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.     

基于具有时间隧道思想的多智能体强化学习的智能发电控制方法

解决雾霾问题的重要途径之一是大规模引入新能源,以减少碳排放.而新能源大规模接入会给互联电网带来强随机扰动.本文提出一种基于时间隧道的多智能体新算法——PDWoLF-PHC(λ)算法.该算法基于变学习率,有效获取最优控制,可解决传统集中式AGC难以解决的新能源及分布式能源大规模接入互联电网所带来的随机扰动问题,促进新能源与电力系统兼容.对改进的IEEE标准两区域负荷频率控制电力系统模型、智能配电网模型以及华中电网模型进行仿真,结果显示该算法可减少碳排放,提高新能源利用率,与已有智能算法相比具有更快的收敛速度及更强的鲁棒性.     

事件驱动、面向服务的物联网服务提供方法

物联网无缝集成了用户域、信息空间域和物理空间域,实现了＂人—机—物＂的动态协同,其应用常常涉及到跨业务域甚至跨组织的用户、业务流程和物理实体的实时动态交互.因此,物联网服务系统往往需要集成多个分布式的企业应用系统从而形成一个大规模复杂服务系统来实时协作完成一定的业务目标.目前,大多数已有研究工作主要集中于解决不同实体和应用系统间在动态交互环境下的互联和互操作问题.然而,如何在信息的提供方和消费者之间按需的分发感知信息、并基于物理世界所发生的变化动态的实时协同相关的企业服务或者业务流程做出快速反应尚没有系统深入地研究.为此,本文结合事件驱动架构和面向服务架构的设计思想,提出了一种事件驱动、面向服务的物联网服务提供方法,该方法能够便捷地支持感知信息的按需分发和聚合,并实现事件驱动的跨业务域甚至跨组织的服务动态协同.这种实现了＂时间、空间和控制＂解耦的服务提供方法极大地增强了物联网服务系统的灵活性和敏捷性,允许系统及时地对物理世界的动态变化做出快速响应.最后,通过实际部署的区域集中供热监控及热计量物联网应用进行了验证.     

梯级水电站群长期发电优化调度多核并行随机动态规划方法

随机动态规划求解水电站群长期发电优化调度易产生"维数灾"问题,导致计算耗时急剧增加,求解效率降低.如何缓解维数灾和提高计算效率,一直是水库优化调度致力于研究的难点问题.在随机动态规划的并行性分析基础上,提出了基于Fork/Join并行框架的多核并行随机动态规划方法.该方法将单个时段内所有变量组合状态下的计算任务作为父任务,通过分治法递归分解为多个子任务,并平均分配到不同的内核同时计算实现细粒度并行求解.以澜沧江下游梯级水电站群为研究实例,建立了3个变量离散数不同的调度方案,并在多核环境下验证该方法的计算效率.结果表明,在2和4核环境下,该方法的计算耗时与串行方法相比,分别节省了约50%和70%,大幅度缩减计算耗时,可充分利用多核资源;同时,计算任务的规模越大,并行计算的耗时缩减幅度越大.因此,此方法为大规模水电系统优化调度提供了一种可行途径,其并行原理可为其他应用所借鉴.     

零维三角型系统带重数的实解隔离

现有的隔离零维多项式系统实解的算法都不计算解的重数.文中用一种自然的方式定义了零维三角型多项式系统解的重数并证明了该定义与经典的局部(相交)重数的定义等价.使用该定义,给出了一个完备有效的算法计算零维三角型多项式系统的实解隔离及实解重数.文中的算法基于代数数系数多项式的无平方因子分解和区间算术.文中还给出了一些算例.     

基于压缩感知理论的杂草种子分类识别

在农业领域,实现自动、准确、稳健的种子分类识别算法是具有重要经济意义的.由于杂草种子的类别很多,大小、形状、纹理等特征变化多样,即使一个类别的种子,不同的特征也会在数量上有所差异.另外,由于种子常常会因潮湿、病菌等因素,产生霉块或病斑即是连续遮挡或噪声的问题,而之前的算法不适合解决此问题.文中通过求解一个复合的欠定线性方程组优化问题来解决杂草种子的连续遮挡问题.文中利用压缩感知理论在机器学习领域的运用,用主成分分析、下抽样、随机取样等方法对种子图像降维,然后就把杂草种子分类问题归结为一个求解待测样本对于整体训练样本的稀疏表示问题.问题的求解通过e~1范式最小化完成.实验结果表明,利用稀疏表示算法进行分类,可以达到很好的识别效果,对于87类的杂草种子,最好的识别率是90.80%.     

