概率表示的二进制粒子群算法在组卷中的应用

在组卷优化问题的研究中,组卷受到多约束条件的限制。为提高在线考试系统中试卷的质量,提出采用概率表示的二进制粒子群优化算法(BPSO)的智能组卷策略,采用粒子群优化算法有效克服遗传算法的局部搜索能力差,以及导致"早熟"和收敛速度不理想等缺陷。在标准粒子群算法基础上,利用贝叶斯公式对粒子群算法进行改进,克服人为因素对算法收敛速度的影响,同时算法的时间性能和空间性能得到进一步提升。通过仿真证明改进算法是一种切实可行的组卷策略。     

多元QoS约束下电力通信无线资源分配的边缘代理调度方法

为满足不同配电通信业务的服务质量要求,BS需要在时变网络条件下实时优化无线资源。提出一种基于级联深度网络的接入网无线资源边缘代理调度方法,将时频资源和发射功率分配给延迟耐受度不同的业务。核心网采用网元功能与专用硬件设备解耦的软切片方法,在保证负荷在规定时长内可靠切除的同时,提高了核心网服务器对不同业务的时空间复用能力。仿真结果表明,多业务并列运行时RTU与协控子站间的接入时延与TD-LTE专网相比降低40.76%,相邻第一第二信道间的功率泄露比均高于45 dB,满足毫秒级负荷切除业务分路整组动作时延和通信可靠性的要求。     

考虑电动汽车停泊概率的配电网接纳电动汽车能力评估方法

针对规模化电动汽车无序充电易导致配电网电压及潮流越限,需要定量评估配电网接纳电动汽车的能力问题,提出考虑电动汽车停泊概率的配电网接纳能力评估方法。首先在充电负荷建模环节增加考虑电动汽车停泊概率的影响,采用二阶段方法确定充电负荷所在节点;其次对基础负荷的季节特性进行建模,以研究由此导致的配电网接纳能力季节差异;建立了考虑静态安全约束的接纳能力评估模型,采用机会约束消除充电负荷预测偏差对评估准确度的影响。最后通过算例验证了所提评估方法的有效性。     

基于随机森林的多站融合项目优先业务筛选机制

在“双循环”新发展格局和“电力数字化”战略中顺势发展“多站融合”项目。基于多站融合布局,提出了一个多站融合项目区域性优先业务筛选的技术方法,从经济发展与能源产业视角,依据各区域属性特征将中国31个省市划分为四类区域,并结合多站融合项目业务清单所梳理的三大类业务范畴,利用随机森林算法的大数据分析法,通过选择区域数据样本,形成了多站融合项目区域性优先业务筛选机制,进而依据优先业务匹配组合预测,实现了各区域优先发展业务的精准甄别和科学选择。实证分析验证了基于随机森林算法的多站融合项目区域性优先业务筛选模型的科学合理性以及有效可靠性,以期为多站融合推进提供有益参考。     

基于机器学习的网络拥塞控制研究

拥塞控制是网络研究的经典课题,可以避免网络因拥塞而性能下降。其在互联网的发展中扮演着重要的角色。近年来,随着机器学习、深度学习和强化学习的兴起,给拥塞控制提供了新的思路。对网络拥塞控制的机制进行了详细分析,阐述了国内外对于该领域的研究现状及进展,将有代表性的解决方案分为基于规则的解决方案、基于路由反馈的解决方案和智能解决方案3类,并详细分析了各方案的原理及优缺点。     

基于ArcReLU激活函数的优化研究

对常用的激活函数进行了研究比较。对曾经提出的一种新型激活函数ArcReLU进行了改进,使其具有更快的收敛速度和更低的计算消耗。实验证明,改进的ArcReLU函数既能显著加快反向传播神经网络的训练速度,又能有效降低训练误差,甚至能避免梯度消失的问题。     

基于层次分析法的电力终端安全评估方案

随着能源互联网中大量电力智能终端的部署,有效评估电力终端的安全性显得尤为重要。针对现有方案存在选取指标因素不全面、未对权重结果进行验证和评价结果主观性太强等问题,根据电力终端风险评估需求,提出了基于层次分析法的电力终端安全评估方案,模拟实验数据获取指标权重,引入模糊综合评价法来降低评估结果的片面性。实验结果表明,和已有方案相比,该方案更适用于电力终端安全评估,能有效发现存在的安全风险,且评估结果更接近实际情况。     

基于改进的人工蜂群算法的微电网储能系统容量优化配置

由于风光能源具有间歇性和波动性的特点,对电网的电能质量造成了不良影响,因此提出了一种微电网的储能容量优化配置方法。首先,建立以用户用电费用最低、储能能量损失最小及风光能源的波动性最小为目标的微电网系统模型;然后,提出了一种改进的人工蜂群算法求解模型,通过不同的算法对无储能、单储能及混合储能3种储能方案模型进行求解分析;最后,采用熵权法找出适用于微电网的最佳储能方案。实验结果表明,改进的人工蜂群算法能够求解微电网模型且不易陷入局部最优,并通过熵权法得出了蓄电池和超级电容的组合适合作为微电网储能系统的结论。     

基于INS定位和WIFI指纹定位技术的无人机室内定位方法研究

针对无人机室内定位问题,提出了一种基于惯性导航系统（INS）和WIFI指纹定位技术的四旋翼无人机的室内定位方法。该方法首先利用WIFI模块测量的信号接收强度信息,根据WIFI指纹定位原理求出该定位时刻下的无人机位置;同时,利用惯性传感器信息计算出INS定位下的无人机位置,结合两种定位结果得出更为精确的位置。最后,通过实验验证了INS定位和WIFI指纹定位相结合的无人机室内定位方法的有效性,且该方法较两种单独定位方法的定位精度更高。