基于近似熵的磁刺激穴位脑功能网络构建与分析

针灸是基于传统中医的理论,经临床实践已证明其疗效,然而其作用机制仍不清楚。磁刺激穴位为研究针灸理论提供了一种新的方法。基于图论的复杂网络的构建和分析方法可以帮助研究脑功能网络的拓扑结构和理解大脑的工作机制。在该研究中,通过磁刺激内关穴(PC6)采集EEG信号;运用非线性动力学方法(近似熵)和复杂网络理论,基于磁刺激内关穴的脑电信号构建脑功能网络并对脑功能网络进行分析;对比分析了安静和磁刺激两种状态下的脑功能网络的拓扑性质。实验结果表明,基于刺激内关穴构建的脑功能网络,其拓扑结构发生了改变,网络连接增强,信息传输效率提高,并且"小世界"属性增强。     

磁刺激穴位调节负性情绪的脑电溯源和脑网络研究

将磁刺激技术、脑电溯源、脑网络、主观量表分析与传统穴位理论相结合,探讨磁刺激神门穴对人体负性情绪的调节作用.利用标准低分辨率电磁断层成像对静息、视频诱发负性情绪以及视频诱发结合穴位刺激的脑电信号进行溯源分析.通过复杂网络理论构建脑皮层功能网络,对比研究网络局部和全局拓扑特征.结果表明,磁刺激神门穴时前额叶、颞叶、顶叶等...     

基于节点影响力的电力通信网拓扑结构诊断

结合电力通信网络的结构特征,建立了面向电力通信网络的复杂网络模型,从节点邻居拓扑特征和网络聚合特征出发定义了节点影响力。采用网络属性值信息熵计算网络拓扑特征及其对节点影响力的整体贡献度,从连通性和网络效率的角度分析节点故障后对网络拓扑抗毁性和鲁棒性的影响。分别针对BA网络、WS网络、地市骨干电力通信网络和省级骨干电力通信网络的节点影响力进行了仿真分析。结果显示在网络效率和连通度方面,与采用其他复杂网络指标的方法相比,所提出的方法能够更好地反映关键节点的传播影响力。     

基于MTACNet网络的运动想象脑电分类

为了更好地利用到脑电信号中的相关特征，改善运动想象脑电的分类性能，构建了一种基于混合特征和并行多尺度TCN模块的多层卷积网络（MTACNet）。首先，搭建基于混合特征的多层卷积神经网络，并在其中嵌入高效通道注意力机制，选取PReLU作为激活函数，以提取脑电信号中的时域和空域信息；然后对TCN模块进行改进，构建并行多尺度时域特征提取模块，接入多层卷积网络，进一步挖掘不同时间尺度的特征信息。在公开数据集BCI_IV_2a和自采数据集SCU_MI_EEG上进行测试，平均分类准确率分别为8615%、7710%，标准差分别为917%、1358%。并且针对自采数据集，设计了一种融合多频域脑电信号进行三通道输入的预处理方法，经过预处理后使平均分类准确率提升了329%。实验结果表明，与其他方法相比，本文所构建的分类网络取得了较为不错的分类效果，所设计的预处理方法能够降低复杂环境和无关干扰因素对分类结果的影响。     

基于皮层-基底神经节环路模型的经颅磁声电刺激对大鼠行为决策的影响

经颅磁声电刺激（TMAES）是一种新型、无创、可改变不同脑区电活动的神经调控方法。前额叶皮层与基底神经节中各脑区相互影响,在行为决策中起着关键作用,然而目前涉及其调节机理的研究相对较少。前运动皮层神经元活性和前额叶皮层突触可塑性与行为决策关系密切。该文基于皮层-基底神经节回路模型,模拟分别对健康大鼠、帕金森大鼠施加刺激后,不同脑区在奖赏选择任务中的神经活动,仿真分析不同感应电流强度对皮层神经元放电率和脑区间突触权重的影响。并通过行为学实验进一步探讨经颅磁声电刺激对健康大鼠与帕金森模型大鼠行为决策的影响。仿真结果显示,对健康大鼠施加刺激可提高前额叶皮层与纹状体、前运动皮层之间的突触权重;对帕金森大鼠施加刺激可提高前运动皮层神经元放电率,调节前额叶皮层与纹状体、前运动皮层之间的突触权重。实验结果显示,施加刺激后,大鼠的学习探索能力和空间记忆能力均得到了提高,且帕金森模型大鼠受刺激的作用效果更显著。研究结果表明,经颅磁声电刺激可提高大鼠的运动积极性和学习效率,且有助于改善基底神经节的功能失衡。研究结果为进一步探索经颅磁声电刺激调节决策认知功能的作用机制奠定基础。     