水电对风能太阳能间歇性电力的支持与协调运行

简要分析了绿色低碳可再生能源的发展要求、水电和可再生新能源发电的状况.研究了水电对风电、光伏发电的支持及其协调运行.研究表明,水电对于促进风电、太阳能光伏发电的发展、促进可再生能源入网比例最大化具有重要作用.我国的大区电网覆盖范围有数省之广,区内水电站群的总调峰能力,是支持、协调可再生新能源安全稳定运行的重要保障,因而需要开展系统性的研究工作.品质优良的水电,可通过调度安排,尽可能多地承担峰荷,以使化石能源承担的调峰份额减少.以青海为例的计算表明,水电站群的可调节电量与汛期和非汛期有关,年际间也发生变化,在一定的发展年份出现的既需弃掉间歇性电力、而系统总负荷又不能满足要求的矛盾现象,可通过抽水蓄能的双向调节作用予以解决.从资源和环境的角度,建议在适当地区修建咸水抽水蓄能电站.     

能源互联网关键技术分析

能源互联网是解决未来可再生能源大规模有效利用的重要基础设施,围绕着这一新型电力网络的设计、实现、运行和管理中所面临的新问题,提出了实现能源互联网的六大关键技术:先进储能技术、固态变压器技术、智能能量管理技术、智能故障管理技术、可靠安全通信技术和系统规划分析技术,并对各项关键技术所涉及的科学问题进行了分析与探讨.     

底部加热长方体腔内空气自然对流的稳定结构及三维特性的研究

采用具有QUICK差分格式的SIMPLE算法对底部加热长方体腔内空气的自然对流进行了实验研究和数值计算.1）当四周壁面绝热时,腔内流体形成平行于短轴方向的多个长条状涡卷,而平行于长轴方向没有形成涡卷.当Rayleigh数较小时,腔内流动表现出明显的二维特性,沿短轴各个截面的涡卷流动基本一致,三维模型平行于短轴的各截面平均Nusselt数除了边壁处差别较大,中间大部分区域均与二维模型平均Nusselt数比较接近,腔内的空气流动在长轴方向除了边壁附近差别较大,中间大部分区域均呈现明显的二维特性,二维与三维模型计算结果一致,且与实验结果吻合.随着Rayleigh数的增加,涡卷数量与形状都会发生改变,在腔内出现多边形的涡卷,腔内的流动表现出明显的三维特性,此时采用三维模型才能取得与实验一致的计算结果.2）侧壁绝热或者传热量较小时,长高比为16时,三维模型计算得到与实验一致的结果,形成平行于短轴的10个长条状涡卷.当侧壁面有传热时,方腔内流动形成了平行于长轴方向的涡卷,并且热流方向相反时涡卷的旋转方向也相反.3）底部加热长方体腔内空气的自然对流换热,低Rayleigh数时流动和换热处于稳态,当Rayleigh数超过某一临界值时,流动和换热就会发生非线性振荡.随着Rayleigh数的增加,流动的情况基本分成四个区域：稳定区域、单倍周期区域、多倍周期区域和混沌区域.     

体域网中基于特征组合的步态行为识别

物联网(internet of things,IOT)拥有无处不在的识别、传感和通信能力,体域网(body area network,BAN)属于物联网中和人体相关的领域,其应用广泛,可以在日常生活中对人们进行监测及提供帮助.行走是许多日常活动的基本环节,因而步态分析能为体域网应用提供重要的生理行为信息.现有的步态分析已取得一定的研究成果,但仍存在一些问题,例如大多数步态特征提取是对加速度信号进行6重以上的变换,使得特征达到了45维以上,最后需要通过降维或优化来简化特征,较为复杂.本文设计一种灵活便捷的数据采集系统,并利用小波变换、傅里叶变换和四分位差提取出加速度信号中比较简单、低维度但能反应运动特征的步态参数,之后通过模式识别算法进行步态行为识别验证.实验结果表明该系统使用方便,特征提取方法简单实用,识别精确度为97%,EER(equal error rate)最小可到0.9%.     

