选举策略在分布式系统死锁避免中的应用

将单机系统或集中式系统中的死锁避免策略移植到分布式需要面临并发性和冲突问题的解决。本文通过分析二阶段锁的机制,引入了一种应用选举策略来幽雅地解决分布式系统中死锁避免所碰到问题的算法。     

北京园林树木物候的年代际变化——多物候阶段的树种响应

近30年来加剧的气候变化已经显著改变了北温带森林的树木物候,并对城市植被生态与景观产生长远影响。尽管此前已有研究揭示北京地带性植被生长季与花叶物候的整体变化趋势和气候响应特征,物候响应的种间差异及各物候阶段的响应敏感性仍有待进一步探究。聚焦1980s-2010s北京植物园45种园林树木物候的年代际变化,旨在揭示不同树种、各物候阶段的物候响应特征和响应敏感性差异。结果表明,与30年前相比,各树种始花期、盛花期和末花期分别平均提前10.2日、7.5日、2.4日(p<0.05),开花持续期延长,每日同步开花树种增多;各树种展叶始期平均提前7.8日(p<0.05),秋色盛期及落叶末期分别平均延后7日、7.8日(p<0.05),导致生长季及叶幕期显著延长(p<0.05)。以物候变化量绝对值衡量特定物候阶段的响应敏感性,发现与其他物候阶段相比,始花期的响应敏感性最为突出且种间一致性较强,而叶衰老物候在响应方向及程度上的种间差异最为显著,开花、展叶物候的响应差异导致8个树种的花叶时序发生颠倒。以始花期、末花期、展叶始期及落叶末期的响应敏感性标准化值均值衡量各树种的综合物候敏感性并作树种聚类分析,发现玉兰、紫丁香、华北珍珠梅、元宝枫、黄刺玫等树种呈高物候敏感性,文冠果、毛泡桐、桑、碧桃、楸等树种呈低物候敏感性,且大部分树种各物候阶段的敏感性特征并不均衡,需予以持续关注和进一步探究。面对持续变暖、极端性增强的气候变化趋势,研究结果可从树种层面为提高北京城市植被景观与生态的气候适应性提供一定参考。     

计及多元不确定性的氢电耦合微电网多阶段动态规划方法

针对传统单阶段规划设计方法存在的初始投资成本高、源荷匹配性弱、经济性不足的缺点,提出了一种氢电耦合微电网多阶段动态规划方法,可确定各设备的最优配置容量和投资时机,并基于混合优化架构增强模型对多元不确定性的适应能力。其中,设备在规划周期内投资成本的波动不确定性特征以随机概率场景描述,可再生分布式电源出力和负荷需求不确定性则以不确定场景集合处理。在此基础上,进一步考虑微电网规划周期内的负荷增长率、设备性能衰退等动态因素,提升规划方案对未来动态信息变化的适用性,并最终构建随机-鲁棒混合整数线性规划模型描述微电网的多阶段动态规划问题。仿真结果表明,与传统的单阶段规划模型相比,所提方法的总成本降低近5.0%,初始投资成本降低近13.9 %,投资回收期缩短近32.9 %,有利于提升微电网规划方案的经济性。     

高比例风电接入下次同步振荡监测系统次同步相量监测装置多阶段优化配置方法

随着风电等新能源大规模接入,未来次同步振荡问题将更为突出,亟需建立新型次同步振荡监测系统。中国学者已针对次同步振荡监测装置——次同步相量监测装置(subsynchronous phasor measurement unit, SPMU)开展了相关研究。在此基础上,如何经济高效地制定SPMU配置方案成为了构建次同步振荡监测系统的首要问题。基于风电机组频率耦合阻抗模型提出计及评价指标之间重要程度差异、振荡工况发生概率的监测关键度评价体系;考虑到SPMU实际安装配置中常存在多阶段安装的情况,建立计及节点监测关键度的SPMU多阶段优化配置模型;最后利用整数线性规划求解多阶段优化配置方案。采用美国得克萨斯州ERCOT系统、改进的New England 39节点系统,验证了所提指标及算法的准确性和经济性。     

新型电力系统灵活性资源聚合两阶段调度优化模型

构建以新能源为主体的新型电力系统是实现碳达峰、碳中和目标的关键驱动力。传统的以可控煤电装机为主导的电源结构,转变为以强不确定性、弱可控的新能源为主体的新型电力系统,将面临着灵活性资源短缺等挑战。以提升新型电力系统灵活性为导向,提出了灵活性资源聚合两阶段调度优化模型。第一阶段模型考虑分时价格型需求响应,以净负荷波动最小为目标平滑负荷曲线;第二阶段模型考虑分段激励型需求响应市场交易机制,融合电化学储能、抽水蓄能、改造火电等灵活性资源,以系统运行成本最小为目标设计最优运行方案。最后,算例结果和场景对比表明,需求响应能够充分挖掘负荷跟随系统调节的互动能力;改造后火电机组能够降低煤耗水平,提高调节能力,加强与系统灵活性需求时空匹配;各类储能积极响应电力系统调峰,促进了新能源消纳。     

