基于多目标聚类的用电集群特征属性计算

提出售电市场中用电集群与分析维度概念.确定集群特征变量后,采用自组织映射神经网络与k-均值混合可视化聚类技术对售电空间进行自定义目标划分.基于负荷与经济指标,设计熵权改进的多指标属性测度算法对多目标划分下用电集群特性进行精细化定量综合计算,以分析各对象属性整体相对优劣.采集某电网317个用户数据进行算例分析,结果表明该算法能区别于传统负荷特性分析方法,在扩大售电市场研究对象基础上实现更多有效信息挖掘与多目标售电对象特征精细分析.     

基于时间序列的深度学习光伏发电模型研究

为了减少光伏系统接入电网产生的不利影响,并对预测光伏功率输出进行研究,提出了一种基于数据中潜在季节类别的混合深度学习模型。整个模型分为三个阶段,即聚类、训练和预测。在聚类阶段,采用相关分析和自组织映射来选择历史数据中相关性最高的因素。在训练阶段,将卷积神经网络、长短期记忆神经网络和注意力机制相结合,以构建用于预测的混合深度学习模型。在预测阶段,按测试集的月份选择分类的预测模型。实验结果表明,该实验方法在7.5 min内的间隔预测中具有较高的准确性。     

基于聚类的支持向量回归模型在电力系统暂态稳定预测中的应用

提出了一种电力系统暂态稳定实时预测方案,通过相量测量单元(PMU)获得扰动后短时间内的发电机功角相量,利用支持向量回归(SVR)模型可以快速而准确地预测发电机相对功角的变化趋势,从而可以判断电力系统的暂态稳定性。为了提高预测的精度和降低SVR的训练负担,利用自组织特征映射(SOFM)网络对训练样本集进行聚类分析,对聚类后的每一类样本训练SVR,由于每类样本具有相似性,所以对每类样本单独训练SVR可以更好地提高训练精度;又由于分类后的子类样本数目相对较小,所以可以克服全体训练样本对SVR训练时间过长的缺点。结合新英格兰10机系统对基于多种不同样本的SVR从训练时间和预测精度进行对比说明该方法的有效性。     

基于组合神经网络的Sarsa(λ)学习算法

标准的Sarsa(λ)算法对状态空间的要求是离散的且空间较小,而实际问题中很多系统的状态空间是连续的或尽管是离散的但空间较大,这就需要很大的内存来存储状态动作对.为此提出组合神经网络,首先用自组织映射(SOM)神经网络对状态空间进行自适应量化,然后在此基础上用BP网络拟合Q函数.该方法实现了Sarsa(λ)算法在连续和大规模状态空间的泛化.最后,实验结果表明了该方法的有效性.     

基于GMDH的卷烟工艺参数-指标关系模型研究

通过对烟草加工中工艺参数与质量指标之间的关系研究,提出采用自组织数据挖掘方法建立相应的关系模型,并利用该模型预测质量指标取值。通过与多元线性回归模型的预测值对比,证明了该方法的有效性。     

基于自组织映射神经网络的多目标调度研究

为解决后验式场景下的多目标生产调度问题,提出一种基于自组织映射神经网络的策略来生成近似Pareto边界。该方法首先使用拉格朗日松弛法获得若干Pareto解,从而将搜索范围划分为若干区域。对于每一个区域,构造两个并发运行的自组织映射神经网络搜索区域中的Pareto解,在不增加求解时间的情况下提高了求解精度。另外,根据多目标调度问题的特点,改变了神经网络训练过程中邻域的定义,从而加快了求解速度。仿真实验验证了该算法的可行性与有效性。     

面向船舶AIS自组织网络的地理位置路由算法

针对船舶自动识别系统（Automatic Identification System,AIS）的自组织网络路由算法设计问题,提出了一种基于优化的贪婪边界无状态路由（Greedy Perimeter Stateless Routing,GPSR）的技术方案。该方案利用AIS时分多址接入协议,为消息报文提供信道接入方法。首先,设计了位置报文的自适应转发策略,使船舶节点根据网络环境自主决策位置报文的转发行为;其次,通过缩小GPSR贪婪转发的选择范围,减少了因节点运动导致的边缘路由失败情况。仿真结果表明,所提方案实现了AIS船舶节点的有效组网。与现有转发策略相比,自适应转发策略降低92.7%的位置报文转发量,并降低了79.6%的时隙冲突率,可有效提高网络资源的利用率。      

数据挖掘在运动自行车量身定做中的应用

基于自组织数据挖掘的基本原理, 根据运动自行车车架设计的背景知识, 选取影响车架尺寸的骑行者的身体特征, 并选择相关的数据作为学习样本, 在Knowledgeminer中建模, 得到车架尺寸和身体特征之间的定量关系, 实现了运动自行车车架量身定做的功能.     

非线性系统的自组织多模型自适应逆控制

针对离散时间非线性系统,在分析基于自组织映射神经网络的多模型控制方法的基础上,提出了一种自组织多模型直接逆控制方法.并分析了控制误差的有界性.进一步,借鉴参数空间多模型方法的切换一自适应策略,在固定模型的基础上增加一个参数可调节的自适应逆模型.提高了稳态控制性能.仿真实例表明,对于变化较快的信号,自组织多模型直接逆控制器和自组织多模型自适应逆控制器都能进行有界跟踪,对于稳态信号,自组织多模型自适应逆控制器还能进行渐近跟踪.     

基于松散偏好规则的群体机器人系统自组织协作围捕

针对群体机器人协作围捕,提出了一种基于松散偏好规则的自组织方法.首 先给出了个体机器人的自由运动模型和围捕行为的数学描述.通过对围捕行为的分解,构造松散偏好 规则来使个体机器人在自组织运动过程中相互协调最终形成理想的围捕队形.在此基础上,设计了个体自组织运动控制器.最后运用Lyapunov稳定性定理证明系统的稳定性.仿真和实验结果表 明,本文给出的自组织方法对于群体机器人协作围捕是行之有效的.