考虑源荷不确定性的电热系统联合调度

针对风电和电热负荷不确定的问题,提出计及源荷不确定性的旋转备用容量的优化方法,建立考虑电热备用耦合影响的调度模型。在日前阶段,以能源与负荷的预测量制定机组的出力方案,风电由于其预测精度较低,利用Beta概率密度函数来拟合风电出力,从而确定风电的不确定性带来的旋转备用容量,利用机会约束规划来处理不确定问题;负荷有较高的预测精度,但其波动性较强,使用概率场景生成和削减的方法制定不同场景下负荷备用需求的调整量,以日运行成本最低建立目标函数,运用改进的粒子群算法在IEEE30节点系统上验证了所提模型的经济性和鲁棒性。     

含蓄热式电采暖的综合能源系统日前优化调度策略研究

以含蓄热式电采暖的综合能源系统日前优化调度运行问题为研究对象,分析了蓄热式电采暖系统运行的各种特点,建立了含蓄热式电采暖的综合能源系统运行优化调度模型。将某典型蓄热电采暖用户场景作为算例进行验证,结果表明通过对蓄热式电采暖运行情况进行优化,可以有效降低其对电网的负荷冲击,减小电网峰谷差,提升电采暖设备的使用效率,大幅降低用户采暖的运行费用。该方法可为蓄热式电采暖用户参与和电网互动、促进可再生能源消纳、提升采暖系统经济运行水平、降低电网峰谷差以及促进蓄热式电采暖系统推广等提供参考依据。     

柔性高压直流输电仿真技术研究方法综述

柔性直流输电工程应用前景广阔,采用各种高精度高效率仿真技术对柔性直流系统进行理论分析和运行特性研究是柔性直流技术发展的关键;实时数字仿真、物理动模仿真和数字物理混合仿真是常用的系统仿真研究方法。总结柔性直流输电系统结构及核心装备;分别介绍三种仿真方法,从基本理论与算法原理、实现方式和柔直装备建模方法等方面进行论述,并总结各种方法的适用性和优缺点。最后,对柔性高压直流输电仿真技术的发展趋势和关键问题进行了总结和展望,提出了几点可能的研究思路。     

基于改进深度强化学习的智能微电网群控制优化方法

针对微电网群控制的经济效益、负荷波动以及碳排放问题,提出一种基于改进深度强化学习的智能微电网群运行优化方法。首先,计及分布式电源、电动汽车及负荷特性,提出微电网的系统模型。然后,针对微电网群的运行特点,提出4个系统优化目标和5个约束条件,并且引入分时电价机制调控负荷运行。最后,利用改进深度强化学习算法对微电网群进行优化,合理调控多种能源协同出力,调整负荷状态,实现电网经济运行。仿真结果表明了所提方法的有效性,与其他方法相比,其收益较高且碳排放量较小,可实现系统的经济环保运行。     

高风电渗透率下考虑需求侧管理策略的智能微电网调度方法

提出了一种高风电渗透率下考虑需求侧管理策略的智能微电网调度方法。首先,考虑经济、环境成本指标、清洁能源就地消纳量以及可中断负荷和可转移负荷策略,建立了多目标优化调度模型。然后,引入ε约束法生成Pareto前沿解集,利用归一化方法求出最优折衷解。最后,基于24节点配电系统对所提方法进行分析验证。算例结果表明:建立的多目标优化模型能够有效提升清洁能源的消纳率,提高调度方案经济性,同时有效降低发电污染排放。采用的需求侧管理策略能够有效平抑负荷波动,达到削峰填谷的目的。     

一类具有Beddington - DeAngelis功能反应的离散竞争系统的概周期解

针对一类具有Beddington - DeAngelis功能反应的离散竞争系统,运用差分不等式和通过构造适当的Lyapunov函数,证明了该系统具有持久性和全局吸引性.利用差分概周期方程的壳理论,得到了保证该系统存在唯一的概周期解的充分条件.所得结果补充了文献[3]和文献[4]的工作.     

一类负模量Kirchhoff - Carrier方程的解

利用变分方法和反证法研究了一类含有非线性项的Kirchhoff - Carrier方程,证明了当0<λ1时,该方程至少存在一对非平凡解,且当λ≥a λ₁时该方程不存在同号解.     

基于l1范数相干度的量子态区分

为探究区分量子态的最优策略,以相干作为资源,利用附加辅助系统的方法来区分非正交量子态,并给出了l₁范数相干度与区分量子态的成功概率之间的数值关系,同时量化了某些特定情况下不出错的量子态区分(UQSD)的最优协议所需的l₁范数相干均值.本文的研究结果表明,通过调整生成的相干度可以提高区分量子态的成功几率.     

基于自动机理论的密码匹配方法

针对用户安全登录问题,提出了一种基于自动机的密码匹配模型.首先,对于用户任意输入的密码进行同态映射加密; 其次,构造出可接受加密密码的自动机——状态数目可变自动机(VNS - DFA),该自动机不仅能够匹配加密密码,同时还可以输出加密密码的同态原像以及匹配成功的次数; 最后,在状态数目可变的自动机上对用户输入的密码进行实验验证表明,用户建立的密码经过同态映射后可全部被该自动机接受,且该自动机的时间复杂度优于传统的DFA以及改进的DFA.     

基于相对熵的KNN文本分类方法的研究

摘要:为提高处理文本相似度的效果,提出了一种基于相对熵度量文本差异的KNN算法.该算法首先对文本进行预处理(分字与删去停用字)和构建特征字字典; 然后计算训练集中所有文本特征字的概率,并组成训练集(特征字概率矩阵); 最后计算预测文本的特征字概率向量,并通过计算和统计K个预测文本与训练集文本间相对熵最小的文本类别个数后将数目最多的类别作为测试样本的类别.实验结果表明,该算法的分类效果不仅显著优于传统KNN、SVM、Decision Tree、朴素Bayes算法的分类效果,且在小样本数据情况下