云计算环境下的电力任务节能调度方法研究

随着电力行业数据的持续增长,云环境下电力调度消耗的能量越来越多,加剧了能源危机和环境污染。在电力云平台架构的基础上,提出一种基于云计算的电力任务节能调度算法。将虚拟机分配给具有最优性能功率比的节点进行处理,通过迁移虚拟机实现资源整合。通过仿真将该调度算法与节能虚拟机调度节点算法和改进型最佳拟合递减算法进行比较。仿真结果表明,在不显著降低效率的情况下,该方法可以节能10%以上。该研究为云环境下最优电力调度方法的发展提供了一定的参考和借鉴。     

云计算数据中心虚拟机节能管理机制研究

云计算数据中心的耗电量巨大,但绝大多数的云计算数据中心并没有取得较高的资源利用率,能耗高。为了能够有效降低云计算数据中心的能耗,提出了一种适用于异构集群系统的云计算数据中心虚拟机节能调度算法(PVMAP算法),并且从对超载服务器列表进行获取、获取待迁移虚拟机列表、迁移超载虚拟机、迁移低载虚拟机与采集数据四个方面对算法进行了描述。仿真实验结果表明:与经典算法PABFD相比,PVMAP算法的能耗明显更低,可扩展性与稳定性都更好。与此同时,随着〈Hosts,VMs〉数目的不断增加,PVMAP算法虚拟机迁移总数和关闭主机总数的增长幅度都要低于PABFD算法。云计算数据中心虚拟机节能管理机制建成后,能够为云计算数据中心运营优化、资源配置、管理提升等多层面提供有效的支撑。     

基于虚拟机动态迁移的电力仿真云计算平台资源调度策略

针对目前电力系统仿真计算实时性与计算精度要求高、平台可扩展性差以及资源利用率低等特点,首先给出了一种基于开源基础设施平台OpenStack和并行处理框架Hadoop的电力仿真云计算平台架构,能够以较低成本实现动态扩展、高效计算和海量存储等功能。其次,结合电力系统仿真任务特点,给出了一种基于多目标粒子群优化(PSO)算法的虚拟机迁移策略,实现电力仿真云计算平台资源调度。虚拟机迁移过程采用指数平滑预测模型确定热点,选择虚拟机时综合考虑迁移速度和效果两个因素,利用多目标PSO算法搜索目标节点,使得电力系统仿真计算在保证服务质量的同时兼顾高资源利用率和低运行成本的优势。最后,通过CloudSim进行仿真实验,将所提算法与贪心迁移算法和顺序放置非迁移算法进行对比。实验表明,所提算法在服务等级协议(SLA)违背率、剩余资源率、能耗以及虚拟机迁移次数等指标上均优于其他算法,验证了基于虚拟机动态迁移的多目标PSO算法在电力仿真云计算平台资源调度中的优势和可行性。     

基于半监督域适应的微弱光环境下行人检测研究

为了解决可见光图像在微弱光环境下会出现检测性能下降的问题,本文提出了一种半监督域适应的行人检测算法。首先,结合均值教师模型和YOLOv8检测器搭建半监督检测网络;其次,使用图像融合算法和风格迁移算法相结合的方式生成伪图像进行伪交叉训练,减少图像之间的域差异问题;最后,将基于Transform的混合注意力机制引入主干特征提取网络,在提升图像分辨率的同时进一步提升检测精度。实验结果表明：在LLVIP数据集和KAIST数据集上,该算法的检测精度分别达到89.3%和66.8%,相比SSDA-YOLO算法分别高出7.6%和19.8%;相比Efficient Teacher算法分别高出4%和8.7%;相比全监督算法ICAFusion分别高出1.8%和17.9%。与以往的算法相比,该算法具有更高的检测精度。     

无线传感器网络能量有效精度可控时间同步

针对无线传感器网络对时间同步低能耗的需求,以及不同时间同步用户对同步精度要求的不同,提出了一种能量有效精度可控时间同步方法.基于GPA算法构建网络的PS向量,结合PBS实现网络节点的时间同步分组传输,减小网络同步分组数据的传输量,降低时间同步的能耗;通过联合极大似然法估计节点间的相位偏移和频率偏移,为高精度时间同步提供保证;基于最大频率偏移估计获取网络同步误差,通过RBF神经网络控制器实现同步周期和同步分组次数的实时调整,在保证同步精度的前提下降低同步算法的能耗.最后,通过实验验证了算法的有效性。     