基于Wasserstein距离的在线机器学习算法研究

本文主要研究基于Wasserstein距离的在线机器学习算法,并分别针对分类和回归问题,提出两个鲁棒的在线学习算法.本文首先在特征-标签空间中对Wasserstein距离进行变形,得到了易于处理和计算的变形式.进而,将在线梯度下降(online gradient descent, OGD)算法和Wasserstein距离变形式结合,分别针对在线分类问题和在线回归问题提出了两种具有较好鲁棒性的在线机器学习算法.文章对提出的新算法累积误差值(Regret,后面用Regret指代)进行了分析,证明了算法的Regret与训练轮次T满足O(■)关系.算法的收敛性可基于算法Regret分析得到,可证明在算法训练轮次T趋于无穷时,算法训练出的模型会收敛到理论最优模型.最后,将所提出算法与FTRL(follow-the-regularized-leader)算法、OGD算法、采用批量学习训练方法的机器学习算法进行数值实验对比.在模拟数据集和真实数据集的实验中,所提出在线学习算法准确率、鲁棒性和模型泛化性能均优于FTRL算法和OGD算法;针对大规模数据集时,虽然所提出的在线学习算法准确率与批量学习相关算...     

无人机群协同跟踪地面多目标导引方法研究

多机协同目标跟踪是无人机系统的典型任务之一.由于军事任务的集群性,在实际中常需要跟踪多个不同的目标.如何使用尽量少的无人机对多个目标实施有效跟踪,以提高系统鲁棒性和定位精度,是一个重要的研究课题.本文针对复杂环境下无人机群协同跟踪地面多目标过程中的关键问题进行研究,设计了复杂环境下无人机群协同跟踪多目标系统架构,提出了考虑遮蔽区域机群跟踪多目标动态分组算法、自适应多模型无迹卡尔曼粒子滤波融合算法和障碍条件下机群协同目标跟踪运动快速导引方法.通过仿真试验和飞行试验,验证了本文方法的有效性.最后,对该领域的下一步研究方向进行了展望.     

考虑光照影响的静态图像感兴趣区域提取

考虑光照对感兴趣区域提取的影响,提出了一种新的基于边缘的感兴趣区域提取算法.该算法基于二维离散小波变换去除了光照对感兴趣区域的影响;并通过对所采集的边缘像素点评价进一步去除了光照在感兴趣区域产生的阴影边缘.将该算法运用于长途客车过道区域的提取.实验结果表明,提出的算法不仅能实现多种情况下的感兴趣区域的自动准确的提取,还能避免光照的影响     

面向精细农业的高维数据本征维数估计方法研究进展

农业信息化是精细农业的重要研究领域,也是农业现代化的重要标志.针对精细农业研究和实施中存在的高维数据处理难题,在分析农业信息快速实时处理需求的基础上,阐述了海量高维数据处理的基本方法,重点对高维数据的本征维数估计理论研究、关键技术和模型参数对本征维数估计结果的影响等进行论述,并分析数据本征维数估计理论尚需解决的科学问题,提出我国在该研究领域的重点发展方向和前沿问题.     

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.     

结构随机响应计算的一种数值方法

摘要应用降维数值积分和C型Gram．Charlier级数展开方法，基于有限元理论讨论了随机结构响应概率分布的计算问题．首先依据正交多项式权函数与随机变量概率密度函数的关系，给出了随机响应统计矩计算的降维数值积分公式；进而应用C型Gram—Charlier级数逼近获得了随机响应的概率密度函数；提出了基于有限元方法求取结构随机响应概率分布的计算流程．数值算例中介绍了平面十杆桁架结构最大位移的概率分布、由随机参数表征的某型车架固有频率计算和弯管结构随机VonMises应力分析问题，所得结果同蒙特卡罗数值模拟结果进行了对比验证．结果表明：文中计算流程能够获得较为准确的随机响应概率分布，特别是对概率分布尾部的估计精度达到10^-44-10^-3数量级，为机械结构安全性分析与设计打下基础；同时，算法的计算效率较高，与传统的数值模拟方法相比通常能够节约计算资源消耗两个数量级以上；第三，算法流程实现简单，不需要计算结构响应对基本随机参数的梯度和二阶灵敏度信息，也不需要对结构有限元矩阵的修改，因此可以充分发挥现有成熟有限元程序的优点，在个人计算机上实现工程随机问题的分析与计算．     

