基于Internet的分布式供能远程监控系统

本文介绍了应用于分布式供能的基于Internet的远程监控系统及监控系统的组成,并探讨了其中的关键技术。远程监控系统程序使用VB进行编写,通过Internet进行远程数据传送,下位控制器负责现场设备控制和采集系统的运行数据,IPC进行现场运行监控和数据分析处理并作为远程监控服务器。通过实际应用,表明远程监控系统可以满足分布式供能系统远程监控的要求,对分布式供能系统的推广有很大的促进作用。     

协议宏在分布式供能系统中的应用

介绍了在天然气分布式供能系统中,用来实现燃机(MT250)和控制系统(Omron PLC)之间通信的Modbus协议宏.重点阐述了Modbus RTU通信协议的定义格式、Omron协议宏转化软件的通信配置方式以及地址映射等内容.由此得出通过协议转化,可对燃机的转速、功率因数、温度等运行参数进行监视和控制.协议宏的应用使分布式供能系统运行稳定、实时性高,对同类工业应用具有一定的参考价值.     

双无线供能IRS辅助的无线通信系统的吞吐量优化研究

在未来物联网等新型无线网络场景中,需要进行信息和能量同步传输,而且通信环境复杂多变,通信设备维护成本较高。一方面,智能反射面(IRS)能通过对无线信道的智能调控提高无线通信与无线传能的性能,另一方面,通过无线能量传输对IRS进行供能,解决部署IRS时存在的供能不便的问题,降低设备维护成本。研究双无线供能IRS辅助的无线通信系统的吞吐量优化,在该系统中,多天线基站先向IRS无线传输能量,然后在IRS的辅助下向多个单天线用户发送信息。针对基站与IRS之间的信道不受阻和受阻两种情况,分别提出两时隙和三时隙的传输模式,并研究优化它们的吞吐量。具体而言,研究联合优化基站的发射波束成形、IRS的反射波束成形以及各时隙长度,在基站最大发射功率、各用户最小接收速率、各时隙持续时间和IRS反射系数的模一约束下,最大化系统的总吞吐量。由于优化变量高度耦合,难以直接求最优解,提出了基于交替优化、连续凸逼近和半正定松弛的优化算法,以求得优化问题的高质量次优解。仿真结果显示,所提联合优化算法取得了明显高于基准算法的吞吐量性能,并且揭示了两时隙和三时隙传输模式的适用场景。     

中央空调并联冷机负荷分配分布式优化控制

针对现有中央空调并联冷机优化算法对分布式控制的适应性不足的问题,提出了一种适用于分布式控制系统的并联冷机负荷分配优化算法。该算法仅通过每个冷机与相邻冷机交互信息完成对并联冷机运行的优化控制。将预处理机制与粒子群优化算法结合,在粒子初始化时对粒子间距离小的粒子进行适应度值比较,对适应度值小的个体进行惩罚并更新,以维持种群多样性;同时提出一种非线性惯性权重改进策略,加快收敛速度,避免算法陷入局部最优。最后,通过仿真实验测试算法的性能。实验结果表明,相对于对比算法,该算法能得到同等或更好的负荷分配控制策略,且收敛速度更快、鲁棒性更强,能够适用于分布式控制系统下并联冷机负荷优化分配。     

基于火用经济学的分布式供能系统分析评价方法

对分布式供能系统的性能进行准确而全面的分析评价, 是分布式供能系统进一步发展的重要环节. 能源互联网背景下, 分布式供能系统变得越来越复杂, 其分析评价方法面临巨大挑战. 本文首先基于火用经济学理论, 建立了分布式供能系统统一分析模型; 其次, 提出了综合考虑火用效率和火用损作为分布式供能系统能耗特性评价指标, 火用损成本和火用经济系数作为经济特性评价指标的分析评价方法, 并设计了分析评价的流程; 最后, 以某供电局分布式供能系统为算例, 验证了所提模型和分析评价方法的优越性. 结果表明, 本文提出的统一分析模型和分析评价方法对系统投资决策、优化设计和运行优化具有指导意义.     