基于复杂网络的泛在电力物联网设计方法

在物联网与智能电网相结合的背景下,如何构建泛在电力物联网,使其更为高效与经济,是需要首先解决的一个问题.而复杂网络由于其出众的拓扑建模与分析能力,与该研究内容非常契合,因此考虑将复杂网络理论应用于泛在电力物联网的规划与设计之中,通过网络效率、凝聚度等网络评估指标,节点度、节点介数、效率损失系数、凝聚度变化率等节点评估指标,研究一种针对给定电力网络设计其泛在电力物联网感应层与网络层的方法,为泛在电力物联网的规划提供参考与依据.     

基于多类型电力元件统一形式离散模型的复杂系统状态空间生成方法

大规模电力电子装置的接入可能引发严重的次/超同步振荡(sub/super-synchronous oscillation, SSO)问题,该类振荡属于电气振荡范畴,具有振荡机理复杂、传播范围广的特点。现有的特征值分析方法需要对网络进行拓扑分析以确定独立状态变量,然后进行代数变量消元以获取全系统的状态矩阵,该过程在实际开展工作时很难用于复杂结构系统的小信号稳定性分析。考虑到系统的状态空间及特征值在连续域和离散域内具有明确的映射关系,该文提出复杂新能源交直流混联系统的离散状态空间建模方法,通过将系统元件建模为具有统一形式的离散状态空间模型及端口等效离散电路,并根据系统拓扑结构互联形成离散网络,采用节点分析方法迅速获得全系统的状态矩阵,进而求解系统特征值量化分析系统的振荡特性。该方法具有建模过程清晰、易于编程实现的优势,对网络结构变化具有较强的适应性,适合于大规模复杂电力系统的小信号稳定性分析。以实际新能源经交直流混联外送系统的次同步振荡问题的建模与分析为例,验证该文所提方法的有效性。     

基于多层注意力机制的4DC-BGRU脑电情感识别

为了提高脑电情感识别的准确率，提取更丰富的特征信息，提升网络模型稳定性，提出一种改进的基于多层注意力机制的脑电情感识别模型。在特征提取方面，将原始脑电信号转换成四维空间 频谱 时间结构，提取丰富的脑电信息。在网络模型方面，构建双路卷积神经网络学习空间及频率信息，有效提取多尺度特征，增加网络宽度来学习更丰富的特征信息；在卷积层及池化层后融入批量归一化层，防止过拟合。最后，构建多层注意力机制 双向门控循环单元模块处理时间特征并配合Softmax分类。采用双向门控循环单元学习更全面的上下级特征信息。利用多层注意力机制使四维特征中不同时间切片与整体时间切片之间产生关联。该文在DEAP数据集唤醒度和效价两个维度进行了评估实验，二分类平均准确率分别为96.38%和96.73%，四分类平均准确率为93.78%。实验结果显示，与单路卷积神经网络及其他文献算法相比，该文算法的平均准确率有所提高，表明该算法可以有效提升脑电情感识别性能。     

基于供电环的配电网拓扑建模研究

目前大多数的配电网拓扑建模方法,是将整个配电网建模为一个矩阵,除了线路以外的每个设备都是矩阵中的一个节点,导致拓扑结构规模庞大,拓扑分析效率低下.该文将整个配电网络以供电环为依据进行划分,对每个供电环进行拓扑建模,极大地减少了拓扑结构的规模.同时,对环与环之间的关联设备进行适当的设置,就能将各个环分散的拓扑数据集成起来,形成配电网全网络的拓扑.该方法使用点和弧为基本的建模元素,并将受控分接箱、环网柜等复杂设备分解为点、弧元素的集合来实现对它们的建模,并以数据库来保存拓扑逻辑数据.应用该方法,拓扑模型的建立与修改只需要在单个环内进行局部拓扑;而且能极大地提高电源点追踪、开关状态变化、供电范围搜索等拓扑分析功能的效率.     

