计及需求响应和共享储能的多微网系统双层优化调度

在多微网系统中考虑用户的需求响应行为和加入共享储能装置均会对系统内的能量流动及设备出力情况造成影响。在此背景下,为促进储能装置的高效利用和可再生能源的就地消纳,提出一种同时计及耗能用户需求响应和共享储能的多微网系统双层优化调度策略。对共享储能运行模式、多微网系统和耗能用户自主响应行为进行建模;分别以多微网系统净收益最大、耗能用户总购能成本最低为上、下层目标,形成合作型Stackelberg互动均衡模型;将下层模型转换成KKT最优条件,随后用Big-M法和对偶定理对非线性项进行处理,将Stackelberg博弈模型转换为混合整数线性规划问题,对多微网系统的能源定价策略、共享储能动态容量划分和各微网内设备的运行状态进行求解。为促进微网间的功率交互,提出基于交互贡献度的利润分配方案。最后,采用5个方案作为算例验证了所提策略的有效性。     

计及配电公司特许经营权的产消者点对点交易模型

在针对配电系统层面设计点对点电力交易机制时,需要考虑配电公司所拥有的特许经营权,通过设计适当的网络收费模式有效补偿配电系统基础设施所有者的投资和运行成本。提出一种计及配电公司特许经营权的产消者点对点交易模型。基于配电公司和产消者之间的主从互动关系,建立基于电气距离的过网费定价双层博弈模型,上层为以配电公司收益最大为目标的过网费价格决策模型,下层为考虑过网费的产消者最优调度模型;基于卡罗需-库恩-塔克(KKT)条件将双层博弈模型转化为单层混合整数规划问题,进而得到过网费价格;利用交替方向乘子法分布式求解产消者点对点实时交易电量和交易电价。IEEE 33节点配电系统的仿真结果验证了所提模型能在保证配电系统安全运行的基础上保障所有产消者利益,且能合理补偿配电公司因放弃部分特许经营权而产生的收益损失。     

基于分区电价的跨区电力调度双层优化模型

为充分利用跨区调度资源,提出一种基于分区电价的跨区电力调度双层优化模型。采用等效发电成本曲线对区域内部的煤电机组出力进行建模,采用一种基于整数规划的机会约束方法对风电和光伏出力进行建模。建立与分级调度模式相适应的双层优化模型,作为上级调度机构的上层模型以区域间送受电量为决策变量,以区域间送受电量价值最大化为目标,下层模型实现区域内部的经济调度。根据卡罗需-库恩-塔克(KKT)条件将双层模型转化为单层模型进行求解。算例结果验证了所提模型的有效性。所提模型在送电区域和受电区域之间维持一定的电价差异,通过传输较少的电量缓解受电区域的电力供需矛盾。     

基于改进生成对抗网络与 ConvLSTM 的航空发动机剩余寿命预测方法

针对航空发动机运行周期内故障数据难以采集而造成的数据失衡等问题,提出一种基于Wasserstein距离与梯度惩罚措施的条件生成对抗网络与卷积长短时记忆网络相结合的预测模型。首先,使用WCGAN-GP模型学习预处理后的时序数据的深层分布特征;然后,利用生成器生成故障样本并与真实样本混合,作为训练集输入到基于ConvLSTM网络的预测模型中进行训练。基于C-MAPSS数据集开展验证比较,结果表明：与单一真实样本训练预测模型相比,使用混合数据时性能指标RMSE和Score平均下降了12.65%和48.95%。     

提升极端条件应急通信保障能力研究

极端条件应急通信保障是当前应急通信面临的重点和难点。分析了极端条件应急通信需求以及当前应急通信保障能力存在的薄弱环节,提出了极端条件应急通信保障能力提升方案,包括研制先进适用的应急通信装备、构建鲁棒性与韧性较好的应急通信网络、发展智能精准的指挥调度系统、建设完备专业的应急通信队伍等。     

BERT蒙古文词向量学习

以Word2Vec为代表的静态蒙古文词向量学习方法,将处于不同语境的多种语义词汇综合表示成一个词向量,这种上下文无关的文本表示方法对后续任务的提升非常有限。通过二次训练多语言BERT预训练模型与CRF相结合,并采用两种子词融合方式,提出一种新的蒙古文动态词向量学习方法。为验证方法的有效性,在内蒙古师范大学蒙古文硕博论文的教育领域、文学领域数据集上用不同的模型进行了同义词对比实验,并利用K-means聚类算法对蒙古文词语进行聚类分析,最后在嵌入式主题词挖掘任务中进行了验证。实验结果表明,BERT学出的词向量质量高于Word2Vec,相近词的向量在向量空间中的距离非常近,不相近词的向量较远,在主题词挖掘任务中获取的主题词有密切的关联。     

