基于CUDA编程模型的稀疏对角矩阵向量乘优化

稀疏矩阵向量乘是很多科学计算问题中的核心问题。本文针对稀疏对角矩阵,在DIA存储格式的基础上,设计了一种新型压缩存储格式CDIA,结合CUDA编程模型的特点,在计算线程上进行了细粒度的任务分配,同时为满足CUDA对存储器的合并访问要求,将压缩矩阵做了相应的转置处理,设计了细粒度算法与程序,并根据稀疏矩阵向量乘特点,做了相应的程序优化。实验数据显示,这种存储格式能够很好地发挥CUDA在数据处理方面的优势,在测试数据中,最高获得了单精度39.6Gflop/s和双精度19.6Gflop/s的浮点计算性能,性能在Nathan Bell和Michael Garland的基础上分别提高了7.6%和17.4%。     

基于支持向量机的代谢网络特征分析

把细胞内所有生化反应表示为一个网络指为代谢网络,是所有参与代谢过程的化合物之间以及所有催化酶之间的相互作用的反映,是抽象表达对细胞的代谢。在不同的物种中都含有大量的代谢翻译,却代谢网络是高度保守的。要了解包括代谢系统在内的许多自然、社会系统都起着重要的作用,所以要对于复杂网络进行研究并掌握它们的规律意义很大。利用代谢网络对微生物的耐热性进行分类研究对认识和利用细胞代谢过程有很大的帮助,从而促进发酵工程、制药工业等产业的发展。     

基于改进的共轭梯度算法实现的最小二乘隐空间支持向量机

本文研究了最小二乘隐空间支持向量机的优化问题。文中采用基于对称超松弛预处理技术改进共轭梯度算法,改进的共轭梯度算法只需求解一个阶数为l-1的线性代数方程组即可,大大节省了计算时间。最后将其应用于最小二乘隐空间支持向量机中建立数学模型,并通过实例验证了该算法的优越性。     

基于变分模态分解和改进粒子群算法优化最小二乘支持向量机的短期电价预测

针对电价序列具有非线性强、波动性大的特点,提出一种基于变分模态分解(VMD)和改进粒子群算法(PSO)优化最小二乘支持向量机(LSSVM)的短期电价预测模型.首先利用VMD将原始电价数据分解为多个子序列,然后采取LSSVM模型分别对子序列进行预测.对于LSSVM预测模型的最优参数选择问题,利用改进的PSO优化LSSVM模型的参数,能够很好地提高模型预测精度.最后集成各子序列预测结果,获得最终电价预测值.为了验证所提模型的有效性,以美国PJM市场电价数据为例进行分析,并与其他预测模型进行对比,结果表明,所提模型能够很好地对短期电价进行预测.     

电网故障下光伏并网低压故障穿越控制策略的研究

电网发生故障或扰动可能造成光伏并网点电压跌落,严重影响电力系统的安全运行,光伏发电站有必要具备在电压跌落范围和时间内保证不脱网运行的能力。提出一种基于无功补偿的光伏并网低压穿越控制策略。该方法在检测到电压跌落时,通过断开外部电压环路将双闭环控制模式更改为单电流环路操作模式,采用改进后的无功补偿控制策略防止逆变器产生过电流,为电网电压提供无功补偿,较好实现不脱网运行。最后利用Matlab / Simulink软件比较和分析低压穿越控制策略前后的相关参数。仿真结果表明,改进的控制策略可以有效地抑制逆变器输出电流的增加,并且能提供无功功率来支持电网电压,以在电网电压骤降期间实现低压穿越。     

基于改进下垂控制的多微网并联运行控制策略研究

多微网并联的电网系统结构复杂、连接方式多样,在并网、解列的过程中由于子微网之间的频率和电压偏差,会在平衡点产生较大的电动力,对系统产生冲击,影响系统的动态稳定。本文针对多微网并网、解列过程中控制精度和动态稳定的问题,基于长距离线路电压降落和电压相角偏移,提出了一种改进的下垂控制方法,减少了系统的电压震荡和频率波动。最后基于Matlab/Simulink建立仿真模型,仿真结果验证了改进控制策略的合理性和有效性。     

不同配置模式下分布式光伏发电并网接纳仿真

针对分布式光伏发电的间歇性、不确定性特点,解决其并网接入给配电网带来的难题,提出不同配置模式下分布式光伏发电并网接纳计算方法,通过构建分布式光伏发电接纳容量计算模型,以最大光伏电站接入总量为优化目标,以旋转备用容量、常规机组爬坡速率、网络传输等为约束条件,分析电网侧、分布式发电侧两种配置模式下储能参与电网电压调节的能力,展开分布式光伏发电并网接纳计算.仿真计算分析结果表明:天气状况可干扰分布式光伏出力情况,日间输出功率差异显著;储能配置在电网侧模式比储能配置在分布式发电侧模式的配电网分布式光伏发电接纳效果提升30％左右.     

含高渗透率光伏的配电网就地-分布式电压控制

随着配电网中分布式光伏渗透率的逐步提高,发电功率和负荷需求不平衡导致的电压越限问题日益突出.为充分调用可控资源进行调压,同时降低系统的通信量和计算量,文中基于配电网节点的近似电压灵敏度,结合就地控制和分布式控制的特点,提出一种含高渗透率光伏的配电网电压控制策略.该策略利用本地量测数据和分布式通信信息,通过各关键节点的无功协调控制和有功优化调度,实现系统电压的经济快速控制.仿真结果表明,所提策略具有良好的电压控制效果和经济性,能够降低系统的运行成本.     

基于局部线性嵌入和支持向量机回归的TBM施工参数预测

依托吉林引松工程开展隧道掘进机（TBM）施工参数预测研究,提出TBM施工数据分段提取算法,提取上升段前30 s的总推进力、刀盘转速、推进速度、刀盘扭矩、刀盘转速电位器设定值、推进速度电位器设定值、贯入度、贯入度指数(FPI)、扭矩切深指数(TPI)9个参数作为输入;通过局部线性嵌入（LLE）完成对上升段数据特征的降维;基于支持向量机回归（SVR）建立TBM施工控制参数（推进速度、刀盘转速）和负载参数（总推进力、刀盘扭矩）预测模型. 分析是否结合前一掘进循环的FPI、TPI指数进行预测对预测效果的影响. 结果表明,上述方法在推进速度、刀盘转速、总推进力、刀盘扭矩的预测中均取得了较好的预测效果,平均预测绝对百分比误差均小于15%,验证了该预测方法的有效性,该方法可以为TBM现场施工提供指导.     

基于GWO-SVM的下肢假肢穿戴者骑行相位识别

针对下肢假肢穿戴者骑行相位识别的问题,提出基于灰狼算法优化的支持向量机(GWO-SVM)分类模型. 建立下肢多源信息系统,采集膝关节、踝关节的加速度信号以及膝关节角度信号. 应用奇异值分解,对采集到的信号进行降噪处理. 在对信号进行降噪处理之后,为了避免单一信号不确定的影响,从数据冗余角度,选取各信号的特征点,开展归一化处理,组成多维特征向量,作为SVM分类模型的输入. 为了能够进一步提高分类精度,加强全局优化能力,利用GWO算法对核参数进行优化. 通过与PSO-SVM分类模型、GA-SVM分类模型对比表明,基于GWO优化的SVM分类模型对骑行相位的识别率为94%,高于其他方法优化的SVM分类模型.