化等因素的影响.同时,提出一种基于梯形自卷积窗的四谱线插值DFT算法,有效提高了直流分量及谐波分量的提取准确度.测试及应用结果表明,该新型高压直流测量互感器直流电流测量误差小于0.10%,谐波测量比差变化小于0.2%,角差变化小于8′,输出信号为数字量.该测量设备具有准确度高、测量频带宽、体积小等优点.     

基于模块双向迭代的电力系统仿真新算法研究

提出了一种基于模块双向迭代的电力系统暂态稳定仿真新算法. 首先将电力网络划分成以树形结构相联的多个子网, 将划分后的电力网络和发电机、励磁系统等元件分别单独处理为计算模块; 由各计算模块联接构成电力系统计算树; 而后通过沿计算树进行的前向简化和后向回代计算来实现电力系统方程的Newton法求解. 该算法有效提高了电力系统方程联立求解的效率, 为大规模电力系统并行仿真的实现提供了新方法. 在新英格兰测试系统和我国华北东北联网系统上对该算法进行了仿真测试, 与商业软件BPA结果进行了比较.     

强干扰影响下基于干扰补偿的大飞机智能自适应控制

针对强干扰影响下的大飞机增稳控制问题,提出了一种基于干扰补偿机制的智能自适应控制策略.首先,针对强风扰影响下的大飞机面向控制模型,设计了一种耦合多变量干扰观测器,对大飞机模型中的综合不确定及干扰进行快速精确估计,并用于闭环系统的控制器补偿.在此基础上,通过结合快速超螺旋滑模控制算法与自适应动态规划策略,提出了一种新型的有限时间鲁棒自适应控制器.该控制策略在理论上能够实现强干扰影响下的大飞机有限时间精确稳定飞行控制,并通过对波音747型大飞机进行了仿真验证,可得本文提出的智能自适应控制策略能够有效地实现强风扰影响下的大飞机姿态快速稳定与快速机动.     

基于粒子滤波的部分对应点集刚体配准算法

为了解决部分对应点集之间的刚体配准问题,本文提出了一种基于粒子滤波的刚体配准算法.该方法将部分对应点集配准问题转化成相应的状态估计问题,通过采用基于配准误差驱动的运动模型及设计基于迭代最近点原理的观测模型,从而提出了基于粒子滤波的配准算法解决部分对应点集的刚体配准问题.实验结果验证了本文所提出算法的有效性.     

基于D-S理论的分布交互式多传感器联合概率数据互联算法

为了解决杂波环境下利用分布式多传感器系统跟踪多机动目标的问题，提出了一种分布交互式多传感器联合概率数据互联算法,该算法对每个传感器应用交互式联合概率数据互联法滤波，并将模型概率、状态估计等滤波结果送至融合中心．融合中心首先对各目标进行航迹相关判别并应用D-S证据理论对不同传感器关于同一目标的各模型概率进行融合，然后依此模型概率计算各目标状态估计并反馈至各传感器．最后给出了该算法的分析，仿真结果表明本算法能够很好地解决杂波环境下多传感器多机动目标的跟踪问题．     

多机电力系统的拟哈密顿系统随机平均法

随着可再生能源发电的增加和电动汽车的接入,随机激励(功率波动)对电力系统的影响日益受到关注.随机激励作用于多机电力系统的动态问题,可视为对随机微分方程组分析的问题.由于多机电力系统的高维和非线性等因素,致使现有研究大都以蒙特卡洛法为主,还没有解析分析公式.而拟哈密顿系统下的随机平均法是一个很好的解析分析方法,但目前只针对单机无穷大系统进行了研究.本文将拟哈密顿系统随机平均法推广到多机电力系统情形,获得了随机激励下多机电力系统能量函数的一维扩散过程公式,并通过算例验证其有效性,为多机电力系统随机动力学特性研究提供了基础.     

