基于SSA-SVM的网络入侵检测研究

互联网快速发展使得网络空间越来越复杂,网络入侵导致网络安全问题备受关注。为提升网络入侵的检测效率和精度,构建了基于支持向量机的网络入侵检测模型。支持向量机模型的惩罚系数和核函数参数直接影响入侵模型的检测精度,采用麻雀搜索算法对惩罚系数和核函数参数进行优化,提出了基于麻雀搜索算法和支持向量机的网络入侵检测模型。将提出的网络入侵检测模型应用于实际的网络入侵检测中,并与PSO-SVM和SVM模型进行对比。结果表明,所提出的网络入侵检测模型能够有效降低网络入侵的误报率,这对确保网络安全具有一定的现实意义。     

模糊需求的多周期可靠性绿色选址-路径问题

选址-路径问题作为供应链管理中的重要问题已经得到大量关注。针对模糊需求下的可靠性绿色选址-路径问题,建立多周期的模糊机会约束优化模型,在满足运输线路可靠性、设施能力和车辆能力模糊机会约束条件下最小化物流及燃油消耗成本。为了对模型进行求解,设计一种混合遗传算法（HGA）。为了验证所提出算法的性能和模型的合理性,进行了不同规模的仿真实验,结果表明了算法的有效性和模型的合理性。最后通过数值实验分析了置信水平和可靠性水平对最终解的影响。     

基于自监督约束的双尺度真实图像盲去噪算法

现存的图像去噪算法在处理加性高斯白噪声上已经取得令人满意的效果,然而其在未知噪声强度的真实噪声图像上泛化性能较差.鉴于深度卷积神经网络极大地促进了图像盲去噪技术的发展,针对真实噪声图像提出一种基于自监督约束的双尺度真实图像盲去噪算法.首先,所提算法借助小尺度网络分支得到的初步去噪结果为大尺度分支的图像去噪提供额外的有用信息,以帮助后者实现良好的去噪效果.其次,用于去噪的网络模型由噪声估计子网络和图像非盲去噪子网络构成,其中噪声估计子网络用于预测输入图像的噪声强度,非盲去噪子网络则在所预测的噪声强度指导下进行图像去噪.鉴于真实噪声图像通常缺少对应的清晰图像作为标签,提出了一种基于全变分先验的边缘保持自监督约束和一个基于图像背景一致性的背景自监督约束,前者可通过调节平滑参数将网络泛化到不同的真实噪声数据集上并取得良好的无监督去噪效果,后者则可借助多尺度高斯模糊图像之间的差异信息辅助双尺度网络完成去噪.此外,还提出一种新颖的结构相似性注意力机制,用于引导网络关注图像中微小的结构细节,以便复原出纹理细节更加清晰的真实去噪图像.相关实验结果表明在SIDD,DND和Nam这3个真实基准数据集上,所提的基于自监督的双尺度盲去噪算法无论在视觉效果上还是在量化指标上均优于多种有监督图像去噪方法,且泛化性能也得到了较为明显的提升.     

非连续混合自时延多智能体系统的饱和分布式控制

研究一类非连续混合自时延多智能体系统的全局指数一致性问题.首先,利用具有时变控制增益的分布式负反馈控制器实现智能体之间状态信息交互.考虑到实际系统运行环境与节省控制成本,增设外部饱和环节将控制信号幅值限制在一个合理的范围内,从而提出利用高斯误差函数以及微分中值定理来近似模拟饱和效应,以此降低控制信号的不平滑度.随后,利用Filippov微分包含理论和测度选择定理将多智能体系统的非线性动力学函数映射为Filippov集值函数,再通过广义Halanay不等式和Lyapunov稳定性定理给出该多智能体系统的指数一致性判定条件及其最大容许时延.最后,通过数值仿真验证所提出控制策略的有效性.     

基于深度强化学习的居民实时自治最优能量管理策略

随着居民分布式资源的普及,如何考虑用户多类型设备的运行特性,满足实时自治能量管理需求以达到用户侧经济性最优成为亟待解决的课题。传统基于模型的最优化方法在模型精准构建和应对多重不确定性等方面存在局限性,为此提出一种无模型的基于深度强化学习的实时自治能量管理优化方法。首先,对用户设备进行分类,采用统一的三元组描述其运行特性,并确定相应的能量管理动作;接着,采用长短期记忆神经网络提取环境状态中多源时序数据的未来走势;进而,基于近端策略优化算法,赋能在多维连续-离散混合的动作空间中高效学习最优能量管理策略,在最小化用电成本的同时提升策略对不确定性的适应性;最后,通过实际情境对比现有方法的优化决策效果,验证所提方法的有效性。     

