云环境下基于秘密共享的海洋遥感影像认证方案

云存储模式的出现为海量海洋遥感影像的存储和管理带来了机遇,越来越多的用户选择将海洋遥感影像数据移植到云中,但云存储环境的开放性对海洋遥感影像数据的安全性提出了挑战。以保障云环境下海洋遥感敏感数据的安全性为前提,提出一种影像认证方案,将哈希函数与(k,n)门限秘密共享方法相结合,检测敏感区影像信息变化,并对加密前和恢复后的影像进行一致性验证,保护加密影像数据的机密性。同时,为避免n个子秘密中,因多于n-k个子秘密的篡改或丢失,造成敏感区影像不可恢复情况的发生,采用对敏感区影像进行分块的策略,对每个子影像块做进一步的秘密共享处理,以保证部分影像的无损恢复。实验对比分析表明,所提出的安全认证方案可以有效防止秘密恢复过程中的欺诈行为,同时可获得比传统方法更高的遥感影像云存储安全性。     

基于碳捕集与液态CO2储能的综合能源系统优化调度

针对综合能源系统在新能源消纳方面的不足,提出一种基于碳捕集与液态CO2储能的综合能源系统。首先,分析了液态CO2储能实际运行特点以及碳捕集装置综合灵活运行方式的“削峰填谷”特性;其次,建立考虑液态CO2储能与碳捕集装置不同运行方式的综合能源系统;最后,以系统总运行成本最小为目标函数建立优化调度模型,并通过负荷率、能源利用率等评价指标衡量调度结果。算例分析表明,该优化模型可提高能源利用率,缓解系统调峰压力,实现系统运行的经济性和低碳性。     

基于信息熵种子点选取的流线可视化

有效的种子点选取方法是影响流线分布洞悉流场特性的关键。在保持流场变化规律与重要特征准确描述前提下,为了解决由过多流线所导致的遮挡与杂乱问题,提出了基于贪婪策略和蒙特卡洛的两种种子点选取方法。基于贪婪策略的种子点选取方法通过流场信息熵的计算,对流场中的关键特征具有高度敏感性。基于蒙特卡洛种子点选取方法根据均匀随机分布函数生成输入,基于信息熵计算输入点影响半径确定流线分布。通过多个数据集对两种选取方法实验,结果表明基于贪婪策略选取方法可高效捕获流场的关键特征,基于蒙特卡洛方法选取流线更加均匀,保持了流场全局变化规律,两种方法的结合得到更优化的流场可视化效果。     

双向叶轮直驱式海浪发电装置设计与优化

为了降低海洋能源发电装置的发电成本、提升发电效率,研制了一种新型的双向叶轮直驱式海浪发电装置。采用经验算法和Fluent软件分别对装置的发电机、叶片、双向轴流泵和导流罩进行了设计优化。通过对安装20 W电机和200 W电机发电装置的水槽试验,分析了在不同工况和负载下,发电装置输出的直流电流值、直流电压值、发电功率以及获能效率。结果显示,波浪力能够直接驱动装置叶轮运转进行发电,不需经过中间环节转换,省去了二级发电损耗,在最低流速0.5 m/s的工况下装置能够自启动,而且水流的流向不影响装置的发电效率。从最终的获能效率可知,导流罩对于提升装置发电效率作用巨大。通过对此新型双向直驱式海浪发电装置的进一步研究表明,该发电装置尺寸及发电机功率是制约整个装置发电效率的关键,为下一步研制大型样机以及进行海试提供了依据。     

一种基于改进模糊聚类算法的自适应典型日选取方法

考虑单一算法在选取典型日负荷曲线上的不足,将改进后的可能模糊C均值聚类算法（PFCM）与模糊线性判别法（FLDA）相结合提出一种新的集成聚类方法。首先将原有的PFCM改进,得到改进后的PFCM,并将其应用于最佳聚类数的选取;然后将改进后的PFCM与FLDA相结合,将该集成聚类算法应用于负荷曲线的聚类。最后,通过某电网全年负荷数据验证了所提方法在典型日选取上的有效性。     

考虑时序性和相关性的EVCS在配电网中的最优规划

随着电动汽车的日益增加,电动汽车充电站（EVCS）的规划也迫在眉睫。由于交通流量和车主出行情况具有随机性,导致EVCS充电负荷也具有不确定性,因此EVCS在电网中的电气接入点和容量会影响配电网经济性和安全性。考虑EVCS负荷以及典型分布式能源的时序性和相关性,通过拉丁超立方抽样（LHS）技术生成大量场景并引入边距排序因子改进K-means聚类算法缩减场景,以配电网有功网损最小和电压偏差最小构成的综合评价指标为目标函数构建优化模型,最后利用IEEE33节点系统进行算例分析,得到EVCS的最优接入点及容量。     

基于密度和中心指标的Canopy二分K-均值算法优化

针对二分K-均值算法由于随机选取初始中心及人为定义聚类数而造成的聚类结果不稳定问题,提出了基于密度和中心指标的Canopy二分K-均值算法SDC_Bisecting K-Means。首先计算样本中数据密度及其邻域半径;然后选出密度最小的数据并结合Canopy算法的思想进行聚类,将得到的簇的个数及其中心作为二分K-均值算法的输入参数;最后在二分K-均值算法的基础上引入指数函数和中心指标对原始样本进行聚类。利用UCI数据集和自建数据集进行模拟实验对比,结果表明SDC_Bisecting K-Means不仅使得聚类结果更精确,同时算法的运行速度更快、稳定性更好。     

基于蚁群算法的深海着陆车路径规划

针对深海着陆车海底作业“路径最优”问题,提出一种适用于着陆车的三维海底全局路径规划算法。采用栅格等分法建立着陆车作业区域的三维海底环境抽象模型。通过对着陆车航行过程动力学分析和驱动电机速度与工作效率测试,建立其航行运动能耗模型。采用局部和全局信息素更新的基于蚁群寻优的能耗-距离路径规划算法,并将能耗、距离引入到启发函数与评价函数中。仿真实验结果表明,该算法通过合理选取评价函数权重参数,能有效均衡路径规划的里程与能耗,具有较好的收敛速度和全局搜索能力,能够满足深海着陆车海底科考作业需求。     

高速永磁电机降低热损耗方法研究

高速永磁电机在众多领域具有广阔的应用前景,本文首先对电机发展情况进行了总体介绍,给出了现有永磁电机的不同结构类型。为了降低电机热能损耗,可以从定转子的结构改良、制作新型永磁体材料方面考虑。之后对不同的电机冷却系统方案进行比较,提出了降低热损耗的方法并进行了改进。最后论述了永磁电机发展所面临的问题,展望高速电机的未来发展趋势和方向。     

计及空间相关性的轻量级风电功率预测方法

针对风电功率预测数据高维灾难以及云计算的通信依赖问题,提出一种风电功率的属地边端轻量级预测方法。采用KNN算法计算风机间的距离量化空间相关性,并引入轮廓系数自适应地确定近邻数k以降低冗余特征维度,从而确定输入目标预测风机的邻近风机数据;基于Seq2Seq结构的GRU-MLP网络完成各台风机的风电功率预测。实验结果表明,在预测准确率近似的条件下所提方法相较于常规网络复杂度小、效率更高,可为风电场功率预测任务从云端向边缘迁移提供技术方案。