牛顿法潮流计算的高效综合稀疏技术

提出了一种快速实现潮流计算的牛顿法综合潮流稀疏技术。雅可比矩阵的节点分块结构能有效提高矩阵的形成、修正与线性方程组求解效率。基于此创建了一种由十字链表层和二叉链表层构成的二层链表结构,十字链表层存储雅可比矩阵,二叉链表层存储节点导纳矩阵,两者之间的对应元素通过指针直接关联。在雅可比矩阵形成与修正过程中,通过两层链表之间的关联结构可直接从二叉链表层中提取导纳信息形成或修正十字链表层中的雅可比矩阵,避免消元操作引入的注入元对原始雅可比矩阵结构的破坏所带来的影响。十字链表层可直接应用于分块雅可比线性方程组求解操作,同时,通过保留链表结构等措施进一步提高线性方程组求解速度。通过IEEE57到波兰2746节点等5个网络的潮流计算表明:所提出的潮流综合稀疏技术相对于流行的稀疏技术,效率优势明显。

基于改进邻接矩阵的稀疏技术及其在电力系统计算中的应用

针对存储网络拓扑结构的邻接矩阵具有高度稀疏的特点,对其表现形式进行改进,并将改进后的邻接矩阵应用于节点优化编号、检索信息的提前确定以及节点导纳矩阵的形成。在因子分解过程中,为实现列方向的非零检索,增加了列向的存储信息,并制定相应的检索方式。根据优化编号过程中新增支路与因子分解非零注入元的关联性质,在优化编号的同时,记录新增元素的位置并形成存储框架。将所提稀疏技术应用于谐波阻抗扫描与等值程序的开发,对6个电力系统的测试结果表明,随着系统规模的增大,所提方法与传统方法及NIMSCAN程序相比,可显著提高节点方程的求解效率,适用于大规模电力系统的分析与计算。

基于稀疏技术的原对偶内点法电压无功功率优化

文章结合电力系统的稀疏特性，提出了一种基于稀疏技术的原对偶内点法电压无功优化控制数学模型，并给出了提高原对偶内点法计算速度的措施。所提算法在实际电力系统中的试算表明，该方法能够有效地解决大规模电力系统中带有大量不等式约束的电压无功优化控制问题；同经典的二次规划法以及采用致密模型的原对偶内点法比较表明，所提算法在速度上有明显的优越性。

阵列多台阶稀疏技术

本文探讨了用多个幅度台阶（包括0和1）对阵列进行稀疏的多台阶稀疏技术，与统计密度锥削稀疏技术（幅度仅用0和1）相比，该技术能明显改善稀疏阵天线的副瓣电平，文中用概率方法和最佳一致逼近概念进行了详细阐述，并给出了峰值副瓣电平低于给定值的概率．

基于稀疏技术的快速高斯-赛德尔潮流算法

针对高斯-赛德尔潮流算法利用节点电压方程和节点功率方程直接迭代的特点,提出基于稀疏技术的快速高斯-赛德尔潮流算法。其中包括建立以一维方式存贮的二维数组形式的Y(n,d)数据文件,以大大减少存贮单元数并大大提高数据文件的读写速度;读出的一维方式的数据文件可直接构成二维Y(n,d)数组;直接利用Y(n,d)数组完成基于稀疏技术的潮流计算而无需非零判断。此外,比较最佳加速因子的取值精度对计算结果和迭代次数的影响以避免冗余计算;利用改进的加速因子试探法快速确定最佳加速因子以减少潮流计算次数。Y(n,d)数组与传统Y(n,2n)数组相比,其数据文件的读写速度和潮流计算速度均大大提高,且系统规模越大,优势越明显。