考虑风险管理的电力市场多时段均衡分析方法

均衡分析方法是电力市场运行效率分析及机制设计论证的有力工具,而如何计及差价合同和市场主体风险偏好的影响,以及高效求解多时段均衡模型,已成为使电力市场均衡分析方法实用化亟待解决的问题。从差价合同的确定、考虑风险偏好的电力市场均衡建模、基于多智能体深度强化学习的求解等方面,提出了考虑风险管理的电力市场多时段均衡分析方法。在模型框架方面,分别针对市场化差价合同和政府授权差价合同,提出了基于市场均衡结果合理确定合同价格及其曲线的方法;采用条件风险价值评估市场风险,并建立了发电商报价决策的随机优化模型;结合前瞻性安全约束机组组合和经济调度模型建立了现货市场出清模型,以保证结果的合理性。在求解算法方面,通过改进深度强化学习方法,提出了基于风险管理的多智能体深度强化学习算法,并对模型进行迭代求解。最后,通过算例验证了均衡分析方法的合理性和有效性,并剖析了不同比例市场化差价合同或政府授权差价合同,以及不同风险偏好对市场均衡的影响。     

新型电力系统仿真工具研究初探

能源转型背景下,新型电力系统中高比例可再生能源和高比例电力电子设备接入的特征将深刻改变电网形态和运行特性,对仿真理论研究和先进仿真工具研发提出了新的需求。文中梳理了现有仿真软件、仿真体系在应对新型电力系统稳定特性变化、仿真分析时空尺度和跨度增大,以及电力系统数字化发展过程中电网智能分析运行控制体系构建3个层面上的需求与挑战。分析现有仿真技术的特性,指出当前仿真工具存在的不足。最后,理清仿真工具发展趋势,提出新型电力系统仿真技术框架,并就目前仿真工具需要关注的潜在技术发展要点进行展望。     

基于时空耦合特性的充电站运行状态预测

提出一种基于时空耦合特性和深度学习模型的充电站运行状态预测方法。首先,基于充电站历史运行数据和所在区域的交通通行速度数据集,利用k-means聚类方法将充电站划分为不同类型,分析充电站运行状态在时间上的特性;建立单个充电站的"偏移量-交通-时间"三维矩阵模型,深度挖掘充电站运行状态与周边交通状况在时间和空间上的耦合相关性。其次,将充电站状态与交通状况的时间滞后相关特性进行空间重构,利用卷积神经网络进行特征提取,通过长短期记忆网络进行时间序列预测,构建基于Keras深度学习框架的充电站运行状态多步预测模型。最后,以20个充电站的真实运行数据进行验证,并与多种预测算法进行对比,结果表明,所提方法具有较高的预测精度。     

干法和湿法陶瓷隔膜对LiCoO2/C电池性能的影响

隔膜对锂离子电池的电性能、安全性能等有重要的影响。以湿法和干法聚烯烃隔膜为基底,涂覆Al₂O₃纳米陶瓷粉末,制备两种陶瓷隔膜,并对物理特性及组装电池的电性能进行分析。以湿法和干法聚烯烃隔膜为基底的陶瓷隔膜,孔隙率分别为56.2%和46.9%,透气度分别为134.0 s/100 ml和244.3 s/100 ml,吸液率分别为3.81 mg/cm²和2.89 mg/cm²;组装的电池20.00 C与1.00 C容量之比分别为97.80%和90.08%,50.00 C与1.00 C容量之比分别为30.86%和25.53%,以1.00 C在2.5～4.2 V循环300次的容量保持率分别为91.45%和88.31%。以湿法聚烯烃隔膜为基底的陶瓷隔膜的性能更好。     

考虑综合能源站柔性调控作用的城市配电网多阶段规划方法

随着城市经济发展与终端用能电气化的普及,以制冷用电为首的电负荷需求持续增加且峰谷差情况愈发严重化,导致现有配电网运行负担逐渐加重。在此背景下,将综合能源站(IES)作为多能流耦合节点,在配电网中引入多能协调互补及蓄能移峰功能,计及多个阶段负荷发展及多类型负荷特征,提出在IES柔性调控作用下的配电网多阶段规划方法。基于IES能流结构及其运行机制,分别在不同气候类型地区负荷模拟场景下,以总规划期内投资与运行经济性最优为目标,建立由线路、变电站和IES构成决策对象的配电网双层多阶段规划模型,规划与运行层模型通过决策变量关联达成一体化协同求解。通过修改后的IEEE 33节点配电系统对所提方法的有效性进行校验,并进一步将所提方法应用于某地实际152节点配电系统,分析不同负荷特征下配电网规划运行效益、负荷峰谷差调节效果及IES运行状况,得出计及IES的城市配电网规划方法的实用性结论。