基于环形DNA分子的一种求解最大集团的计算模型

文中提出了一种基于环形DNA分子的新型计算模型.该模型的核心构成包括环形DNA分子,链霉亲和素包被的磁珠及环化酶.通过应用该模型解决了一个5个顶点的最大团问题,证明了该模型的可行性.在整个计算过程中,真解的搜索是借助于磁珠和环化酶,DNA分子结构在线性和环形之间相互转化.环形DNA分子的应用极大地减少了计算所需的时间和空间,算法的时间和空间复杂度均为O(n+m).对于解决一个n个节点的最大团问题,这种算法和枚举型算法相比,在搜索过程中所需试管数较少,只需n+1个试管,而利用枚举型算法则需要2n个试管.另外,文中构建的非枚举型初始解空间大大提高了DNA计算机的存储和计算能力.在将来,这种新型的DNA计算模型或许会成为一种解决某些NP完全问题的有效工具.     

基于Smith-Waterman算法的并行分而治之生物序列比对算法

生物序列比对是生物信息学中最常见的问题之一, 基于动态规划思想的Smith-Waterman算法是序列比对中最基本的算法. 然而现有的并行Smith-Waterman算法都需要庞大的内存, 且无法处理大规模的数据串, 随着生物数据的急剧增长, 这些并行算法对内存空间的需求已成为需要迫切解决的问题. 由此提出一种并行生物序列比对算法, PSW-DC算法, 该算法采用分而治之的方法把query序列划分为若干片段, 并分配给相应的各个处理器, 而后并行地按Smith-Waterman算法与目标(subject)序列进行比对, 再通过按一定规则的扩展过程求取序列的优化匹配. 与其他并行算法相比, 该算法有效地降低了内存空间的需求, 并实现了对大规模数据串的并行处理. 为实现该算法, 给出了一种称作C&;E的拓展规则及实现方法. 且该方法已经在实际系统中得到实现.     

考虑500kV影响的特高压电网GIC-Q扰动计算

计算地磁暴在电网衍生的地磁感应电流(GIC)流经变压器次生的GIC无功(GIC-Q)损耗增量,以及认识全网变压器同时突发的GIC-Q扰动及其变电站节点的电压变化是地磁暴电网灾害防御需要研究、解决的问题.提出了基于变压器U-I曲线和铭牌参数计算1000 kV变压器GIC-Q损耗的方法,以我国新建1000 kV及相关500kV电网GIC计算数据为基础,考虑500 kV变压器GIC-Q损耗对特高压电网GIC-Q扰动的影响,运用牛顿法计算了特高压电网GIC-Q扰动下的全网节点电压波动,分析了全网变压器GIC-Q损耗增大对1000 kV电网和500kV电网节点电压的影响,以及两个电压等级电网GIC-Q扰动的相互作用.计算结果表明,在正常运行方式下,1000 kV福州站的电压波动最大,电压下降为74.48 kV,相对额定电压的偏移达到-7.13%,超过了运行电压的偏移不超过额定电压±5%的规程规定.而74.48 kV的电压突然下降,会不会导致电网SVC装置输出的无功功率大幅度的降低,以及全网变压器无功消耗突然增大、全网SVC装置输出无功突然下降的效应是需要进一步研究的问题.     

智能文献计量学视角下的知识发现：人工智能+信息计量学

如何高效准确地发现知识并提炼情报是信息管理与图情领域的重要课题。大数据时代人工智能技术的飞速发展为这一课题带来新视野。本文由读《学科信息学与学科知识发现》所悟所感出发,探讨应用于知识发现的文献计量学方法。着眼于文献计量学方法在大规模数据处理、复杂关系发现以及模型可适性、复用性与鲁棒性等问题上的缺陷,本文以智能文献计量学为核心,剖析其与人工智能技术的交互、整合与再创新,并介绍其在生物医学领域知识发现的最新应用。此外,本文还介绍了智能文献计量学在复杂实践中的缺陷,浅谈其发展前景。