稀疏码分多址技术发展及前景

提升频谱资源利用率是未来移动通信亟待解决的一项重要目标。其中,稀疏码分多址(sparse code multiple access,SCMA)技术具备频谱利用率高、抗干扰性能力强、系统兼容性好等优点,已成为一种非常有前景的非正交多址方案。为了在未来移动通信中进一步发展稀疏码分多址技术,综述了现有稀疏码分多址技术的研究成果,对其研究现状进行了总结分析。首先,分析了现有的码本设计方案,指出了其设计特点以及目前尚存在的问题,并给出相应的解决方案;其次,在解码算法方面,给出了目前两种常见的解码算法,简述了其基本原理,并介绍了一些新兴的解码算法;再次,就SCMA技术与其他技术结合而言,从3个方面总结了目前SCMA技术的研究成果,并探讨了SCMA技术在应用层面潜在的发展的方向;最后,总结了稀疏码分多址技术的发展挑战和趋势。

基于稀疏技术的序列运算方法

序列运算过程中经常遇到稀疏序列之间的相互运算。针对序列运算的计算优化问题,该文首先分析了序列稀疏性的成因,并分析了序列运算理论中不同类型基本运算对于序列稀疏性的影响,同时给出了相应的计算结果序列的稀疏度估算公式。然后,根据序列与序列运算的特点,将稀疏技术应用于序列运算中,提出了通用存储方法与特征存储方法等2种稀疏序列存储技术。最后,利用算例对所提出的稀疏序列存储方法加以检验,采用稀疏技术后不同类型序列运算的时间开销均有不同程度的降低,特别是卷和、交积、并积与序除运算的计算时间下降为原来的6%~38%,算例结果表明了该文工作的正确性与应用价值。

稀疏向量技术在静态安全分析中的应用

提出了一种基于稀疏向量技术的快速算法。该算法采用稀疏向量法、基于因子表路径树的矩阵部分重新因子化法、快速前代/回代法等稀疏向量技术,充分利用了矩阵的稀疏性,避免了求解电力网络方程中的不必要计算,使静态安全分析程序的计算效率得到显著的提高。通过对IEEE-118、IEEE-300算例系统的验算分析,表明了该算法能够显著地减少计算量、缩短计算时间、提高计算速度。

基于稀疏矩阵技术的光束法平差快速算法设计

首先给出光束法平差法方程式及其改化形式的一般化公式,并说明各系数矩阵的实际意义,从而可以方便地借助稀疏矩阵技术直接组建并存储各系数矩阵。其次,详细介绍如何设计一种可行的、高效的,集一般的光束法区域网平差、多片空间后方交会、多片前方交会和自由网平差于一体的快速平差算法。最后通过多组数据说明算法的可行性和高效性。

高阶矢量有限元方法中的稀疏矩阵技术

系统研究了高阶矢量有限元方法中的稀疏矩阵存储、重排序和快速求解技术。针对有限元(FEM)矩阵稀疏的特点,验证了高阶矢量有限元矩阵具有随机稀疏结构的特点,并采用合适的变带宽存储技术实现了FEM矩阵的高效稀疏存储。针对有限元矩阵非零元素分布不规则的缺点,采用RCM技术对矩阵元素进行重排序,从而压缩了矩阵带宽。研究了基于稀疏矩阵技术的(直接法、迭代法)快速求解和预处理技术。数值结果验证了稀疏技术极好的计算性能。

稀疏矩阵存储技术

在科学与工程计算领域,有许多问题都最终归结为求解稀疏线性方程组;其稀疏矩阵中只有少量元素不为零,为了节省计算机的存储空间,加快存取运算速度,开展稀疏矩阵存储技术的研究是十分必要的。本文从基本的矩阵存储技术出发,介绍了一些常用的稀疏矩阵存储方法,比较了它们的优缺点,并给出了它们的适用条件。期望能够对稀疏线性方程组的高效求解提供一些有益帮助。

基于图论的渠网非恒定流稀疏矩阵技术

基于图论的渠网非恒定流数学模型,提出采用节支关联表、支节关联表和节点关联表描述渠网拓扑结构,研究了节支关联矩阵A和节点水深关联矩阵C的稀疏矩阵技术,包括:数据结构,压缩存储方法,以及计算机生成方法等。提出并证明了两个关于矩阵C性质的定理。研究表明,采用稀疏矩阵技术不仅可以大大减少渠网拓扑结构信息输入量,计算机内存空间占用量,而且显著提高非恒定流的计算求解速度。