基于引导Minimax-DDQN的无人机空战机动决策

针对无人机(UAV)空战环境信息复杂、对抗性强所导致的敌机机动策略难以预测,以及作战胜率不高的问题,设计了一种引导Minimax-DDQN(Minimax-Double Deep Q-Network)算法。首先,在Minimax决策方法的基础上提出了一种引导式策略探索机制;然后,结合引导Minimax策略,以提升Q网络更新效率为出发点设计了一种DDQN(Double Deep Q-Network)算法;最后,提出进阶式三阶段的网络训练方法,通过不同决策模型间的对抗训练,获取更为优化的决策模型。实验结果表明,相较于Minimax-DQN(Minimax-DQN)、Minimax-DDQN等算法,所提算法追击直线目标的成功率提升了14%～60%,并且与DDQN算法的对抗胜率不低于60%。可见,与DDQN、Minimax-DDQN等算法相比,所提算法在高对抗的作战环境中具有更强的决策能力,适应性更好。     

基于谱聚类的在线数据库垂直分区多阶段生成方法

垂直数据分区技术从逻辑上将满足一定语义条件的数据库表属性存放在同一个物理块中,进而降低数据访问成本,提高查询效率.数据库查询负载中的每条查询通常只与数据库表中的部分属性有关,因此只需使用数据库表的某个属性子集便可以得到准确的查询结果.合理的垂直数据分区方式可以使大多数查询负载不需要扫描完整数据库就可以完成查询任务,从而达到减少数据访问量,提高查询处理效率的目的.传统的数据库垂直分区方法主要基于专家设置的启发式规则,分区策略粒度较粗,且不能根据负载的特征进行有针对性的分区优化.同时,当负载规模较大或者属性个数较多时,现有垂直分区方法执行时间过长,尤其无法满足数据库在线实时调优的性能需求.为此,提出在线环境下基于谱聚类的垂直数据分区方法（spectral clustering based vertical partitioning,SCVP）,采用分阶段求解的思想,减少算法时间复杂度,加快分区执行速度.首先通过增加约束条件缩小解空间（即根据谱聚类生成初始分区）,然后对解空间设计算法进行精细的搜索（即采用频繁项集和贪心搜索相结合的策略对初始分区进行优化）.为了进一步提升SCVP在高维属性下的性能,提出了SCVP的改进版本SCVP-R （spectral clustering based vertical partitioning redesign）.SCVP-R通过引入同域竞争机制、双败淘汰机制和循环机制,对SCVP在分区优化过程中的合并方案进行了进一步优化.在不同数据集上的实验结果表明,相比于目前最好的垂直分区方法,SCVP和SCVP-R有着更快的执行时间和更好的性能表现.     

阶段化改进的海洋捕食者算法及其应用

针对海洋捕食者算法自适应能力有限、局部桎梏概率高等不足,提出阶段化改进的海洋捕食者算法.在高速度比阶段实施差分演化,在原始猎物群体的变异与交叉中扩大全局探索范围,遍历优化个体质量;引入正余弦算法等概率波动等速度比阶段的并行架构,提升莱维飞行群体与布朗运动群体的灵活性,促进群体间渗透,同节奏优化算法的开发能力与探索能力;融合柯西变异策略与反向学习策略改进低速度比阶段捕食者,生成具备自我调节能力的柯西镜像捕食者,避免迭代末期种群同化过度,强化算法反早熟能力.通过基准函数对比寻优实验及Wilcoxon符号秩检验来评估改进算法的性能,实验结果验证了阶段化改进策略对算法整体表现力的提升.利用改进算法优化在线序列极限学习机参数并应用于变压器故障诊断,进一步验证阶段化改进策略的有效性及工程实用性.     

阶段任务系统故障树启发式变量排序研究

供电监控系统作为城市轨道交通和城市综合管廊最重要的子系统之一,涉及变电、配电、用电、能源管理 等系统的运行监控和健康管理,其可靠性和工作稳定性极端重要.面向城市基础设施的供电监控系统是典型的阶段任 务系统 (PhasedMissionSystem,PMS),具有很明显的阶段性,即系统运行可分为多个不同阶段,各个阶段完成不同的作业.PMS的故障树 BDD分析中变量排序问题是 NP完全问题,因此从 PMS各阶段故障树的结构特征出发,研究 PMS故障树启发式变量排序.对于阶段异构 PMS,引入了新的 PDO 变量排序策略———MEAN 策略,基于大量具有各种结构特征的 PMS故障树样本比较分析了已有 DC策略、MEAN 策略以及元变量策略的性能,总结了PMS故障树的策略选择相关结构特征和结构特征依赖的策略选择方法.基于所提出的变量排序策略及策略选择方法可以有效地采用 BDD方法分析大规模 PMS故障树.     

站在新起点,踏上新征程

2021年,英大财险坚持以习近平新时代中国特色社会主义思想为指引,立足新发展阶段,贯彻新发展理念,融入新发展格局,全面落实监管机构工作要求,积极融入国家电网有限公司“一体四翼”发展布局,推动思想方式、发展方式、管理方式“三个转变”,实现“十四五”首年业务规模过百亿的良好开局,在高质量发展征程上迈出坚实步伐。