高阶条件随机场引导的多分支极化SAR图像分类

目的 针对极化合成孔径雷达（polarimetric synthetic aperture radar,PolSAR）小样本分类问题,基于充分挖掘有限样本的极化、空间特征考虑,提出一种由高阶条件随机场（conditional random field,CRF）引导的多分支分类网络模型。方法 利用Yamaguchi非相干目标分解方法,构建每个像素的极化特征向量。设计了由高阶CRF能量函数引导的多卷积分支特征提取网络,将像素点极化特征向量作为输入,分别提取像素点的像素特征、邻域特征和位置特征信息。将以上特征进行加和融合,并输入到softmax分类器中得到预分类结果。利用超像素方法对预分类结果图进行进一步修正和调优,平滑相邻像素之间的特异性和相似性。结果 采用1%的采样率对两组真实的极化SAR数据进行测试。同时,为了更好地模拟实际应用中训练样本位置分布不均匀的情况,考虑了空间不相交采样方法作为对比实验。综合两种采样策略的实验结果表明,相较于只利用像素级特征或简单利用空间特征的方法,本文方法总分类精度平均提升7%～10%,不同地物类别的分类精准度均在90%以上,运行速度相比于支持向量机（support vector machine,SVM）提高了2.5倍以上。结论 通过构建高阶CRF引导的卷积神经网络,将像素特征信息、同质区域特征和地理位置信息进行融合,有效建立了像素级和对象级数据之间的尺度关联,进一步扩充了像素点之间的空间依赖性,提取到了更强大更准确的表征特征,显著提高了标记样本数量较少情况下的卷积网络模型的分类性能,进一步保证了地物目标散射机制表征的全面性和可靠性。     

基于小样本无梯度学习的无线传感器网络分簇路由方法

针对无线传感器网络由于某些样本数量较少、网络节点间剩余能量差高,导致路由分簇困难、分类准确率低的问题,提出基于小样本无梯度学习的无线传感器网络分簇路由方法。采用条件生成对抗网络处理小样本数据,在有限样本中获取更丰富的信息,通过LEACH协议算法划分无线传感器网络中各传感器节点为簇,通过无梯度学习的GABP算法优化簇首节点和簇首数量,构建无线传感器网络分簇路由方法。实验结果表明,所提方法的簇首数量均分布在4个～7个处,最高网络节点间剩余能量差为0.015 8,网络寿命达到241轮,因此,所提方法能够选择更理想的簇首数量、增强网络能耗均衡性、延长网络寿命。     

结合半监督聚类的地质图像多条件生成方法

近年来深度学习技术在地质学的应用越来越广泛.地质学科中的一个重要课题是根据稀疏的空间观测数据建立合理的地下模型.最近的工作通过条件生成对抗网络来探索条件化地质建模,产生了逼真且符合空间观测数据的地质图像.然而,多数方法只关注将空间观测数据作为硬条件,忽视了对生成图像中地质属性的调节.本文引入地质属性标签调节地质图像中具体的地质属性表现,将表征地质属性类别的标签数据作为生成条件之一,扩展一个属性分类器与该标签配合,从而实现更可控的图像生成.针对属性标签的人工标注成本大的问题,本文采用半监督聚类利用少量的标注数据为无标签数据自动分配标签.此外,聚类可能产生噪声标签影响建模结果,此方法使用对称交叉熵损失改进分类网络以提高网络对于噪声标签的鲁棒性.本文在黄河地区的河流地质数据集上进行大量实验,结果表明所提出的方法对于不同的属性标签生成了地质模式不同且符合空间观测数据的逼真地质图像,证明了本方法的有效性.     

基于条件时序生成对抗网络的楼宇空调负荷场景生成方法

电力系统运行与规划中需重点关注到楼宇空调负荷的不确定性,可将楼宇空调负荷变化的不确性场景转化为多个确定性场景的场景生成问题。提出了楼宇空调负荷场景生成问题的基本分析框架,深入分析了楼宇空调负荷的用能特征,挖掘了楼宇空调负荷用能时序序列数据所蕴含的动静态特征。将楼宇空调负荷数据的动静态特征作为条件监督项,将无监督对抗训练与监督训练相结合,设计了联合训练损失函数与全局优化损失函数,并在此基础上提出了一种基于条件时序生成对抗网络(time series generative adversarial nets,TimeGAN)的楼宇空调负荷场景生成方法。最后,通过算例验证了所提方法的可行性与有效性。研究成果对提高楼宇空调负荷主动参与电力系统的运行规划有积极的意义。