考虑低碳和柔性负荷的有源配网扩展规划模型

在配电网低碳化的背景下,提出了考虑低碳和柔性负荷的有源配电网扩展规划模型,其目标是在满足网络运行约束和 CO2排放上限的前提下,给出总成本最小的投资策略。决策变量包括更换过载线路、投建新能源和储能装置,以及投建稳压器和电容器组等电压控制设备。模型提出了多项式形式的电压相关型的柔性负荷特性,针对柔性负荷模型以及网络重构约束中的非线性约束,建立分段McCormick 包络法和虚拟需荷和能源价格的不确定性,采用基于场景聚类的两阶段随机优化方法进行求解。通过69节点系统对该模型进行测试,结果表明,所提模型不仅总规划成本较低,而且有助于减少碳排放。     

基于模糊控制的储能参与一次调频综合控制策略

针对储能调频控制模式间以临界值方式直接切换造成功率跃变及储能荷电状态（SOC）过高过低,储能出力受限问题,提出一种基于模糊控制的储能参与的一次调频综合控制策略。首先,分析储能虚拟下垂、虚拟惯量和虚拟负惯量控制参数对系统频率响应的影响,确定各控制参数调频优势和稳定变化范围;其次,设计含虚拟负惯量控制的模糊控制器,实现控制模式之间的平滑切换和优势互补,加快频率恢复;最后,采用logistics函数设计SOC反馈控制策略和SOC自恢复控制策略,使储能容量得到更好的保持,提高储能的调频能力。仿真实验验证了所提策略的有效性。     

基于高频重构信号与Bayes-XGBoost的低压电弧故障辨识方法研究

针对低压配电系统中单个用电负载支路串联电弧故障辨识困难的问题,提出一种基于高频重构信号和Bayes-XGBoost的低压电弧辨识方法。首先,搭建多支路、多负载类型的低压电弧故障真型实验平台,并采集相关数据。其次,基于故障前后主线路电流高频信号变化规律,提出信号微弱变化叠加法重构故障有效信号。最后,建立适用于单个负载支路电弧故障辨识的XGBoost模型,并采用Bayes算法对模型多个超参数进行优化。实验结果表明,所提方法在多种工况下对单个负载支路电弧故障具有较高的辨识准确率。与6种主流故障分析方法对比,所提方法在精度、训练速度和泛化能力等方面展现出了显著的优越性,有利于实现低压配电系统单个负载支路电弧故障的可靠辨识。     

一种改进线性扩张状态观测器的自抗扰控制宽频带振荡抑制方法研究

针对自抗扰控制策略在并网系统参数变化时能否维持逆变器接入弱电网的稳定性展开了进一步研究。首先,建立了计及频率耦合的自抗扰控制型并网逆变器等效单输入单输出序阻抗模型,并采用Nyquist稳定判据定量分析逆变器输出功率、电网短路比、锁相环以及自抗扰控制器参数变化对并网系统稳定性的影响。其次,针对上述参数变化所导致的弱电网下自抗扰控制型逆变器稳定性降低、宽频带振荡等问题,提出了一种改进线性扩张状态观测器(enhanced linear expansion state observer, e-LESO)的自抗扰控制宽频带振荡抑制方法。通过在传统一阶自抗扰控制器中LESO内部增添比例支路和滤波环节,重塑自抗扰控制型并网逆变器输出阻抗,拓宽其中频段(100 Hz~1 kHz)内呈正阻尼特性的频率范围,从而增强自抗扰型并网逆变器鲁棒性,实现宽频带振荡抑制。最后,通过仿真验证了所提方法的有效性。     

基于序故障分量的Sen变压器纵联保护研究

Sen变压器（Sen transformer, ST）是一种功能强大的电磁式统一潮流控制器。目前对于ST的研究多集中于其拓扑结构变种和模型建立等方面,而对ST的保护系统研究较少。作为一种电磁式潮流控制装置,ST存在传统变压器的励磁涌流、CT饱和等问题。另外,ST特有的补偿电压以及串联绕组饱和现象对其保护的可靠性有着更高的要求。为此,通过分析ST区内外故障时虚拟阻抗的特征差异,提出一种基于故障分量虚拟阻抗的ST保护方法。该方法基于ST两端序电压与序电流故障分量之比构造了虚拟阻抗作为动作量,利用故障前电气量构建了自适应制动阈值,并针对ST的空充过程进行了分析和修正。PSCAD/EMTDC和MATLAB仿真实验结果表明了该方法能够可靠快速地识别各类ST区内外故障,且不受励磁涌流、补偿绕组饱和以及CT饱和的影响。     