施耐德电气全新升级PowerChute~(TM) Network Shutdown软件以支持虚拟集群环境

正全球能效管理专家施耐德电气宣布推出PowerChuteTM Network Shutdown软件V3.1版。该软件是一款基于网络的服务器关机解决方案升级版,具备更强的虚拟化支持功能。PowerChuteTM Network Shutdown V3.1扩展了虚拟化功能,可协同施耐德旗下APC的UPS网络管理卡,在VMware和微软Hyper-V集群中实现自动虚拟机迁移以及虚拟机和主机的正常关机。这让用户在电源故障发生时可以确保关键设备获得保护,并且能够让IT经理对其虚拟基     

基于数据增强的太阳能电池片缺陷检测

针对太阳能电池片缺陷数据量匮乏造成的网络过拟合和模型性能不达标的问题,提出基于深度卷积对抗生成网络和图像随机拼接的真假数据融合算法,将训练数据量提升了800倍;同时对网络模型进行轻量化优化,减少模型训练参数。实验结果表明,经过真假数据融合扩充数据集后训练的模型测试精度相比原始训练集和传统数据增强算法分别提升了近30%和17%;轻量化处理后的模型参数减少为之前的1/2,对每张图片的测试时间由57 ms缩短到22 ms。研究证明,真假数据融合算法能够有效的缓解训练数据不足造成网络过拟合问题;轻量化优化模型在保证精度的同时,压缩模型大小,加快测试速度。     

基于数据增强的太阳能电池片缺陷检测

针对太阳能电池片缺陷数据量匮乏造成的网络过拟合和模型性能不达标的问题,提出基于深度卷积对抗生成网络和图像随机拼接的真假数据融合算法,将训练数据量提升了800倍;同时对网络模型进行轻量化优化,减少模型训练参数。实验结果表明,经过真假数据融合扩充数据集后训练的模型测试精度相比原始训练集和传统数据增强算法分别提升了近30%和17%;轻量化处理后的模型参数减少为之前的1/2,对每张图片的测试时间由57 ms缩短到22 ms。研究证明,真假数据融合算法能够有效的缓解训练数据不足造成网络过拟合问题;轻量化优化模型在保证精度的同时,压缩模型大小,加快测试速度。     

基于迁移学习的长短时记忆神经网络水文模型

针对无/缺水文资料地区水文建模的难题,提出了基于迁移学习的长短时记忆神经网络（LSTM）水文模型。以嘉陵江、乌江和岷江流域为例,基于实测水文气象数据,采用K-最近邻算法与土壤和水评价模型（SWAT）模拟生成气象和径流数据,并构建实测和模拟样本集;然后构建不同的网络迁移微调策略和网络学习情景,分析迁移网络的可能性和性能。结果表明,固定网络的细胞层并微调网络其他层时,迁移学习的效果较好;同流域和跨流域进行网络迁移时,迁移后的网络更稳定且精度更高;跨流域迁移时,源流域和目标流域的相似度越高,迁移网络的难度更小,精度更高。该模型为无/缺水文资料地区构建水文模型提供了新的思路。     

基于分支前馈神经网络的数字字符识别算法

将分支前馈神经网络(BFNN)运用于数字字符的模式识别问题中,其某些性能优于标准反向传播(BP)网络。BFNN的隐层神经元与输出神经元之间为分组对应关系,采用的学习算法与标准BP算法类似。BFNN可以根据样本的可分性构建最适宜的网络结构。在对大规模、分类复杂的样本进行识别时,性能优于标准BP网络。     

