基于图神经网络的智能电网运行状态分析与评估

智能电网的安全运行是保证持续、高效供电的首要前提,为此,提出了一种基于图神经网络(GNN)的智能电网运行状态分析与评估模型。首先,利用长短记忆网络对量测数据中存在的缺失数据进行填补,以确保模型用于稳定性评估和故障定位时具有良好的性能。其次,基于GNN分别设计了用于电网运行稳定状态评估的二分类器和用于故障元件定位的多分类器。所提模型能够充分挖掘电网运行数据的时空特性,与其他方法相比,所提模型在不同量测条件下均表现出更为优异的性能。实验结果表明:当量测数据时长为0.1 s时,所提模型稳定性评估和故障定位准确率分别为0.9855和0.9814,高于其他模型;当仅可量测到一半元件数据时,所提模型稳定性评估、母线故障定位及发电机故障定位的准确率分别为0.9980,0.9609以及0.9812,高于其他模型。

基于运行成本约束的含碳捕集设备电力系统低碳调度模型

发展低碳电力系统是应对全球变暖挑战的基础,如何充分发挥碳捕集设备的作用,且有效地解决含碳捕集设备电力系统的调度问题变得至关重要。针对含碳捕集设备场景下的低碳调度问题,首先建立风电、储能、火电机组的联合调度模型,根据此模型以系统运行成本为优化目标,可以得到不含碳捕集设备场景下的系统最优成本。在此基础上,建立风电、储能、碳捕集以及火电机组的低碳优化调度模型,将无碳捕集设备场景下的系统最优成本作为约束条件之一,以二氧化碳排放量减少为调度优化目标。由于该场景下的低碳调度问题可以视为一个马尔可夫决策过程,最后基于深度强化学习模型对问题进行求解。实验结果表明,所提出的含碳捕集设备场景下的低碳调度模型,不但可以有效地控制系统总运行成本,同时可以进一步降低二氧化碳的排放量。

电力市场中基于区块链的近似价格交易算法

随着分布式电源的增多,微电网的局部独立自主交易越来越普及,急需一个匹配效率高的交易算法来适应这个趋势。然而,目前已有算法的匹配效率较低。本文提出了一个高效的交易匹配算法,它基于价格优先和近似价格优先策略,结合了双边拍卖机制,解决了匹配效率不高的问题。实验结果表明,本文提出的算法匹配效率达到80%以上,比价格优先算法提高8%。

融合图增强和采样策略的图卷积协同过滤模型

现有的基于图卷积网络(GCNs)的协同过滤(CF)模型存在两大问题,大多数原始图因存在噪声及数据稀疏问题会严重损害模型性能;对于大型用户项目图来说,传统GCN中的显式消息传递减慢了训练时的收敛速度,削弱了模型的训练效率.针对上述2点,提出融合图增强和采样策略的图卷积协同过滤模型(EL-GCCF).图初始化学习模块通过生成2种图结构,综合考虑图中的结构和特征信息,对原始图进行增强,有效缓解了噪声问题.通过多任务的约束图卷积跳过显式的消息传递,利用辅助采样策略有效缓解训练中的过度平滑问题,提高了模型的训练效率.在2个真实数据集上的实验结果表明,EL-GCCF模型的性能优于众多主流模型,并且具有更高的训练效率.

基于深度强化学习考虑碳捕集电厂综合灵活运行方式的含风电低碳经济调度

随着碳达峰碳中和战略目标的提出,降低碳排放量是新形势下电力系统转型要面对的重要问题。风电等新能源虽然具有零碳排量的优势,但其具有不确定性,给电网的平稳运行带来了挑战,因而较为稳定的火电仍然是重要的电能来源,但需要对传统火电厂进行改造,采用碳捕集和封存利用技术减少碳排放量。经改造后的碳捕集电厂具有综合灵活的运行方式,可以与风电进行配合。在综合灵活运行方式下,研究了碳捕集电厂灵活运行时的能量特性,建立了低碳经济调度模型。同时,为了提高调度的效率,减少不确定性的影响,设计了基于深度强化学习的算法来学习调度策略,并基于真实的电力系统运行数据进行仿真,证明了所提出方法的有效性。

海量数据上挖掘关联规则的并行算法

针对目前关联规则挖掘算法中数据库规模很大时算法执行时间太长的问题.指出了并行计算是解决该问题的一个有效方法.利用新提出的可以忽略仅仅在少于1/4的结点机上的局部频繁项集,给出了一种新的并行随机抽样方法,并利用机群并行计算机的自治能力和I/O高度并行的特点,提高了抽样算法对海量数据的处理能力和效率.理论分析和实验数据显示,该算法的加速比接近于处理机的个数p,通信复杂性为处理机的个数p的对数,具有良好的扩展性和海量处理能力,且精确度较高.

