基于混沌变异算子的小生境量子粒子群算法

针对粒子群算法早熟收敛和搜索精度低的问题,提出了基于混沌变异的小生境量子粒子群算法(NCQPSO).该算法结合小生境技术并加入了淘汰机制.使算法具有良好的全局寻优能力.变尺度混沌变异具有精细的局部遍历搜索性能.使算法具有较高的搜索精度,实验结果表明,NCQPSO算法可有效避免标准PSO(Particle Swarm Optimization)算法的早熟收敛,具有寻优能力强、搜索精度高、稳定性好等优点.也优于原始的量子粒子群算法QPSO(Quantum-behaved Particle Swarm Optimization).     

AOP程序控制流图的生成方法

面向方面编程AOP(Aspect Oriented Programming)为开发者提供了一种机制来描述横切关注点.它能够自动地将横切关注点织入到面向对象的软件系统中,从而实现了横切关注点的模块化.然而AOP这种对横切关注点封装、织入的独特性为分析程序结构带来了困难,对传统的程序分析技术提出了新课题.通过分析AOP程序的特殊性,提出了基于AspectJ构造AOP程序控制流图的方法.该方案可以为AOP程序的理解、验证、测试以及重构提供控制流分析平台.     

基于GRU多步预测技术的云储能充放电策略

为解决云储能日前充放电策略预测的问题,提出了一种基于门控循环单元(GRU)多步预测技术的云储能充放电策略形成方法.首先,鉴于云储能优化需求及单用户负荷预测效果不稳定,构建用户聚类后的GRU多步预测方法预测一天的24点功率.然后分析了云储能模式下的用户和云储能提供商两个主体的交互过程,以预测为基础建立了云储能充放电决策滚动优化模型.仿真算例选取实际数据,在预测聚类用户光伏、负荷功率后,滚动优化求解实际值和预测值下的云储能充放电策略.算例通过5种场景验证了在云储能充放电策略中聚类的作用以及GRU多步预测技术的优势,并且证明云储能模式能够进一步削弱光伏、负荷预测误差的影响.     

TC11钛合金应变速率和温度敏感系数

采用热模拟试验方法,对TC11钛合金在温度为850℃～930℃,应变速率为0.001～1.0,最大变形程度50%条件下的高温流变应力变化规律进行了研究.在分析变形温度、变形程度和应变速率对流动应力影响规律的基础上,确定了TC11钛合金的高温应变速率敏感系数m=0.168 8,以及温度敏感性指数s=10 233,为钛合金高温变形过程的数值模拟提供了重要计算参数.     

量化电网不确定性对调度计划影响的经济运行域概念及其凸包求解方法EI北大核心CSCD

建设含高比例新能源的新型电力系统是实现“双碳”目标的重要途径,刻画考虑多种不确定性因素的电网经济运行区间是支撑高渗透率新能源消纳的关键技术。因此,提出计及电网不确定性因素经济性影响的电网经济运行域(economic operating region,EOR)概念,圈定强不确定性环境下电网最优调度计划集合。在此基础上,以考虑新能源出力不确定性为例,构建适用于工程实际的凸包经济运行域数学模型,并提出基于双层迭代的求解算法。最后,分析凸包经济运行域的形态和物理内涵,证明凸包经济运行域相比于基于鲁棒优化的箱型经济运行域具有更好的经济性,验证了所提双层迭代算法的有效性和较好的适用性。     

铝阳极氧化膜在氯化钠溶液中的孔蚀行为(Ⅰ)——氧化膜双层结构与耐孔蚀性能

采用电流回复处理、电化学和化学浸泡等方法研究了铝硫酸阳极氧化膜及膜的双层结构对膜层在NaCl溶液中的孔蚀行为。实验表明:硫酸阳极氧化膜具有较高的耐孔蚀性能,膜中的多孔层起着主要作用。多孔层的厚度与孔径是影响膜层耐孔蚀性能的主要因素,多孔层厚、孔径小,膜层耐孔蚀性能就好;反之就差。     

陆相湖盆“源-汇”系统要素定量关系——以渤海湾盆地庙西北地区为例

针对古代陆相湖盆“源-汇”系统定量刻画难度大和拟合模式不统一等问题,以渤海湾盆地庙西北地区古近系沙二段为研究对象,以钻井、薄片、壁芯以及三维地震资料为基础,以层序地层学、沉积学、地貌学和“源-汇”系统的基本理论和研究思路为指导,定量了刻画“源-汇”系统要素,分析了要素间的定量联系。结果表明:渤海湾盆地庙西北地区沙二段搬运通道发育规模与物源高度成正相关关系,物源高度越高,搬运通道规模越大; 三角洲发育规模与物源体积成正相关关系,物源体积越大,三角洲发育规模越大; 过大或过小的搬运通道宽深比均不利于三角洲的大规模发育。在定量关系研究的基础上,建立了“源-汇”系统要素“JASG”模式,为古代陆相湖盆“源-汇”系统研究提供了定量表征实例。     

基于深度强化学习的新型电力系统调度优化方法综述

随着新能源并网规模不断扩大，能源形式更加灵活多变，电力系统调度运行面临新的挑战。随着系统复杂度和不确定性增加，传统基于物理模型的优化方法难以建立精确的模型进行实时快速求解，而深度强化学习（DRL）可以从历史经验中自适应地学习调度策略并实时决策，避免了复杂的建模过程，以数据驱动的方式应对更高的不确定性和复杂度。文中首先介绍了新型电力系统调度运行问题；然后，介绍了DRL原理及其分类算法；接着，分析了各类DRL算法在求解新型电力系统调度决策问题时的优势与劣势；最后，对需进一步研究的方向进行了展望。     

基于图神经网络的起作用安全约束辨识方法

在安全约束机组组合问题中含有大量冗余安全约束，如何高效辨识起作用的安全约束对提高求解速度具有重要意义。构建电网拓扑图、节点与支路特征后，输入至图卷积网络，对基态和故障态下支路潮流约束是否起作用进行分类，在IEEE RTS 79系统中迭代求解安全约束机组组合。结果表明，所提方法可以有效降低求解迭代次数和计算时间。所提方法可大幅提高求解效率，对将机器学习应用于辅助优化模型求解具有启示作用。