网络生存适应性的多目标评估

为了更好地测度网络适应环境变化的能力,提出了一种简单的多目标量化评估网络生存适应性的方法.该方法将网络效率、网络鲁棒性和网络代价等多个优化目标结合起来,通过定量加权的方法对网络拓扑的生存适应性进行综合评估,避免了仅依靠网络平均路径长度、最大连通子图规模等单一度量指标进行评估的不足.仿真实验结果表明,综合了环型和星型结构优势的Hub型拓扑结构的生存适应性比较高,节点度分布较均匀的ARPA网络的生存适应性比较优,提高网络拓扑度分布的均匀性是改善网络拓扑生存适应性的有效措施.该评估方法不仅能够有效度量不同网络结构在动态环境下的生存适应能力,还能进一步为网络拓扑的优化、设计和重构提供有益的指导.     

互联系统结构保留的频率慢动态仿真分析

大规模互联电力系统(LIPS)在长期动态中由于频率和电压的慢动态可能引发生存性危机,最终造成一些大停电事故.为此,作为LIPS慢动态频率控制器设计的第一步,文中对LIPS结构保留的频率慢动态进行了建模和仿真.在以区域惯量中心频率为区域均一频率的假设下,建立了LIPS结构保留的频率慢动态模型,并提出了时域仿真计算方法.将该方法应用于双区域4机系统和IEEE 30节点3区域系统,并在4机系统上与暂态稳定程序作比较,结果均表明相应模型和方法是可行和有效的.     

基于无监督学习的智能数据中心电力拓扑系统

在任务关键型云计算服务中,构建准确的数据中心电力拓扑结构对于实现快速准确的故障处理,减轻故障事件对云计算服务质量的损害十分重要。但目前数据中心电力拓扑结构的生成过程具有劳动密集型的特点,其准确性难以得到有效评估和保障。该文设计了一种基于无监督学习的智能数据中心电力拓扑系统(intelligent data center power topology system,IPTS),不仅可为电力系统的运行部分自动生成实时变化的电力拓扑结构,而且可利用电力系统的监控数据对人工构建的数据中心电力拓扑结构进行验证。实验结果表明,IPTS可自动生成准确的数据中心电力拓扑结构,一致性比率(CR)可达到0.978,并可有效地定位人工构建的电力拓扑结构中的大多数错误。     

入侵检测系统评估环境的设计与实现

入侵检测系统（IDS）的评估和开发都需要一个仿真网络环境。功能完整的IDS评估环境，不需经大的改动就可以直接用于IDS的测试开发，本文从IDS评估的角度，对这样的仿真网络环境进行了讨论，设计得到的评估环境也可用于IDS的开发过程。在给出IDS的性能指标之后，我们提出了IDS评估环境框架，并以该框架为基础，对评估环境中的网络流量仿真，主机使用仿真和网络攻击仿真等几个关键技术问题进行了深入研究，在文章的最后，给出了对我们单位开发的IDS进行测试的一些结果，测试在我们搭建的一个基本评估环境中进行。     

高耗能企业关口平衡问题的双目标规划模型

针对高耗能企业关口平衡问题的多解性特点,提出了关口平衡双目标规划模型,以研究关口平衡合格率、关口流量和机组出力波动性之间的关系.采用线性规划对关口平衡问题进行建模分析,以整个调度周期内不满足关口平衡条件的关口流量惩罚值总和最小作为模型的第一优化目标,并引入整个调度周期内机组调节量惩罚值总和最小作为第二优化目标,分别采用线性加权求和法和分层序列优化法对该双目标优化模型进行求解.基于国内某大型钢铁企业数据的实验结果表明,双目标规划模型能够在不增加关口流量惩罚值总和的情况下,有效减少机组出力波动.     

数据中心PUE能效优化的机器学习方法

本文研究如何利用机器学习方法来降低数据中心电能使用效率(power usage effectiveness,PUE)指标.现阶段以Google公司为代表的工业界使用的神经网络模型考虑的特征数量较少,且仅考虑单一特征变化对PUE指标的影响,缺少对特征之间耦合特性的分析.此外,机器学习方法对数据集的质量和数量要求都很高,并且落地实施过程和结论判断皆容易受到噪声干扰,整体难度较大.现阶段学术界和工业界尚缺少对具体优化案例的详细阐述.本文对现阶段利用神经网络模型优化PUE指标的方法进行改进,增加了特征维数,提高了预测精度,取得了超出Google公司PUE模型预测精度的结果.利用历史样本轨道,使用统计方法近似得出特征之间的耦合特性,并代入灵敏度分析中,得到更加精确的分析结果.提出基于灵敏度分析的冷却系统参数设计优化方案;利用腾讯华北某数据中心的海量数据和现场条件,实施制冷系统参数设定优化的实验,实验效果证明了优化方案的有效性.     

