考虑平行系统特征的双活调度系统的设计与应用

为提高电网运行的稳定性,需要构建稳定可靠的电网调度系统,现提出一种考虑平行系统特征的双活调度系统。通过构建主备两个数据中心,平常根据应用业务量在主备调间进行调整,实现对资源的充分利用。发生故障时,另一个正常运行的中心将承担所有业务。并将平行系统视为电网虚拟运行系统,将真实与虚拟系统结合后得到电网双活调度系统,并具有管理和控制模块、实验和评估模块、学习和培训模块等功能。该系统通过对数据进行初始化处理,计算出电力分配结果,建立双层任务调度模型,利用遗传算法求解模型,从而实现双活调度系统的优化调度。对系统进行试验测试,试验结果表明：本文设计系统所提方法达到最优分配值所需时间短、效率高、电网信息调度总量大,调度能力强,调度信息的安全性高。说明所设计的双活调度系统具有可行性,利于区域电网的优化调度。     

永磁同步电动机电磁振动特性及抑制措施

电磁振动水平是永磁同步电动机的重要评价指标之一,为了有效抑制永磁同步电动机的电磁振动,文中首先建立了转子永磁体磁动势、定子绕组电流磁动势与定子齿槽相互作用产生的径向电磁力的解析分析模型。然后建立了电机的变参数矢量控制系统的场路耦合联合分析模型,以一台11 kW内置式永磁同步电动机为样机,利用机械阻抗法得到了电机主要低阶电磁力产生的电磁振动噪声频谱,确定了对电机电磁振动起主要作用的低阶电磁力的频率。最后利用遗传-蚁群算法,研究了通过优化电机的定子齿槽参数有效削弱具有上述频率的低阶电磁力,从而有效抑制电机的电磁振动。结果显示,利用文中方法确定的定子齿槽参数能有效抑制电机的电磁振动,并且对电机的运行性能产生的影响较小。     

利用用户数据报协议数据驱动的液压六自由度并联机构虚拟现实技术

针对复杂系统虚拟现实技术应用时实现精准描述系统的动态工作原理,复现真实系统的运动控制功能比较困难的问题,以具有高阶、非线性、强耦合等特征的液压六自由度并联机构为研究对象,提出了一种利用用户数据报协议(user datagram protocol, UDP)实现专业软件MATLAB与虚拟现实开发软件Unity3D的虚拟现实技术。首先利用三维建模软件SolidWorks构建并联机构三维模型,将模型导入Unity3D软件中并对其施加关节约束;其次对并联机构进行运动学反解,建立MATLAB与AMESim联合仿真模型;最后通过UDP协议,实现MATLAB与Unity3D双向实时数据交互并驱动虚拟机构动作。仿真表明：虚拟机构动作完全符合真实物理系统的工作原理,基于UDP协议数据驱动的虚拟现实技术具有很好的准确性与实时性。     

指路标志信息连贯性设计

指路标志对人们的出行有着非常良好的指引作用,良好的指路标志设计可提高驾驶人的通行效率。路网中节点处标志信息量的多少会影响驾驶员对标志信息的识读,进而影响到整个路网的通行效率。因此,通过引入节点的指路标志信息量作为惩罚系数,计算得出路段成本,建立OD间指引路径规划模型,结合A*算法,遍历整个路网,最后得出OD间的最优指引路径,通过在指引路径上增设指路信息,从而完善OD间指路标志信息的连贯性,更好的引导驾驶员做路径选择,降低路网中的交通压力。并选取甘肃省庆阳市的火车站(O点)到人民医院(D点)的区域进行实际应用与分析。     

BP算法应用中的关键问题

分析了学习方法的选择、隐层数和隐层单元、学习步长的选择、避免局部最小的方法、学习样本的选择、激活函数的选择等使用BP算法时应考虑的问题,并将BP网络应用于化学反应催化模型。     

基于mRMR-IPSO的短期负荷预测双阶段特征选择

电力负荷具有时空多变的特性,受众多因素的影响,在短期负荷预测中较多的输入特征会造成维度灾难,导致模型预测性能不佳,因此选择合理的输入特征集至关重要。文章提出一种新的短期负荷预测特征选择方法——mRMR-IPSO双阶段法。利用最大相关最小冗余（max-relevance and min-redundancy,mRMR）判据对原始特征进行排序,考虑输入特征与输出特征之间相关性和输入特征间冗余性,筛选掉一些排序靠后的特征,初选出对预测效果影响显著的特征子集;采用基于改进的粒子群优化算法（improved particle swarm optimization,IPSO）的搜索策略,以LightGBM模型的预测精度为适应度函数,对初选特征子集进行精选,得到最优特征子集。算例结果表明,所提方法能在对原始特征集大幅降维的情况下提升预测精度。     