单叶调和映照的反函数

设是在一个单连通区域上的单叶调和映照，我们证明了反函数ｚ＝ｆ－１（）也是调和映照的充要条件是ｆ为下面三类函数之一：（ｉ）单叶共形映照；（ｉｉ）仿射交换映照；（ｉｉｉ）具有形式ｆ（ｚ）＝Ａ［ａｚ＋β＋ｌｏｇ（１－ｅ－ａｚ－β）－ｌｏｇ（１－ｅ－ａｚ－β）］＋Ｂ的调和映照，其中Ａ，Ｂ，α和β是常数且满足条件Ｒ（ａｚ＋β）＞０，Ｚ∈Ｄ．

基于广义超曲面树的相似性搜索算法

相似性搜索是数据挖掘的主要领域之一.它在数据库中检索出相似的数据,发现数据间的相似性.它可以应用于图像数据库、空间数据库和时间序列分析.对于欧氏空间(一种特殊的度量空间),相似性搜索算法中基于R-tree的方法,在低维时是高效的,当维数增加时,R-tree的方法将退化为线性扫描.该现象被称为维数灾难(dimensionality curse),主要原因是存在数据重复.当数据量很大且维数很高时,距离计算和I/O操作将非常费时.提出了度量空间上新的空间分割方法和索引结构rgh-tree,利用数据库的数据对象与很少几个固定参考对象的距离信息进行数据分割和分布,产生一个各节点没有数据重复的平衡树.另外,在rgh-tree的基础上提出了相应的相似性搜索算法,该算法具有较小的I/O代价和距离计算次数,平均复杂性近似为o(n0.58).解决了目前算法存在的一些问题.

一族一致凸函数的性质

本文对一类一致凸函数子族进行了研究，得到了系数估计，增长定理，极值点及支撑点，覆盖半径以及某些函数族的一致凸半径。

NAA、6-BA对不同熟性甘蓝子叶期愈伤组织诱导的影响及其丛生芽发生

采用正交试验研究了NAA、6-BA对不同熟性甘蓝品种子叶期不同部位培养过程中愈伤组织诱导率的影响,同时以MS＋NAA（0.4~0.7 mg/L）,6-BA（2.0~4.0 mg/L）为丛生芽诱导培养基,研究了愈伤组织形态特征与丛生芽发生之间的关系。结果表明,晚丰和中甘十一的带柄子叶、不带柄子叶、下胚轴易诱导出愈伤组织;京丰甘蓝的下胚轴易诱导出愈伤组织,早熟品种下胚轴诱导的愈伤组织丛生芽发生率高于其他品种的愈伤组织。在3种甘蓝子叶期外植体培养中选下胚轴作为培养材料诱导获得的愈伤组织易发生丛生芽,京丰的下胚轴在NAA0.45 mg/L,6-BA 3.0 mg/L时诱导出中间绿色周围半透明松脆柔软团状生长快的愈伤组织丛生芽发生率达到79%;晚丰下胚轴在NAA0.6 mg/L,6-BA 6.0 mg/L时诱导出淡黄色至淡黄绿色松脆柔软团状生长快的愈伤组织丛生芽发生率可达94%;中甘十一的下胚轴在NAA0.45 mg/L,6-BA3.0mg/L时诱导出的中间为绿色周围为半透明松脆柔软团状生长快的愈伤组织丛生芽发生率可达95%。

单叶复调和函数的二个子族

对单叶复调和星像函数的一个子族和单叶复调和凸像函数的一个子族进行了研究，得到了这两个族分别将任一原点为心的圆盘映成星像或凸像区域．还得到了系数估计、增长定理、覆盖半径等．

超平面树:度量空间中相似性搜索的索引结构

相似性搜索是从数据库中检索出同给定数据对象相似的数据对象 ,已有的基于R tree的相似性搜索 ,当搜索空间的维的个数较小时效率较高 ,但当搜索空间的维的个数较大时则效率很低 针对此问题 ,提出了新的度量空间分割方法和索引结构 pgh tree,利用数据对象与很少几个固定参考对象的距离之差进行数据分割和索引 ,产生一个平衡的索引树 在此基础上 ,提出了新的算法 ,利用查询数据对象与固定参考对象的距离之差过滤掉大部分的不相关数据 ,具有较小的I/O代价和距离计算复杂性 ,平均复杂性为θ(n0 58) ,是目前复杂性最小的相似性搜索算法 另外还讨论了基于 pgh tree的最近相邻点搜索策略 .