基于相关向量机与随机有限元的筑坝材料参数不确定性反分析

由于面板堆石坝在设计、施工、建设中存在诸多不确定性因素,造成坝体沉降变形控制难的问题,对此建立了相关向量机(RVM)与随机有限元相结合的综合分析方法,对面板堆石坝材料参数的变异系数进行不确定性分析.首先,采用基于Cholesky离散方法的蒙特卡罗随机有限元方法,实现考虑堆石料力学参数变异性的随机有限元计算,从而构造出RVM的学习样本;随后,通过先进的机器学习算法——RVM建立反分析模型中输入-输出间的不确定性关系,有效地模拟材料参数与坝体沉降间的复杂非线性关系,使其能够代替随机有限元进行计算;最后,结合大坝实测沉降数据,利用遗传算法搜索确定筑坝材料的变异系数.通过分析公伯峡面板堆石坝应用实例表明:所建立的不确定性反分析模型综合考虑了数值计算以及输入-输出间的不确定性,可快速、精确地确定筑坝材料参数的变异系数,具有良好的工程应用前景和推广价值.     

基于直接控制FFD参数化方法的跨声速层流翼身组合体稳健性设计

自由变形技术(FFD)技术不是对几何外形的直接操作,进行精细化设计时需引入高阶FFD控制体,针对其在参数化几何外形时的局限性,开展了直接控制FFD参数化方法的研究.通过对基础外形典型剖面进行扰动,将扰动量通过参数识别反映到FFD控制节点上,反求控制节点的位移,有效地降低了高阶FFD控制体进行三维外形参数化时设计变量的个数,并且将典型剖面参数化与三维外形灵活结合,更具物理直观性.运用此参数化方法结合四元数网格变形技术,采用γ- Reθt转捩模型进行边界层数值转捩模拟,多种群协作粒子群算法以及自适应采样技术构建稳健性优化设计系统,运用该系统对于跨音速层流翼身组合体进行了稳健性设计,设计结果表明,优化后的翼身组合体在马赫数不确定性范围内不仅可以保持大范围的层流区域,还可以控制激波缓慢发展,具有较好的稳健性.     

多状态网络可靠性与韧性评估方法综述

为了准确评估复杂系统的可靠性,通常使用网络拓扑结构模型研究系统在各种情况下稳定运行的能力.但现实世界中的许多网络不仅存在连通性要求,还需要传输一定的流量以保证网络具有一定的吞吐量,该网络被称为多状态网络.多状态网络可靠性模型广泛应用于现实中的网络系统,如制造、能源、交通、信息、物流和装备保障、指挥控制和无人集群等.然而,不断增长的系统规模与复杂程度,导致求解多状态网络可靠度愈发困难.因此,寻求更加高效的方法来求解网络的可靠度成为迫切需要解决的难点问题.本文主要对多状态网络可靠性求解算法进行综述,总结了近年来其效率改善方面的研究进展.通过有效降低多状态网络可靠性的评估复杂度,大幅提高该方法的算法效率和可求解网络的规模,为管理者在多状态网络的设计、建造、运行和维护过程中提供支撑,确保多状态网络的稳定、可靠运行.韧性是可靠性的延伸,是衡量系统对抗扰动并从中恢复的能力,能够反映系统毁伤及恢复的全过程.本文进一步讨论了多状态网络韧性评估方法及其进展.     

基于灰色系统模型的城市就业容量预测研究

为解决城市就业容量的预测问题,深入研究了基于灰色系统建模技术的城市就业容量区间灰数预测模型,对模型的模拟误差进行了检验和分析,并将其应用于某市2010～2015就业容量的预测.研究结果对促进劳动力在不同区域的平稳有序流动具有一定的参考价值,对促进灰色系统模型与实际问题的有效对接具有积极意义.