稀疏矩阵技术在水力管网计算中的应用

对于大型水力管网，用线性方程组解算时，由于系数矩阵为稀疏矩阵，直接解算要占用大量计算机内存，而利用稀疏矩阵技术能大大减少内存，从而提高运算速度。本文详细论述了此技术在水力管网解算中的具体方法及程序实现。

稀疏微波成像技术在轨验证及应用探讨

介绍了稀疏微波成像技术的在轨试验验证情况,试验中通过更改卫星系统成像参数,完成了系统均匀降采样数据的获取,利用稀疏微波成像方法进行了成像处理,提出了面向稀疏微波成像处理的成像质量评估方法,并对成像结果进行了定量化评估。最后根据试验结论,对稀疏微波成像技术在未来遥感卫星的应用方向进行了展望。

基于马氏距离和稀疏矩阵技术的激光诱导击穿光谱(LIBS)煤质灰分分析

为了提高激光诱导击穿光谱(LIBS)定量测定煤质的精度,先对原始数据进行预处理,包括异常值剔除、基线校正、谱线筛选,再将LIBS与偏最小二乘回归法(PLSR)结合建立定量模型以应用于煤质灰分的分析。结果表明,经过预处理后训练样品的拟合度(R^(2))从0.9740提高到0.9841,均方根误差(RMSE)从0.9613降低到了0.7527,预测均方根误差(RMSEP)从2.2731降到2.0017,同时平均绝对误差(MAE)和平均相对误差分别从1.9747、0.1094降低到1.5572、0.0757。研究表明,基于马氏距离(MD)的异常数据剔除算法结合基于稀疏矩阵技术的基线估计与降噪算法(BEADS),在一定程度上能够改善数据的稳定性和光谱信噪比,有利于提高数据建模的预测精度。

稀疏表示技术与应用综述

近年来稀疏表示技术在信号处理、图像处理、目标识别、盲源分离等领域都有着突出的贡献.为了全面的了解和分析现有稀疏表示优化算法,首先回顾了稀疏表示技术的历史进程,简单描述了稀疏表示技术的原理,然后将稀疏表示优化算法分为贪心算法和约束算法以及其他算法三大类,具体分析了前两种类别算法的原理和特征,介绍了两类算法的代表算法,总结了算法的发展进程,并对贪心算法中的五种代表算法进行了简单对比,最后总结了稀疏表示技术在各个领域的应用情况,并针对存在的问题对未来的发展方向进行了分析,以期为研究者们提供有益参考.

基于图形处理器的电力系统稀疏线性方程组求解方法

针对电力系统大规模线性方程组的稀疏特点,提出了基于图形处理器（GPU）的直接求解方法。该方法首先利用基于先排序的分块对角加边形式（BBDF）划分方法对方程组系数矩阵进行分割,形成具有粗粒度和细粒度两层并行结构的线性方程组,然后利用GPU的线程块和线程并行特性对其分别予以求解。将上述方法应用到电力系统暂态稳定计算中,并对其加速效果进行了测试。测试结果表明,在目前普及的设备上,所提方法可获得3~4倍的加速比;在高端设备上,能够获得7~8倍的加速比。

电力电子网络方程的最优解法：稀疏矩阵技术

用计算机辅助设计（ＣＡＤ）技术分析、优化电力电子网络时，常常需要解方程组。本文采用了稀疏矩阵技术，提高了运算速度且节省民计算机内存。

基于遗传算法的稀疏节点优化编号方法

稀疏技术在电力系统中的应用显著提高了电力系统矩阵运算的效率。节点优化编号问题是稀疏技术的关键内容之一,求其最优解比较困难。遗传算法具有寻优空间广,易达到或者接近全局最优解的特点。采用遗传算法进行节点优化编号,提出了适合节点优化编号的遗传编码和适应值函数。通过对IEEE4节点和IEEE30节点系统的计算和与Tinney-2算法的比较,表明基于遗传算法的节点优化编号方法能够找到更加优化的编号方式,从而提高了矩阵运算的效率。