符合认知规律的分布式电网可视化方案设计探讨

电网可视化技术的落后已经成为制约电网企业提高调度管理的精细化、集约化与智能化水平的瓶颈。随着分布式能源的发展,电力系统调度难度增加,亟需研究实现计算机辅助决策与调度员思维过程深度融合与互动的方法,提高调度精细化管理水平。基于可视化技术的基本原理及电网可视化系统设计的基本要求,分别从人类视觉规律、知觉规律、记忆规律和思维规律4个方面对符合认知规律的分布式电网可视化方案设计进行了探讨。     

基于PSO-ELM模型的潜油柱塞泵冲次优化方法

为改进油井后期泵效低下、能耗高等缺陷，提出了一种基于PSO-ELM模型的潜油柱塞泵冲次优化方法.采用粒子群（PSO）算法与极限学习机（ELM）相结合的方式来实现动液面软测量建模；根据动液面及潜油柱塞泵工作电流变化，以油井运行经济性最优为目的建立目标函数得到潜油柱塞泵冲次，解决了在油井生产时不能准确调节抽油机冲次问题；最后以目标函数关系建立模糊控制器模型，根据输入参数调整潜油柱塞泵冲次.实验结果表明，建立的软测量模型预测动液面精度高，模糊控制器能够更加合理地调整抽油机冲次，最终达到智能调整冲次大小、提高油井采油率及节能的目的.     

残差增强的图像描述符

针对增大视觉码书在提高图像全局描述符——局部特征聚合描述符(VLAD)精度的同时会增加VLAD存储开销的问题,提出一种基于2层结构层次视觉码书生成残差增强的图像全局描述符EVLAD.离线码书生成阶段,首先通过K-means算法生成第1层视觉码书,然后基于量化残差最小化原则非均匀地生成第2层各视觉子码书.在线EVLAD生成阶段,图像局部特征首先面向细粒度的第2层视觉子码书生成量化残差;然后面向第1层视觉码书进行聚集生成各子向量,EVLAD即为各子向量的串联结果,为了抑制特征空间爆发现象,各子向量和串联结果分别进行了L_2归一化.实验结果表明, EVLAD精度优于VLAD和其他各种改进方法.     

基于深度学习的IPTV视频用户行为分析方法研究

IPTV视频业务的复杂性和多样性使其难以充分发挥运营商技术优势。借助深度神经网络DNN模型对IPTV视频用户进行用户行为分析。利用深度学习算法对用户点播视频活跃度实施精确分类,从而帮助IPTV服务提供商合理配置资源,同时为终端用户提供更高效优质的服务。实验结果表明,与现有的方法相比,该方法收敛快,分类准确率达93%。     

LTE-Advanced异构中继网络研究

文中提出一种LTE-Advanced异构中继网络架构,并设计合理的中继接入/退出机制,确保用户通过中继传输获得通信质量的改善;提出了中继传输用户的切换机制,有效避免切换过程中用户数据在回程链路上重复转发的问题,大大减少了中继切换过程中的网络延时;最后,结合Full Buffer业务模型对该中继系统用Opnet进行仿真分析,证明在加入中继并合理设置中继接入控制阈值后有助于充分发挥中继系统的作用,使系统性能得到极大改善。