卷积神经网络在核小体定位识别中的应用

为更准确识别核小体定位,本文提出一种基于Z曲线理论(Z-Curve)的卷积神经网络(CNN)方法,称为ZCN方法。ZCN方法以Z曲线三维坐标矩阵表示核小体序列特征,通过十倍交叉验证,进行卷积神经网络方法进行模型训练和验证,使用标准评估指标进行性能评价。结果表明:ZCN方法在酵母中具有良好的识别效能,敏感性Sn、准确性Sp、ROC曲线面积分别为92.4%、90.2%和0.9704,可推广到人类、线虫和果蝇的核小体定位识别中,其ROC曲线面积分别为0.796、0.940和0.772,与其他方法比较,进一步证实ZCN方法具有较好的识别效能和可推广性。在酵母全基因组进行核小体定位预测,发现16条染色体的预测准确率均值为78.83%,在基因GAL和GAL10中进行核小体定位预测,研究了降低假阳性的方法,给出了预测核小体定位的图谱。ZCN方法为研究核小体定位识别、预测及功能分析提供了有价值的方法和指导。

相关规则的并行算法

给出了一个相关规则新的并行算法,利用DHP算法中的HASH技术削减候选集,同时对DHP算法进行优化改进以利于并行算法的实现.在并行化设计中充分利用DMA及OA算法的鹊巢原理及分割思想,针对DMA及OA算法的优越性依赖于数据的特性,提出了动态调整策略,根据数据偏斜情况决定是否采用削剪策略,从而解决数据偏斜问题.

关于Gelfer函数族支撑点的性质

Gelfer函数是一类在单位圆盘上满足特定条件的解析函数,它的支撑点函数具有特殊的映照性质.该函数族与一些重要函数族之间有着密切联系,通过对该函数族的研究可以了解其他函数族相关性质.借助于Schiffer边界变分和Schiffer定理,对函数族GL的支撑点进行研究,得到该函数族支撑点的几何性质.此方法对于其他函数族在相关问题的研究上开辟了新途径.

关于一阶微分从属的最佳控制

设h(z)是单位圆U上的解析函数,Θ(w)和Φ(w)是2个在区域D上解析的函数,文中研究一类一阶微分方程θ(q(z))+zq′(z)(q(z))=h(z)。讨论并给出一个有关U上解析解是单叶的充分条件。同时把结论应用到微分从属和积分从属性质保持问题,得到很多新奇的结果。

关于旋转定理的一个证明

在刘礼泉老师参考文献[1]的论文中证明了亚纯星象函数的旋转定理,本文利用类似方法证明1/2阶亚纯星象函数的旋转定理．

MicroRNA前体的特征选择方法

microRNA(miRNA)是一类长度约为21nt的非编码RNA,具有重要的调控功能。miRNA前体包含一级序列特征和二级结构特征,其中含有冗余和无用的特征,这些特征无益于前体分类模型的分类准确度。因此需要去除冗余特征,进而降低特征维数并提高分类性能。针对miRNA的前体序列数据,已有特征选取方法,仅考虑了特征之间的区分距离。全面考虑了每个特征属性对分类的增益和特征间冗余性,选取的特征有助于建立高效的分类模型。实验结果表明,选取的特征子集有效地提高了miRNA前体分类器的预测性能,取得了更好的分类结果。

压缩数据上的关系代数操作算法

针对在大数据管理中,在压缩的数据上无需解压即可进行相关操作的问题,在数据服从正态分布的前提下,根据列数据存储的特点,提出了一种新的面向列存储的压缩方法——CCA。首先,通过对列数据的长度进行归类;然后,采用抽样的方法获得重复度较高的前缀;最后,使用字典编码进行压缩,提出了列索引(CI)和列实体(CR)作为数据压缩结构来降低大数据存储的空间需求,从而直接有效地在压缩数据上支持选择、投影、连接等基本操作,并实现了基于CCA的数据库原型系统——D-DBMS。理论分析和在1 TB数据上的实验结果表明,该压缩算法能够显著提高大数据的存储效率和数据操作性能,与BAP和TIDC压缩方法相比,在压缩率分别提高了51%、14%;在执行速度上提高了47%、42%。

目标轮廓检测技术新进展

轮廓检测是计算机视觉研究领域中最基础、最重要、最具挑战的问题之一。随着近年来深度学习的发展,视觉领域的其他研究方向取得了突破,例如目标检测、实例分割,这些逐渐证明了轮廓检测与其他研究方向的密切关系,因此轮廓检测任务也受到了越来越广泛的关注。文中讨论了多个主体内容,不仅包括对现有轮廓检测算法的细致回顾,而且根据轮廓检测提取特征的特点将其分为3个阶段即低层、中层和高层来介绍,还包括对应用到的数据集、性能评估指标、模型结构和模型细节、轮廓检测的应用及结果的应用进行详细分析,对轮廓检测发展进行了深入介绍。最后,还对轮廓检测所面临的挑战和未来趋势进行了分析和预测,以期为该领域后续的研究提供新思路及参考。