电力系统拓扑分析的LU矩阵分解算法

电力系统拓扑分析是电力系统仿真与状态估计的基础。传统的电力系统拓扑分析算法需要进行大量的图搜索与逻辑运算,计算效率较低,无法适应现代大规模复杂电力系统的拓扑分析需要。为实现大规模复杂电力系统的实时拓扑分析,基于电力系统网络支路—节点关联矩阵的LU分解,提出了一种新型拓扑分析算法。该算法不仅具有简化节点间邻接信息处理的性能优势,而且具有以算术运算取代逻辑运算、低运算量、适用于矩阵计算加速技术的效率优势。针对波兰3375-节点测试系统进行拓扑分析,该算法与几种传统算法相比耗时更少。算例分析结果验证了该算法的正确性与良好的实时性。     

基于ZigBee模块JN5139无线数据采集系统的设计与实现

介绍了无线网络的基本概念,技术特点以及应用领域。简单描绘了一种基于ZigBee技术的无线网络协议标准,分析了ZigBee无线网络的协议结构,拓扑分类。重点介绍了基于ZigBee模块JN5139的无线数据采集系统的硬件电路与软件系统程序的设计过程,并详细的分析了软件系统的模块划分及其功能。     

A fast method for topological observability analysis using aminimum spanning tree technique

A new unified method is presented for dealing with the problems of topological observability in power system state estimation: identification of network topological observability, and branches or nodes where pseudo-measurements are necessary to recover the whole network topological observability. The method is based on evaluating the minimum spanning tree in graph theory. The proposed method has been successfully applied to several sample systems and its applicability to real-sized power systems is demonstrated     

电网的结构性安全分析

复杂网络理论从结构性视角对电网安全进行分析。然而,当前多数文献使用的纯拓扑的研究方法无法体现电力系统特有的物理特性。文中讨论了电网运行状态和电网结构这2个不同的电网安全因素的相互关系,并指出电网安全指标应既能保持复杂网络理论在结构性分析方面的优势,又能够体现电力系统的特有属性。在网络能力和熵度的基础上,进一步提出了母线...     

南京市电力光纤传输网拓扑分析与研究

电力通信网是服务于电力系统的通信专网,它的可靠程度对电力系统安全、稳定运行非常重要。首先介绍了电力通信网的特点及复杂网络,其次重点从生存性和抗毁性两个方面来研究电力通信网的可靠性评估方法,采用平均距离法来衡量网络拥塞时的生存能力,抗毁性方面通过对拓扑图中节点和链路的重要度的计算来分析拓扑结构对网络可靠性的影响。最后通过南京市电力光纤传输网北环拓扑算例,分析验证改进的节点重要度评估法和链路重要度评估法的可行性。     

Graph theoretical analysis of structural and functional connectivity MRI in normal and pathological brain networks

Graph theoretical analysis of structural and functional connectivity MRI data (ie. diffusion tractography or cortical volume correlation and resting-state or task-related (effective) fMRI, respectively) has provided new measures of human brain organization in vivo. The most striking discovery is that the whole-brain network exhibits “small-world” properties shared with many other complex systems (social, technological, information, biological). This topology allows a high efficiency at different spatial and temporal scale with a very low wiring and energy cost. Its modular organization also allows for a high level of adaptation. In addition, degree distribution of brain networks demonstrates highly connected hubs that are crucial for the whole-network functioning. Many of these hubs have been identified in regions previously defined as belonging to the default-mode network (potentially explaining the high basal metabolism of this network) and the attentional networks. This could explain the crucial role of these hub regions in physiology (task-related fMRI data) as well as in pathophysiology. Indeed, such topological definition provides a reliable framework for predicting behavioral consequences of focal or multifocal lesions such as stroke, tumors or multiple sclerosis. It also brings new insights into a better understanding of pathophysiology of many neurological or psychiatric diseases affecting specific local or global brain networks such as epilepsy, Alzheimer’s disease or schizophrenia. Graph theoretical analysis of connectivity MRI data provides an outstanding framework to merge anatomical and functional data in order to better understand brain pathologies.     