基于遗传算法优化机器学习模型的地下水潜在性预测

传统机器学习模型在地下水潜在性预测中,未考虑最优因子组合,会对地下水潜在性制图产生不利影响。为此,提出了遗传算法优化支持向量机的地下水潜在性预测方法。以云南省彝良县为研究区,从地形、水文、土壤、地质等方面选取了共15个影响因子;考虑模型性能和影响因子的作用,利用遗传优化算法筛选了包含11个影响因子的最优因子组合;然后使用支持向量机方法构建了地下水潜在性预测模型;最后计算了因子优化前后的模型准确度和受试者工作特性曲线下面积（area under curve,AUC）,并绘制了模型的受试者工作特性（receiver operating characteristic,ROC）曲线和地下水潜在性预测图。结果表明：因子优化前模型的准确度为0.774,验证集AUC为0.789,因子优化后模型的准确度为0.777,验证集AUC为0.806,分别提高了0.003和0.017。可见,所提方法的准确性、可靠性优于传统的支持向量机法,其结果可以为区域水文地质调查和地下水资源管理与规划提供科学参考。     

HD水电站库岸大型斜坡变形体成因机制及稳定性评价

近年来,受水库蓄水及降雨等因素影响,造成大量水电站库岸边坡变形加剧,一旦失稳极可能对电站的正常运行造成极大危害。本文选取距HD水电站坝址约6 km,方量约353万立方米的库岸边坡变形体作为研究对象,通过综合采用野外地质精细调查、室内试验、三维数值模拟和理论分析等方法对该变形体的稳定性及成因机制进行深入研究。结果表明：该岸坡变形体基岩以玄武岩、凝灰岩为主,覆盖层总体较薄,主要为碎石土,变形体的持续发育由多因素耦合作用引起;当暴雨或水库蓄水时,变形体有效应力减小,位移量增加,滑面剪应变增量增加且贯通性更好;三维数值模拟结果显示,在天然、暴雨、低蓄水位(1586 m)和高蓄水位(1691 m)工况下的最大变形量分别为33.9 cm、56.2 cm、79.5和88.6 cm;该变形体的发育过程可分为两个阶段,分别是天然情况下的稳定阶段和暴雨或水库蓄水后的加速变形阶段,暴雨和库水位上升是促进该变形体持续变形的主要原因。     

多策略集成的改进技能优化算法及应用

针对技能优化算法(Skill Optimization Algorithm,SOA)寻优精度不高、收敛速度慢等缺点,本研究提出一种多策略集成的改进技能优化算法(Multi Strategy integrated Skill Optimization Algorithm,MSSOA)。MSSOA采用佳点集策略初始化种群,提高初始种群在解空间内的分布质量;根据算法特点在全局搜索阶段采用自适应权重,改进个体行进的步长;根据不同个体采用不同的t-分布扰动方式,平衡全局搜索和局部搜寻的关系,增强算法后期局部搜寻能力。通过12个测试函数、2个工程应用问题对其性能进行测试,测试结果表明MSSOA有着理想的寻优精度和收敛速度,能够解决复杂的工程问题。     

基于k-means的动态多组织PBFT算法

联盟区块链系统被广泛用于金融和物流等场景。现有应用于区块链系统的实用拜占庭算法（practical Byzantine fault tolerance,PBFT）存在可扩展性较低及通信成本较高等问题,阻碍了区块链系统在大规模场景中的应用。针对上述问题,提出了一种动态多组织实用拜占庭容错算法（k-means-practical Byzantine fault tolerance,k-PBFT）。通过改进k-means算法,根据节点的时延以及节点间通信距离将节点分为多个自治组织,各组织之间通过组织代表节点进行通信。当新节点加入时,根据其特点将其分配到最合理的组织。同时,引入信誉机制以辨别系统中的诚实节点与恶意节点,从而提高系统的安全性。此外,该算法还引入节点任期机制,使区块链中每个诚实节点都有机会充当组织代表节点或主节点。实验结果表明,与PBFT算法相比,k-PBFT算法通信复杂度降低了75%;当节点数为100时,相比于PBFT算法,时延降低了210 ms,吞吐量提高了100%。在高延迟环境下,相较于基于信誉分组的PBFT改进算法,当节点数为100时,时延降低了20%,吞吐量提高了17%。