基于改进YOLOv4算法的高压塔鸟巢检测

针对现有算法对高压塔上鸟巢检测存在参数量过大,实时性不足及对小目标检测能力较弱的问题,提出了一种改进的YOLOv4算法。首先使用Mobilenetv2网络代替CSPDarknet53网络作为主干网络,减少算法的参数量且提升检测速度;同时在Mobilenetv2网络的逆残差网络中嵌入注意力Coordinate Attention模块,增强网络对目标特征提取能力。然后,对PANet网络进行改进,获取更多的细节特征信息,提高对小目标鸟巢的检测能力。最后,使用Focal Loss函数优化损失函数,降低大量简单背景样本训练的权重,提升对小目标鸟巢困难样本训练的侧重,进一步提高对小目标鸟巢的检测能力。实验结果表明,较原始的YOLOv4算法,改进后的YOLOv4算法的参数量减少了48.1%,检测速度和精度分别提高了12.9fps和2.33%。即改进后的YOLOv4算法大幅度减少了算法参数量,且对鸟巢的检测拥有更好的检测性能。     

基于边缘计算的泛在电力物联网群组密钥管理算法研究

随着泛在电力物联网的快速发展,网络传输的可信任性与安全性开始成为其在关键领域中应用的基本前提。然而大多数现有的方案不适用于泛在电力物联网环境。文中在分布式密钥管理与边缘计算的框架下,提出了一种群组密钥加密算法。这种算法通过使用基于相同主题的节点群组构建算法构建分组,并且通过使用基于群组密钥管理的密钥分配算法等算法,减少了随着分组内节点增减而产生的重新派生新密钥以及节点之间传递密钥所需的系统开销,密钥生成节点无需和所有物联网节点建立通信链路。文中还对方案的性能指标进行了评价,证明了文中提出的密钥管理算法可提高设备性能,降低功耗,适用于泛在电力物联网的各种环境。     

基于迁移学习多层级融合的运动想象 EEG 辨识算法

为了准确获取运动想象脑电信号的全局特征和个体间的共性特征,进而提高其分类准确率和模型鲁棒性,提出一种参 数共享迁移学习的融合卷积神经网络算法。 首先把源域上训练完成的网络逐层迁移至目标网络以获取最佳迁移层。 其次,在 迁移层后分别连接不同数量的卷积-池化块构成 4 个不同深度的卷积网络,并将其并行融合后连接分类器得到分类结果。 利用 BCI 竞赛 IV Datasets 2a 对提出方法进行实验分析。 结果显示,使用 100%和 50%样本时所有受试者的平均辨识率分别为 80. 85%和 78. 9%,验证了提出方法在全局特征提取上的有效性小样本问题上的优势。     

轻量级注意力X射线矿石检测方法

针对缺乏矿石数据集和矿石分类识别模型等因素,自建以X射线照射成像的矿石图像为数据集,并以MobileNet V2为主网络,提出基于改进MobileNet V2轻量级矿石分类模型算法。首先,通过调整扩展因子和宽度因子大幅减少模型参数量,实现模型轻量化的目的;其次,通过在部分倒残差模块和原模型分类器中嵌入高效通道注意力机制,并将剩余倒残差模块替换为含深度空洞卷积的并行特征提取网络,以增强模型特征信息提取能力,提升模型识别准确率;最后,使用迁移学习的训练方式初始化权重,加速模型训练。经过改进,该算法矿石识别准确率提升至96.720%,对比VGG16、GoogleNet、Xception、ShuffleNet和MobileNet V2在准确率和矿石检测速度都获得了提升。综合而言,相比本文实验中其他算法而言,改进算法针对矿石的识别性能具有更佳表现。     

分布式生成树中限制搜索半径的定位算法研究

在分布式生成树(DST)中,针对限制TTL的DST定位算法不能有效地降低搜索时间和网络带宽使用的问题,提出了一种基于搜索半径限制的定位算法,并给出了确定搜索半径的依据.在资源均匀分布的DST中,满足条件的搜索半径可以确保搜索请求以高概率成功定位到符合条件的资源,减少了网络带宽的使用,缩短了资源定位时间。通过数学分析和实验仿真,说明基于搜索半径限制定位算法的网络带宽使用和搜索时间与网络规模无关,算法的时间复杂度为常数阶,其性能优于限制TTL的DST定位算法。     

