基于改进遗传算法寻优的SVM风能短期功率预测

为了减少并网后风能随机性,波动性等问题对电力系统安全稳定运行的不利影响,提高风电功率预测精度,本文采用基于结构风险最小化的支持向量机进行建模。针对支持向量机参数难确定的问题,利用小生境遗传算法对支持向量机惩罚参数C和核函数δ进行寻优,并对算法中小生境半径L值难确定的问题,引入自适应的思想,使L并不取某个固定值,而是随着最优个体的变化而变化。最后利用现场连续668h实测风能功率输出值,对其中最后24h进行预测,实验结果表明,该方法与改进前相比,参数更优,预测精度更高,且取得了eMSE为9.5%的良好结果,可以为风能功率预测提供参考。     

优化遗传算法寻优的SVM在短期风速预测中的应用

针对遗传算法存在的早熟和收敛慢的问题,提出一种融合小生境算法、免疫算法的优化遗传算法。一方面通过疫苗因子引导初始种群的生成,使个体具有某些优秀基因,减少寻优时间,并随数据的更新,提出疫苗因子和参数寻优范围的自适应更新机制。另一方面在种群的进化过程中,通过小生境遗传算法维护种群的多样性。实验结果表明,将基于优化遗传算法寻优的SVM应用到短期风速预测中是可行的,具有较高的预测精度和收敛速度。     

基于P-NOMA的上行水声通信网络容量分析

在通信距离不尽相同节点的最优适用频段可能会部分重叠的背景下,针对水声系统频率资源利用率低的问题,提出了一种基于部分非正交多址接入(Partial Non-orthogonal Multiple Access, P-NOMA)技术的上行链路水声通信方法。该方法中各P-NOMA节点在非重叠频段内采用正交多址接入技术传输信息,在重叠频段内利用最大或受限的发送功率同时同频发送信息给目的节点,目的节点采用串行干扰消除方法提取重叠频段内的各P-NOMA节点信息。根据功率谱密度与容量之间的关系,分析了P-NOMA节点在注水算法和功率均匀分布下的可达容量,以及信干噪比限制对最小发射功率的影响。仿真结果验证了基于P-NOMA技术的水声上行通信网络在系统容量方面具有的优势。     

合金元素对镁合金压铸模具钢高温磨损性能的影响

研究了Co、Mo、W和V元素对新型镁合金压铸模具钢高温磨损性的影响。结果表明,当Co元素添加量为8%时,该模具钢的高温耐磨性最好。基体中添加W元素可大幅提高镁合金压铸模具钢的高温耐磨性,添加Mo和V元素对镁合金压铸模具钢的高温磨损性能影响较小。     

面向用户随机分布的NOMA-卫星通信网络性能分析

针对基于正交多址接入(Orthogonal Multiple Access,OMA)技术的卫星通信网络资源利用率低的问题,提出了一种基于功率域非正交多址接入(Non-orthogonal Multiple Access,NOMA)技术的上行链路卫星通信方案。该方案在用户随机分布的前提下,利用最大或受限的发送功率同时同频发送信息给卫星节点,并采用串行干扰消除(Successive Interference Cancellation,SIC)方法提取各用户信息。通过构建用户随机位置信息与波束增益关系,分析了用户分布对系统性能的影响。通过仿真验证了基于NOMA技术的卫星上行通信网络在系统遍历容量方面具有的优势,并分析了关键参数对系统性能的影响。     

多基站协作异步干扰抑制预编码设计

在多基站协作通信系统中,针对基站与用户间距离差异将导致用户接收信号的异步干扰的问题,提出一种基于粒子群优化算法的异步干扰抑制预编码设计.该设计将预编码矩阵转化为寻优粒子位置参数矩阵,通过粒子间智能学习更新优化位置参数,调节适应度函数,最大化用户信干噪比,抑制异步干扰.数值分析结果表明,相对于改进的块对角化算法,所提算法使系统总速率提高了2～7 bit/s,且具有很好的收敛性.