实时优化与分布式控制集成算法

预测控制作为一种以预测模型为基础的先进控制算法,分布式预测控制广泛应用于复杂高维的复杂大系统控制中。提出了针对大规模过程的实时优化与分布式预测控制集成算法,包含稳态目标计算层和动态分布式控制层。在稳态目标计算层根据当前系统的运行状况进行集中优化,在系统运行的每一时刻计算出相对的全局最优值,并将其传递到下层进行控制。在动态控制层将复杂的大系统分为若干个相对独立的子系统,并且充分考虑各个子系统之间的关联和耦合,用分布式预测控制算法对上层计算得到的相对的全局最优值进行跟踪,提高系统在动态情况下的控制性能。仿真应用表明,此方法的优点在于保证全局最优的同时,降低了计算的复杂度,并且实现了经济目标。     

基于高斯变异粒子群优化的短期负荷预测

针对现有短时预测方法精度不高及电网负荷数据不确定性变化的问题,提出一种基于高斯变异粒子群优化(GPSO)的长短时记忆神经网络(LSTM)负荷预测模型,实现对短时负荷数据的高精度预测。方案首先对负荷序列数据进行预处理,提升数据之间的相关性。进一步引入非线性惯性权重加速粒子收敛速度,同时结合自适应高斯变异操作减小粒子陷入局部最优的风险,从而提升了PSO算法的寻优能力。实验结果证明,改进的粒子群优化算法能够提升LSTM模型的预测性能,验证了提出方法的有效性。与已有的预测模型相比,GPSO-LSTM模型有着更优的预测能力。     

基于新型多元宇宙优化算法的IPPS与多源供能协同优化

为推动制造企业绿色转型发展,针对企业IPPS与多源供能协同优化问题,提出了新型多元宇宙优化算法。通过嵌入子种群融合初始化策略、NSGA-Ⅱ变异策略、外部档案的扰动策略等多方面的改进操作,扩大了种群个体的多样性,开发了新的搜索范围,提升了算法的寻优性能,提高了Pareto解集的质量。通过多能源消耗对比实验,验证了多源供电能源体系能够有效提高可再生能源消纳比例,助力制造企业节能减排目标的实现;通过算法对比实验,验证了新型多元宇宙优化算法对解决制造企业IPPS与多源供能协同优化问题的有效性、可行性及竞争性。     

基于改进BP神经网络的分布式光伏系统短期出力预测方法

为减小分布式光伏系统短期出力预测值与实际值的偏差,提高出力预测精度,保证光伏系统稳定运行,设计基于改进反向传播（Back Propagation,BP）神经网络的分布式光伏系统短期出力预测方法。首先,建立分布式光伏系统发电模型,获取分布式光伏系统的短期光伏出力衰减性特征与理论出力情况。其次,计算样板站出力相关系数,选择具备预测估算条件且能够代表分布式光伏系统集群出力特征的预测样板站。最后,进行实验分析。实验结果表明,该方法的短期出力功率预测值与出力功率实际值更接近,偏差较小,能够更加精确地预测出分布式光伏系统的短期出力情况。     

基于需求响应的分布式能源冷热电三联供系统配置优化

为了提高分布式能源冷热电三联供系统的输出稳定性,进行系统优化配置,提出基于需求响应的分布式能源冷热电三联供系统配置优化方法.首先进行分布式能源冷热电三联供电的参数分析,以电压、交流侧电流及开关管电压为输入约束参量,根据需求响应进行分布式能源冷热电三联供系统配置目标函数构造,进行配置参数的优化分配.考虑系统控制延时的影响...     

一种基于DES密码算法的旁路内部碰撞攻击方法

分析DES算法中与密钥相关的内部碰撞位置和触发条件,提出利用旁路的手段检测内部碰撞发生的模板分析方法。通过分析DES密码算法第一轮加密操作,给出内部碰撞的位置、触发条件,以及检测内部碰撞的实现方法。     

基于LSTM神经网络的区域微网短期负荷预测

针对大电网负荷预测的研究较多而微电网相对较少,因此建立合适的微电网负荷预测模型提高预测的准确度非常重要。本文针对输入变量较少的情况,分析并选用温度、日类型以及多个历史负荷量作为模型的输入变量,选用基于循环神经网络基础下的长短期记忆神经网络进行建模,构建基于LSTM神经网络的微网负荷预测模型。最后,为增强结果的可靠性,采用2组不同时间段的负荷数据分别进行预测,将LSTM神经网络的预测结果与BP神经网络、径向基函数神经网络、Elman神经网络的预测结果进行对比。实验结果表明,LSTM神经网络的预测结果要优于BP神经网络、径向基函数神经网络及Elman神经网络,采用LSTM神经网络负荷预测模型在微电网背景下具有比较好的推广前景。     

