支持遗忘特征的记忆模型及其在知识管理中的应用

为了在知识管理系统中有效进行知识筛选,本文将遗忘的特性引入知识管理,建立了复合记忆—遗忘 数学模型．探讨了该模型的数学特性,并对其进行了适合计算机模拟的等效简化．探讨了该模型在知识管理系统中 的应用和实现方法,并给出了实例．该模型有助于识别知识管理系统中的老化知识和新知识,优选关键知识,提高 系统效率．     

智能公用室内照明系统的设计

分析比较了已有的几种智能照明系统方案,将检测单元阵列引入智能公用室内照明系统的设计中,从而实现了可精确定位使用者位置及检测此位置的自然光水平,进而实现照明灯的精确控制,实现了真正的智能照明。实际应用验证了本文所述方法的可行性,根据室内自然光及使用者情况自动进行智能照明控制可达到节能目的,且方便操作管理,具有很好的应用前景。     

GPU加速的圆弧轨迹Katsevich锥束CT重建算法

通过改进GPU的渲染到纹理策略加速锥束反投影计算,提高了圆弧轨迹Katsevich锥束CT重建算法的执行效率.在CPU中完成投影数据的滤波处理,并将其重排为四通道浮点纹理载人GPU内存;绑定2个浮点输出纹理到帧缓冲对象的不同绑定点,用于将渲染结果输出到纹理,并同时完成反投影数据的累加计算;将矩形网格编码为四叉树结构用于加速物体切片的绘制.实验结果表明,文中算法在较大锥角时仍能重建出高质量图像,并获得接近于实时的重建速度.     

基准物最好具有较大摩尔质量的两种求证方法

对基准物“最好具有较大当量”更改为“最好具有较大摩尔质量”是否完全等效及当前所提出的两种求证方法进行了论证、比较。指出两法得到相同结论实属巧合之例;另举例说明在比较基准物摩尔质量大小以说明称量误差大小时,只有选用完全一致的比较标准才能使基准物“最好具有较大当量”或“最好具有较大摩尔质量”的两提法完全等效,并适用于任何情况。     

考虑有功协调优化的配电网动态电压控制

配电网电压动态变化特征日益凸显,对配电网动态优化控制提出了新的要求。除此之外,配电网有功与无功的耦合特性也使得仅基于无功/电压的控制方法效果降低。因此,提出了一种考虑有功/无功快速协调优化的配电网动态电压控制方法,实现在秒级时间尺度内关键节点的电压恢复。首先建立配电网有功/无功控制设备动态模型,并基于模型预测控制理论建立了动态电压控制系统预测模型。设计了面向配电网电压协调控制的多目标自适应优化策略,基于配电网同步相量测量单元动态测量数据实现有功/无功控制设备出力的动态协调。仿真结果表明,该方法能够实现配电网电压波动的秒级抑制,并将目标节点电压快速无差地恢复至扰动前水平。     

多类型热电机组群实时负荷动态分配方法

在运行灵活性提升背景下,考虑热电厂内不同类型热电机组的可行运行区间及其相关辅机运行动态安全边界,以实现热电厂整体效益最大为目标,提出一种多类型热电机组群实时负荷动态分配方法。该方法计及热电厂的售电收益、运行成本、辅助调峰市场收益、负荷跟踪惩罚,并通过设置机组出力最小调整量降低各机组出力调整频次。基于东北地区某热电厂实际数据的算例结果验证了所提方法的有效性和优越性。     

考虑广义储能与碳捕集设备联合调峰的电力系统低碳经济调度

在运用碳捕集设备提高深度调峰机组负荷低谷时段出力的同时,采用广义储能提高负荷高峰时段的碳捕集水平,是实现碳达峰、碳中和的重要途径之一。提出考虑广义储能与火电深度调峰的低碳经济调度模型,通过引入碳捕集设备与广义储能解决机组深度调峰损耗大及负荷高峰时段碳排放量高的问题。将深度调峰机组改造为碳捕集机组,提高其深度调峰时段的出力水平;将由价格型需求响应与储能装置构成的广义储能用于调度模型中,提高负荷高峰时段的碳捕集水平;以系统总运行成本最优为目标,制定各主体出力方案。仿真结果表明,所提模型能够缓解机组深度调峰压力,提高碳捕集机组的捕碳水平,兼顾系统的经济效益与低碳性能。     

含电容单元的级联H桥七电平调制策略

针对传统三单元级联H桥直流电源电压利用率较低的问题,采用电容替代其中利用率较低的直流电源,构成含电容单元的级联H桥逆变器。围绕该型逆变器的调制策略及电容选择等问题,在载波层叠式脉宽调制策略的基础上,利用冗余开关状态改进现有调制策略。通过采集电容电压和输出电流,切换调制模式实现电容充放电控制。分析电容电荷量在不同调制度下的变化,得到电容电压稳定到参考值所需要满足的条件。考虑到电容纹波电压不超过参考值10%的要求,并结合最大连续放电区间,计算出最小参考电容,使逆变器达到最优配置。通过仿真和实验证明了新型调制策略可对电容充电并具有良好的稳压效果。     

考虑同步机调差系数灵敏度与频率约束的机组组合

为解决高比例新能源并网带来的系统惯量水平降低及频率安全问题,有必要从同步机的角度出发,进一步发挥同步机组的调频能力,提高系统的频率稳定。考虑系统中各同步机组频率支撑能力的不同,基于灵敏度的方法分析不同机组调差系数的改变对最大频率偏差的影响程度。综合考虑同步机与风机参与调频,推导最大频率偏差的解析表达式。在考虑频率安全约束的基础上,提出考虑同步机调差系数灵敏度的多目标机组组合模型,并采用快速非支配多目标优化算法(non-dominated sorting genetic algorithms-II, NSGA-II)进行模型求解。仿真结果表明,所提模型在考虑频率约束的机组组合模型基础上,进一步发挥了同步机组的调频能力,抑制了最低点频率的跌落,改善了系统的频率响应。     

基于ATLG混合模型的股票价格预测

股市是金融市场的重要组成部分,对股票价格预测有着重要的意义.同时,深度学习具有强大的数据处理能力,可以解决金融时间序列的复杂性所带来的问题.对此,本文提出一种结合自注意力机制的混合神经网络模型(ATLG).该模型由长短期记忆网络(LSTM)、门控递归单元(GRU)、自注意力机制构建而成,用于对股票价格的预测.实验结果表明:(1)与LSTM、GRU、RNN-LSTM、RNN-GRU等模型相比, ATLG模型的准确率更高;(2)引入自注意力机制使模型更能聚焦于重要时间点的股票特征信息;(3)通过对比,双层神经网络起到的效果更为明显.(4)通过MACD (moving average convergence and divergence)指标进行回测检验,获得了53%的收益,高于同期沪深300的收益.结果证明了该模型在股票价格预测中的有效性和实用性.