基于FMCW雷达的呼吸模式分类技术研究

针对当前使用调频连续波雷达的呼吸模式分类算法准确度不高的问题,本文提出一种基于一维卷积神经网络（1DCNN）结合长短时记忆（LSTM）网络的多呼吸模式分类方法。方法共分为四步：第一步,对雷达提取的呼吸信号进行预处理;第二步,使用快速傅里叶变换（FFT）与连续小波变换（CWT）提取呼吸信号特征;第三步,根据呼吸特征对五种呼吸模式信号（正常呼吸、呼吸过速、呼吸过缓、呼吸深大、呼吸暂停）打标签制作数据集;第四步,使用数据集训练网络得到模型,并使用新数据测试模型。实验结果表明,此方法分类准确度要比现有使用CNN网络方法高5%左右。     

基于用户行为的社交网络人格特质识别方法

社交网络已成为人们获取和发布信息的一个重要平台,也是黑客发起网络诈骗的主要场地。大多数黑客在发起网络诈骗之前,首先会判别目标用户的主要人格特点,然后根据主要人格特点制定与其接触的策略。因此,面向社交网络用户的人格特质识别方法的研究对提高用户识别社交网络诈骗能力具有重要意义。提出基于用户的人格特质识别方法。通过构建面向社交网络的人格特质词典提取用户发表或转发文本信息中能反映用户主要人格特质类型的观测值,采用5个具有不同参数值的隐半马尔可夫模型刻画用户在社交网络上发表或转发文本信息的行为过程。在人格特质识别阶段,通过计算每个用户在发表或转发文本信息过程中产生的观测序列相对于模型的平均对数似然概率,以识别用户所属的人格特质类型。在采集的新浪微博数据集上进行实验,结果表明,当假正率为10%时,该方法的总真正率为93.18%,能准确识别用户的人格特质类型。     

轻量级区块链技术综述

传统的区块链技术为了保证交易账本的全网共识和不可篡改性,要求矿工节点具有强大的计算能力和足够的存储空间,这就限制了资源受限的设备加入区块链.近几年,区块链技术已经拓展到金融经济、医疗健康、物联网、供应链等多个领域,但是这些应用场景存在大量算力弱、存储容量低的设备,这给区块链的应用带来了巨大挑战.为此轻量级的区块链技术应运而生.从轻量级计算和轻量级存储两方面出发,总结当前轻量级区块链的研究现状,对比分析各个方案的优缺点.最后展望未来轻量级区块链的发展.     

面向软件供应链的异常分析方法综述

软件在国民经济的各个领域占据越来越重要的地位.万物互联的大背景下,信息之间的交互、分析、协同变得越来越普遍,程序/软件之间的依赖关系逐渐增多,这使得人们对系统可靠性和健壮性提出了更高的要求.由开源组件和第三方组件构成的软件供应链,其所面临的安全问题近年来成为了学术界和工业界共同关注的焦点.库函数作为开源软件的重要组成部分,与软件供应链安全有着密切的联系.为了提高软件开发效率,软件库或应用程序编程接口(API)在程序编写过程中会被频繁使用,但库函数中存在的错误或漏洞可能会被攻击者利用,从而损害软件供应链安全.这些错误或漏洞往往与库函数中存在的异常有关,因此本文对适用于库函数的异常分析方法从精度和效率两方面分别进行总结归纳,对于每种异常分析方法的基本思想和重要过程进行阐述,并针对库函数异常分析面临的挑战给出了初步解决思路.对软件供应链中的库函数进行异常分析有助于增强软件系统的健壮性,进而保障软件供应链的安全.     

基于自适应机制改进蚁群算法的移动机器人全局路径规划

针对基本蚁群算法在二维静态栅格地图下进行移动机器人路径规划时出现的搜索效率低下、收敛速度缓慢、局部最优解等问题,提出一种自适应机制改进蚁群算法,用于移动机器人在二维栅格地图下的路径规划.首先采用伪随机状态转移规则进行路径选择,定义一种动态选择因子以自适应更新选择比例,引入距离参数计算转移概率,提高算法的全局搜索能力以及搜索效率;然后基于最大最小蚂蚁模型和精英蚂蚁模型,提出一种奖励惩罚机制更新信息素增量,提高算法收敛速度;最后定义一种信息素自适应挥发因子,限制信息素浓度的上下限,提高算法全局性的同时提高算法的收敛速度.在不同规格的二维静态栅格地图下进行移动机器人全局路径规划对比实验,实验结果表明自适应机制改进蚁群算法具有较快的收敛速度,搜索效率明显提高且具有较好的全局搜索能力,验证了所提算法的实用性和优越性.