基于IGDT的地区型电热气市场分层迭代交易研究

作为推动能源革命的重要市场手段,能源互联地区分布交易需根据地区多能源交易的特点,考虑可再生能源出力与负荷预测偏差风险来制定有效的市场策略,优化地区型多能源市场交易的灵活性与鲁棒性。首先,建立了完全竞争环境下各参与者基于自身交易意愿,以效能最大化为目标制定报价报量、市场统一出清的地区电热气市场交易双层优化模型。其次,提出了上下层交互迭代博弈优化方法,通过参与者迭代博弈优化交易策略与市场迭代出清,提高参与者的交易灵活性并实现其效能最大化;通过市场能源供需关系与迭代效能变化情况来优化报价作为已知值,避免双层嵌套多子目标优化模型的非线性复杂求解。此外,为减小可再生能源出力与负荷预测偏差对参与者效能与市场交易的影响,基于信息间隙理论(information gap decision theory,IGDT)方法,在保证参与者最低效能条件下最大化预测偏差,求得的交易策略具有强鲁棒性。算例结果表明,分层交互迭代博弈机制能够实现地区电热气交易市场均衡,最大化参与者的效能与社会福利,具有较好的灵活性与经济性;通过IGDT方法,针对参与者可接受的不同效能偏差,最大化参与者所能承受的随机变量不确定度,使得交...     

基于微分平滑理论的MMC电容电压波动无源一致性控制方法

以模块化多电平换流器(MMC)电容电压波动抑制为目标,设计了微分平滑控制律,通过构建电容电压波动与注入环流间的非线性平滑映射关系,实现存在不确定性输入干扰或未建模误差情况下注入环流期望轨迹的快速准确求取,解决了数值解析法计算复杂的问题。为实现注入环流期望轨迹快速跟踪,设计了形式简单的无源性控制律,以最小内部能耗满足子模块电容电压波动抑制需求;为提升三相电容电压跟踪同步性,将相邻相的注入环流期望轨迹跟踪误差作为状态误差引入无源性控制律,提出了无源一致性控制方法,实现MMC电容电压波动抑制和三相电容电压均衡双目标,同时确保闭环控制系统全局渐近稳定。基于MATLAB/Simulink仿真结果和基于dSPACE的实验结果验证了所提方法具有计算量小、稳定域宽、鲁棒性强、同步性好的特点。     

考虑连锁故障的覆冰灾害下输电线路脆弱性分析模型北大核心CSCD

虽然电网鲁棒性日益增强,但部分输电线路经过区域极易遭受覆冰灾害,导致该地区发生一次故障的概率大幅增加,而一次故障将会导致电网发生二次连锁故障。针对此问题,文中首先通过蒙特卡洛法判断覆冰灾害引发的输电线路一次故障脆弱性,然后通过自组织临界理论判断由一次故障引发的输电线路二次连锁故障脆弱性,从而建立综合考虑覆冰灾害和电网物理特性的输电线路脆弱性分析模型,以潜在事故链的形式展现了电网覆冰灾害下的故障演化进程,为运维人员甄别覆冰灾害下区域电网的输电线路薄弱环节提供重要决策依据。最后通过对IEEE-39节点电力系统实例进行仿真与分析,验证了所提出模型的可行性。     

基于改进三角模糊VIKOR法的用户储能系统配置方案综合评估

针对不确定环境下用户储能系统配置方案评估决策,提出一种基于改进三角模糊多准则妥协解排序(VIKOR)法的评估模型。首先,运用扎根理论构建评估指标集,并采用灰色关联-粗糙集方法进行指标筛选,形成评估指标体系。然后,采用主、客观相结合的方法计算指标组合权重,以提高其准确性,其中主观权重由模糊层次分析(FAHP)法求得,客观赋权法由改进标准间重要性相关性(CRITIC)法求得。最后,考虑指标之间的冲突性与模糊性,运用改进三角模糊VIKOR法对配置方案评估与排序比选。通过仿真分析,验证了本文所建模型的有效性和可行性。     

相位恢复算法:原理、发展与应用（特邀）

研究表明,由于相位比振幅包含更多关于场的信息,因此相位测量在现代科学和工程的诸多分支中始终是研究的热点问题。在可见的电磁波范围内,相位信息很难通过现有的光电探测器直接采集获取。相位恢复技术提供了一种从捕获的强度信息中将相位信息“计算”出来的有效手段,并已成功应用于天文观测、生物医学成像和数字信号复原等多个科学领域。算法是相位恢复技术的核心,也是该技术发展和应用的关键。文中结合物理学原理和信号处理方法对相位恢复算法的基本原理进行阐述,综述了各类相位恢复算法的发展历程及其优缺点,并简单概述了相位恢复算法在光学领域的典型应用,最终指明其面临的挑战和未来的发展趋势:更优异的收敛性能和噪声鲁棒性、恢复更复杂物体相位信息的能力、多目标多任务集成的兼容性。     

面向序列推荐的小程序应用情境感知与建模

小程序自2017年横空出世就广受用户青睐,主张“即扫即用、即用即走”,但依旧难以针对用户所处特定情境下的需求提供更细粒度和差异化的服务.为此,本文提出一种基于注意力网络的情境感知序列推荐模型(ACA-SR).首先在活动理论视角下对情境信息进行本体建模;然后通过重新定义门控循环单元的更新门和重置门,计算由这些情境所确定的隐藏状态,对用户偏好进行动态建模;最后,通过利用关联情境中的注意力网络,模型能够区分历史行为序列中每个小程序的重要性.实验结果表明,该算法相比其他算法在评价指标如命中率、平均倒数排名和归一化折损累计增益有显著提升.