多类型煤炭海运运输库存管理一体化模型

针对大型发电集团煤炭采购海运总成本较高、库存积压严重的问题,提出海运运输库存管理一体化的三层混合整数规划模型。该模型基于多配送中心至多电厂码头的物流配送网络,考虑实际海运中复杂的船舶构成及电厂码头靠泊限制,采用混合整数规划方法,以调度周期内发电集团总部煤炭采购运输成本总和最小作为第一优化目标,以船运公司航次运行总费用最小为第二优化目标,并考虑电厂码头库存成本及库存不平衡惩罚,采用分层序列优化方法对该模型进行求解。基于国内某大型发电集团及其下属12个电厂的实验结果表明:该模型在避免煤炭短缺及库存爆仓的同时,降低供应链系统总费用800万元,减少由等待泊位引起的滞期费用195万元,降低电厂码头平均库存量30%;分层模型可有效降低由统一建模带来的管理难度及求解复杂度,特别适用于多电厂码头的复杂煤炭海运问题。     

基于粗糙集理论的主机安全评估方法

针对大多数安全评估系统不能评估漏洞的组合对网络安全危害的缺陷 ,提出采用粗糙集理论进行主机安全评估的方法 .该方法利用历史评估记录 ,把漏洞作为安全要素 ,在基于粗糙集理论的属性约简能力上 ,建立了安全评估模型以及具有安全要素、服务和主机 3个层次的安全风险度量模型 ,再结合安全要素和服务重要性因子进行加权 ,计算主机的安全风险 ,进而评估、分析系统的安全态势 .与其他方法相比 ,该方法能够自动建立基于规则的安全评估模型 ,评估单个安全要素和安全要素的组合对系统安全的威胁 ,且能够监控因系统配置改变引起的系统安全状态的变化 .通过仿真实验建立了系统安全态势曲线 ,从 7天的实验记录中还发现了 9条有用的评估规则 ,这表明采用该方法的评估结果更加准确、直观     

电力系统短期负荷预测的多神经网络Boosting集成模型

提出了一种改进的多神经网络集成自适应Boosting回归算法.算法中采用相对误差模型代替绝对误差模型,可以更接近于回归预测问题的要求,并在Boosting迭代过程中,在对训练集采样得到新的训练子集的同时,也对校验集采样得到新的校验子集,保证了两者的一致性.进而采用美国加州电力市场的实际数据,建立了由多个神经网络集成的电力系统短期负荷预测模型.预测结果表明,与传统的单网络预测模型相比,Boosting集成预测模型能显著提高模型输出的稳定性,增强网络结构及模型选择的可靠性,获得更高的预测精度.     

一类含积分约束的生产制造系统优化调度

“即时消费”类生产制造系统的优化调度具有重要学术和应用价值. 满足此类系统对产量的实时需求, 考虑调度计划的可实现性具有挑战性. 如何得到精确满足累积产量实时需求的最优调度目前尚无系统方法, 迫切需要研究. 本文建立了含积分约束的生产制造系统优化调度新模型. 通过对生产量变化率约束的深入分析, 证明了该类优化问题等价于光滑非线性规划问题. 生产设备在各时段的产量上下界可表述为时段初、末时刻瞬时生产率的二元函数, 且为精确可达的上下界. 本文结合梯度映射的单调性, 证明了上下界函数的凸性(凹性), 在生产成本为凸函数时, 进一步证明了此类优化调度问题等价于凸规划问题. 本文以上述分析为基础, 针对含积分约束的生产制造系统优化调度问题, 提出了两阶段数值求解方法, 在许多情况下可以迅速获得调度问题的全局最优解. 新模型和相应求解方法克服了生产量变化率约束带来的困难, 获得了精确满足累积产量实时需求的最优调度. 本文同时以电力生产优化调度问题为例, 进行数值求解, 并对结果进行了讨论, 验证了新模型和相应方法的有效性.