蜂巢状有源配电网拓扑及其可靠性评估

为探寻适应分布式电源并网运行的高供电可靠性配电网结构,文章提出了一种基于分布式有源微网的蜂巢状有源配电网拓扑。首先,对该拓扑结构及其中的有源微网与智能功率/信息交换基站进行了介绍,并分析了该拓扑的优点与不足。其次,应用马尔可夫链分析蜂巢状微网的状态转移过程,并给出了数学模型,包括状态转移概率矩阵和不同状态下的概率计算方法等。然后,推导了基于最小割集法的蜂巢状微网可靠性指标计算的修正公式。最后,以IEEE-RBTS BUS6 F4测试系统为例,对其“改造”成蜂巢状微网前后的供电可靠性进行了仿真比较,结果表明“改造”后的蜂巢状微网具有更高的供电可靠性,进而得出了蜂巢状有源配电网的供电可靠性明显优于普通配电网的结论。     

A Spectral Approach for the Efficient Identification of Power Transmission Network Uncontrolled Separation

Uncontrolled network separation (system island formation) is one of the most critical contingencies in power systems. The integrity of the whole power transmission network is a prerequisite for reliable system operation. Therefore, in order to safeguard the system operation and control, it is imperative to quickly identify the topological changes, especially the formation of system islands. In this paper, we developed a spectral clustering-based approach to efficiently detect the existing or the potential network islands. The core of this approach is a graph-algebraic model, which combines the real-power deliverability and topological information of a power transmission network. Based on an improved spectral clustering algorithm, the proposed approach can efficiently identify the critical situations of the network splitting under multiple line outages. This approach has been successfully tested by using the New England 39-bus and 118-bus systems under different scenarios.     

A distributed state estimator for electric power systems

The author develops a theoretically robust and computationally efficient distributed state estimator to solve the weighted least square state estimation problem by using distributed computation. This distributed state estimator is used in decentralized control and executes in a data communication network that is assumed to be topologically the same as and physically in parallel with the power network. Several attractive satellite functions can be obtained which include: (1) reduction of the time-skew problem; (2) freedom from the power network topological error; (3) easy identification of the unobservable states; and (4) bad data detection and identification. The computational complexity of this distributed state estimator was analyzed. This state estimator was simulated on several cases of the IEEE 30-bus system. The numerical accuracy of the simulation results is satisfactory, and the estimated computation time including the communication delay demonstrates the excellent computational performance of the distributed state estimator     

基于深度神经网络伪量测建模的交直流混合配电网交替迭代法状态估计

当前配电网状态估计面临的一个突出问题是实时量测数量不足,难以实现全网可观性。为了给配电管理系统提供准确的基础数据,提出一种基于深度神经网络伪量测建模的交直流混合配电网交替迭代状态估计方法。首先,建立电压源换流器的稳态模型和混合配电网的实时量测模型;然后,利用历史量测数据对深度神经网络进行离线训练,建立负荷节点注入功率的伪量测模型;最后,对交流区域和直流区域进行交替迭代状态估计,在交替过程中区域间交换VSC支路状态量的估计值,保证了边界状态量的一致性。算例测试结果表明,所提方法能在实时量测覆盖率低的情况下,准确估计混合配电网的状态值。     

基于深度神经网络伪量测建模的交直流混合配电网交替迭代法状态估计

当前配电网状态估计面临的一个突出问题是实时量测数量不足,难以实现全网可观性。为了给配电管理系统提供准确的基础数据,提出一种基于深度神经网络伪量测建模的交直流混合配电网交替迭代状态估计方法。首先,建立电压源换流器的稳态模型和混合配电网的实时量测模型;然后,利用历史量测数据对深度神经网络进行离线训练,建立负荷节点注入功率的伪量测模型;最后,对交流区域和直流区域进行交替迭代状态估计,在交替过程中区域间交换VSC支路状态量的估计值,保证了边界状态量的一致性。算例测试结果表明,所提方法能在实时量测覆盖率低的情况下,准确估计混合配电网的状态值。