基于多层融合神经网络模型的短期电力负荷预测方法

针对传统的短期电力负荷预测模型存在的预测精度不高和滞后性的问题,本文提出一种基于卷积神经网络、长短时记忆网络和注意力机制下的混合神经网络模型来进行预测。利用卷积层对多维的电力数据影响特征进行提取,过滤筛选其非重要影响因子,完成电力数据相关特征的映射变换,再通过长短时记忆网络层的循环,对时序性电力数据特征选择性提取,最后利用注意力机制添加重要特征的权重,经Adam算法优化后输出电力负荷预测的结果。依靠GPU强大的算力支撑来解决预测数据时的实时性问题,凭借多融合神经网络的手段来提高其预测精度。经由算例验证,所提出模型真实可靠,预测质量显著优于其他传统模型。     

基于Oracle分布式数据库的查询优化

随着信息和网络技术的发展,分布式数据库得到了广泛的发展,其中Oracle分布式数据库在企业管理中得到了极大的应用。为了能够更好地提高企业的竞争力,对Oracle分布式数据库的查询进行优化成为必要。从介绍Oracle分布式数据库的两种基本结构出发,重点介绍了几种不同的Oracle分布式数据库的查询优化方法及其SQL语句的实现,并且通过试验对优化方法的性能进行了测试,然后通过数据的对比体现出了查询优化前后的差别,最后给出了可能影响查询优化性能的因素。     

基于Oracle分布式数据库的查询优化

随着信息和网络技术的发展,分布式数据库得到了广泛的发展,其中Oracle分布式数据库在企业管理中得到了极大的应用.为了能够更好地提高企业的竞争力,对Oracle分布式数据库的查询进行优化成为必要.从介绍Oracle分布式数据库的两种基本结构出发,重点介绍了几种不同的Oracle分布式数据库的查询优化方法及其SQL语句的实现,并且通过试验对优化方法的性能进行了测试,然后通过数据的对比体现出了查询优化前后的差别,最后给出了可能影响查询优化性能的因素.     

基于前缀码的DES算法改进研究

DES算法自出现以来便面对许多威胁,根据DES算法易受穷举攻击法、选择明文攻击法等方法攻击的缺陷,提出了一种新的基于前缀码的改进方案。通过改变子密钥的顺序来提高抵抗某些攻击的能力,在基本不影响DES算法效率的前提下,很好地提高了DES算法的安全性。     

基于神经网络优化组合的短期负荷预测

通过对电力负荷变化规律和影响因素的分析,集结多种单个模型所包含的信息,进行最佳组合,提出了在单一模型预测结果基础之上的基于神经网络的优化组合预测,确定了网络训练样本和隐含层的个数,可使提前一天的预测精度较传统预测模型有较大提高。并当发现某一点预测误差过大,可对该点利用文中提出的误差灰色模型修正预测结果,这样不仅可提高整体预测精度,更重要的是减小最大预测误差值和减少大预测误差发生的次数。仿真结果验证了该预测模型的可行性和有效性。     

缓存与迁移策略下对等网络节点负载控制算法

在非结构化对等(P2P)网络中,节点“搭便车”行为以及用户查询不均匀会造成网络节点负载分布严重失衡。为此,提出一种节点负载控制算法,采用缓存和链路迁移策略,将重载节点中的剩余负载向其他轻载节点转移,同时在链路节点中缓存网络中的热门文件资源。实验结果表明,在用户查询服从Zipf分布的环境下,该算法能使网络中节点负载达到较好的均衡,降低系统整体负载。     

基于分布式集成学习的入侵检测模型

针对入侵检测系统的高漏报率及高误报率问题,提出一种混杂入侵检测模型。该模型分别构造基于核主成分分析(KPCA)和核独立成分分析(KICA)的特征提取器,并采用集成学习对特征提取结果进行整合学习。采用分布式神经网络对集成结果进行再学习,从而实现对大规模数据的分布式处理。通过反馈机制调节KPCA和KICA的集成学习权重,达到最优检测效果。采用KDD CUP’99数据集进行测试实验,结果表明：该模型能够获得较高的检测正确率,同时具有较低的漏报率及误报率。     

基于OPC和Profibus-DP总线的远程控制

针对远程控制系统难以实现和控制效果不理想的问题,提出了一种基于OPC(OLEfor Process Control)和Profibus-DP总线的远程控制实现方法。建立了以太网和Profibus-DP现场总线两层网络的双水箱液位控制装置实验平台,给出了基于OPC和Profibus-DP总线的远程控制系统框图和控制原理。系统通过Profibus-DP总线实现现场设备的数据实时采集,并传递给SI-MATIC NETOPC服务器,客户端MCGS获取OPC服务器的实时数据,利用Matlab实现BP神经网络优化PID控制参数,优化后的参数通过SIMATIC NET OPC服务器传递给Profibus-DP总线控制系统,实现远程控制。实验结果表明,提出的远程控制方法有效,具有较好的控制效果。