考虑运行方式的电网关键线路辨识

寻找电力系统的关键线路并加以控制可预防连锁故障的发生,因此需要一种切实可行并符合实际的关键线路评估指标。首先利用直流潮流功率传输分布因子改进线路介数,并用以评估线路的结构脆弱度;然后结合线路的运行状态,提出线路的综合脆弱度评估指标,线路的脆弱度不仅与结构脆弱度有关,而且还会受状态脆弱度的影响;最后通过仿真分析验证了利用综合脆弱度指标识别出的IEEE14节点系统的关键线路开断对系统的影响普遍较大,并证实了该方法的正确性和有效性。     

一种定值在线校核顺序的优化方法

电力系统运行方式变化时,保护定值可能不适应当前的运行方式,需要校核部分保护的定值。然而大规模复杂电网中,需要校核的保护非常多,校核工作很难在短时间内完成,导致电网存在校核风险。如果能够辨识出那些误动后对系统影响较大的保护予以优先校核和修改定值,显然能够显著降低电网的校核风险。基于此,在充分考虑保护误动对系统结构和状态造成的影响,提出保护的重要度指标,以保护重要度排序结果决定校核顺序。通过IEEE 14节点系统的仿真分析,验证了该方法的可行性和有效性。     

特征提取的改性麦糟吸附三价砷离子模型

由于改性麦糟吸附三价砷离子As(Ⅲ)的过程复杂,引入特征提取的方法将能够快速发现实验中各因素对吸附率的影响,揭示改性麦糟吸附As(Ⅲ)的最适条件和最佳效果.应用线性降维方法主成分分析和非线性降维方法流形学习提取官能基团和吸附活性质之间的关系.最后,利用支持向量回归模型和偏最小二乘法模型建立构效关系模型,探寻得出最佳吸附条件为:改性剂浓度1 mg/L,改性剂溶液pH为7,改性时间为12h,反应温度为20℃,吸附时间为2h,改性麦糟用量为0.3 mg,吸附率能达到96.19％.     

支持向量机核函数选择研究与仿真

支持向量机是一种基于核的学习方法,核函数选取对支持向量机性能有着重要的影响,如何有效地进行核函数选择是支持向量机研究领域的一个重要问题。目前大多数核选择方法不考虑数据的分布特征,没有充分利用隐含在数据中的先验信息。为此,引入能量熵概念,借助超球体描述和核函数蕴藏的度量特征,提出一种基于样本分布能量熵的支持向量机核函数选择方法,以提高SVM学习能力和泛化能力。数值实例仿真验证表明了该方法的可行性和有效性。     

流形学习的四嗪衍生物抗癌活性预测模型研究

由于四嗪衍生物抗癌活性与其结构之间可能存在非线性关系,本文引入非线性的流形学习方法对计算出的四嗪衍生物分子描述符进行特征提取,以提高其预测模型的准确性。便于分析,分别采用特征选择的逐步回归法、线性特征提取的主成份分析法以及非线性特征提取的流形学习方法对四嗪衍生物分子描述符进行筛选,然后基于偏最小二乘和支持向量回归机构建其定量构效关系模型。计算结果表明,本文中四嗪衍生物的描述符数据为非线性流形,并且它们的结构与活性之间呈非线性关系,基于支持向量回归机模型的最优预测结果达到了97.4%。所以,利用非线性特征提取的流形学习预处理的QSAR模型可以为此类化合物抗癌活性的预测提供指导。