基于综合灵敏度的两阶段电压控制分区方法

针对传统电压分方法中发电机节点转换会影响负荷区域灵敏度的问题,提出一种基于综合灵敏度的两阶段电压控制分区方法.第一阶段采用综合灵敏度实现负荷节点的聚合分区,并在该阶段完成主导节点的识别.第二阶段首先考虑电压稳定性归并PV节点,然后采用灵敏度法逐次归并剩余发电机节点.综合灵敏度模型能全面反映负荷区域功率与电压的耦合性,主...     

贝叶斯网络结构学习的双重K2算法

贝叶斯网络源于人们对人工智能领域不确定性问题的研究,是进行不确定问题推理和数据分析的重要工具。结构学习是贝叶斯网络研究的核心内容,K2算法是结构学习的经典算法之一。为解决K2算法学习效果强烈依赖于节点序的问题,本文提出一种新的混合结构学习算法：双重K2算法。该算法首先将节点信息作为初始节点序,通过K2算法的搜索策略得到初始网络结构;然后在初始网络结构上利用拓扑排序得到修正后的节点序;最后K2算法通过修正后的节点序学习得到最优的网络结构。通过实验验证,在精度和效率上,双重K2算法效果优于其它经典算法。     

基于同步相量测量的电力系统网络拓扑分析方法

现代电力系统对网络拓扑分析的实时性和准确性要求越来越高,相量测量装置广泛地应用于电力系统中。分析了厂站母线之间的关联关系,基于同步相量测量装置获取的实时进出线电压、电流相量数据和基本电路定理,创新性地提出了一种判断厂站内等效节点数以及判断进出线运行状态的方法,由此可以获得全网的拓扑结构。结果表明,所提算法有效地采用了同步相量测量的模拟量信息,能在开关发生变化时快速获取新的网络拓扑。通过不同类型的仿真场景验证了所提方法的准确性和适用性,并且进一步采用实测数据验证说明了所提方法能在实际电网中起到重要作用。     

一种适用于质量交换网络优化的节点非结构模型

质量交换网络（MEN）作为过程集成系统的新兴分支方向，具有提高资源利用效率和降低环境污染的双重效益。目前典型的超结构模型在MEN优化中已经取得了很好的应用，但超结构固定排列方式限制了模型中换热器匹配的灵活性和求解域的扩大。基于此，提出了一种新的有分流节点非结构模型，以节点的形式量化传质单元的匹配方式，实现传质单元在流股上的自由匹配，从而增强了单元匹配的灵活性。同时考虑到实际工程中有分流情况的出现，以分组数和分支数表示传质单元的有分流形式，进一步扩大了模型的求解范围。最后，通过2个实际MEN算例分析计算，验证了有分流节点非结构模型的有效性。     

基于GCN的复杂网络关键节点识别研究

准确识别出网络中的关键节点是复杂网络研究的重要内容之一.现存的关键节点识别方法多数是基于网络结构提出的中心性度量方法,识别准确率低且适用范围具有局限性.因此本文提出了基于图卷积网络的关键节点识别方法,不仅考虑了节点属性,还考虑了网络结构和邻居节点结构.首先,根据网络图例数据提取多维度特征并构建特征向量;其次,将节点特征向量输入到GCN层学习;最后,通过回归损失函数计算出最小损失,识别出关键节点.本文选取传播动力学中的SIR模拟实验和牵制控制实验作为评价方式,在不同类型的真实网络上进行验证.结果表明本文提出的方法在适用范围和准确率方面较其他方法更具优势.     

稳定度激励算法对移动区块链节点的共识优化研究

在基于移动节点的区块链系统中，节点速度与位置的变化以及节点本身的可信度会影响共识节点选取和区块验证时的稳定性，存在产生恶意节点选取和区块验证共谋．本文提出一种稳定度激励算法，在节点选取方面，根据节点可信度和质量因子计算各个节点的稳定度，并选取稳定度超过阈值的节点成为候选节点，再从中选取稳定度较高的节点生成区块；在区块验证方面，利用节点的稳定度关联节点收益，通过计算节点的验证延迟与收益，并迭代节点收益约束计算延时需求和激励奖励的最优解，激励其余高稳定度的候选节点加入区块验证．仿真结果表明，在基于移动节点的区块链系统中，与MWSL和TSL两种算法进行比较，稳定度激励算法能够提高恶意节点的检测成功率和验证区块的正确概率，提高了区块链共识的稳定性．     

基于标记注意力机制的社区发现算法

针对网络的聚类进行研究,提出了一种基于标记注意力机制的社区发现算法,网络特征通过标记节点频率及反示例节点频率联合度量,为使网络特征的度量更加关注于示例节点的细节信息,引入注意力机制来处理网络特征。社区划分由复杂网络预处理、网络节点的策略、社区博弈归并三个部分组成,其中网络节点的策略由无贡献节点归并、节点到社区的判断以及节点逻辑标记和的判断三个步骤组成。实验借助于真实网络进行验证,在归一化互信息、模块度、社区划分数量及运行时间四个方面,基于标记注意力机制的社区发现算法都优于其它社区发现算法。在实际生活中应用此算法,能够更加直观地显示网络内部之间存在的联系。     

面向点击通过率预测的交互边选择算法研究

点击通过率(click-through rate, CTR)作为推荐系统中必不可少的核心任务分支，提高其预测准确性，既能改善用户的浏览体验，也能为平台增加收益。以往模型在对点击通过率进行建模预测时，保留所有的交互特征存在信息冗余，交互低效等问题。针对这一问题提出了一种面向点击通过率预测的交互边选择模型，通过自动识别冗余信息来动态选择有益的交互特征，主要由交互边选择网络层，图节点相似度注意力层构成。交互边选择网络层引入过滤阈值机制并结合动态关联矩阵来去除冗余信息，图节点相似度注意力层通过学习相似度权重矩阵来解决节点过度平滑问题。在Criteo和Avazu两个公开数据集上的大量实验证明，该模型的预测能力优于已有模型。     

节点角色化的工业互联网感知层安全路由方法

针对新兴工业互联网因开放、异构、节点众多且资源受限等而面临突出的感知层路由安全困难的问题，提出一种节点角色化的工业互联网感知层安全路由算法。依据功能定位将工业互联网感知层中的节点划分为普通节点、簇首节点、汇聚节点和安监节点4种角色，建立起融合节点角色化和随机巡查的安全信誉评估方法，形成基于节点信誉评估的感知层分簇拓扑，融合节点安全信誉评估方法和Dijkstra算法优化建立工业互联网感知层安全路由。仿真结果表明，提出的算法对工业互联网感知层恶意节点的发现准确率可达到94%，有助于提升工业互联网感知层的路由安全。     

标签分割的软件定义飞行自组网控制器智能部署方法

针对当前软件定义飞行自组网中多控制器部署面临的负载不均衡和网络可靠性问题, 提出一种标签分割的控制器智能部署方法。该方法能够在不预设控制器数量的条件下, 根据控制器容量约束和网络结构, 输出最佳控制器数量及部署位置。基于节点自身特征和关联特征赋予节点标签, 根据标签完成控制域划分并通过布谷鸟搜索算法优化划分过程。在此基础上，考虑控制器平均时延、负载差异度和控制域时延波动的影响, 确定控制器部署位置。仿真结果表明，所提算法能在保证网络可靠性的同时有效减少控制器数量, 降低部署成本; 同时, 降低控制器平均时延和负载差异度, 保证各控制域间平均时延的相对平衡, 实现网络均衡。