小样本条件下永磁同步电机深度迁移学习性能预测方法

使用深度学习算法建立代理模型可实现电工装备性能的快速预测与分析,但其训练过程需大量样本。而现代电工装备的标签样本稀缺,导致模型预测精度低,制约了算法的工程应用。考虑到历史任务中积累的标签样本充足,且此类样本与目标任务的样本间存在相关的知识信息,建立了一种深度迁移学习性能预测方法,将历史电机样本中积累的性能预测知识迁移应用于目标电机性能分析中。首先使用目标域无标签样本对深度置信网络（DBN）进行逐层无监督训练,然后借助源域有标签样本建立参数共享的预训练网络,最后通过少量目标域有标签样本进行适配层训练和全网络微调的方法实现模型迁移。通过结构差异程度不同的Prius电机进行案例验证,结果表明,所提方法能够在满足一定预测精度的情况下,使用较少的标签样本完成目标电机的性能预测任务,为现代电工装备的性能分析与优化提供了新的思路和实践方法。     

一种面向智慧城市场景的传感网自适应无线充电方法

无线传感器网络(WSN)和物联网(Io T)技术的迅速发展正为通信领域带来一场新的革命,在军事领域、工农业监控、智能电网、智能交通、医疗和安防等领域扮演着越来越重要的角色。然而,无线传感器节点存在电量有限、处理计算能力弱、通信带宽小、内存容量小等缺点,特别是能量有限问题严重制约了物联网的发展。无线可充电传感器网络可解决以上问题,但目前为止所提到的算法中,只考虑了在给所有节点充电的前提下所做的提升(减少损耗和减少充电器数量),没有考虑充电时间和节点冗余问题,还不具备完备性和高效性。据此,文章提出分布式移动充电算法(DMC),减少了无线充电时间。另外,还提出自适应智能充电算法(AIC),通过融合基于GAF算法的一维线性休眠机制,可提升充电效率、节约能耗、减少充电器数量,可大幅度提升无线传感器网络性能。     

施耐德电气全新升级PowerChute Network Shutdown软件以支持虚拟集群环境

正2014年2月18日,全球能效管理专家施耐德电气宣布推出PowerChuteTM Network Shutdown软件V3.1版(PowerChuteTM Network Shutdown v3.1)。该软件是一款基于网络的服务器关机解决方案升级版,具备更强的虚拟化支持功能。PowerChuteTM Network Shutdown软件V3.1版扩展了虚拟化功能,可协同施耐德旗下APC的UPS网络管理卡,在VMware和微软Hyper-V集群中实现自动虚拟机迁移以及虚     

用于电力系统信息综合传输的改进加权公平队列调度算法

为保证电力系统信息综合传输中各种信息业务的服务质量,提出一种改进的最坏情况下公平的加权公平队列(improved worst-case fair weighted fair queueing plus,IWF2Q)调度算法。该算法通过在WF2Q算法的虚拟开始时间和虚拟完成时间计算公式中引入"虚拟延迟时间",解决了电力系统信息综合传输中由WF2Q算法导致的推迟传输高优先级信息业务分组的问题。以NS2为工具,建立了基于区分服务体系结构模型的IEEE 14母线系统信息综合传输网络仿真模型,运用网络仿真方法定量评估了以IWF2Q算法实现基于区分服务体系结构模型的电力系统信息综合传输时各类信息业务的实时性和公平性。仿真结果表明,IWF2Q算法降低了高优先级信息业务分组延时,同时兼顾综合传输的各类信息业务间的公平性,证明了IWF2Q算法的有效性和可行性。     

基于改进域对抗网络的轴承故障迁移诊断方法

针对工业场景下复杂工况导致的轴承故障数据特征分布差异,以及难以获得大量有标签数据的问题,提出一种基于 Wasserstein 距离与局部最大平均偏差(LMMD)改进的一维卷积子域适应对抗迁移网络(SANN)。 该网络首先构建 CNN 特征提 取器进行预训练,学习领域特征表示,在对抗训练阶段,对抗层引入 Wasserstein 距离来度量源域与目标域的差异,实现边缘分 布的对齐,固化训练结果。 在特征提取层引入 LMMD 计算模块捕获每个类别的细粒度信息,实现条件分布的对齐。 通过两种 变工况下的轴承故障数据集对该模型性能进行验证。 实验结果表明,无监督的条件下,本文所提方法在目标数据集上相较于基 础域对抗网络分别提高了 5. 0% 和 6. 9% 的识别精度,性能优于现有的迁移算法。