局部阴影下基于IBOA-INC的光伏复合MPPT控制

针对传统的最大功率点追踪(Maximum Power Point Tracking,MPPT)算法陷入局部极值不能找到最大功率点(Maximum Power Point,MPP)以及传统的蝴蝶优化算法(Butterfly Optimization Algorithm,BOA)存在收敛速度慢和搜索震荡较大等问题,提出一种改进的蝴蝶优化算法(Improved Butterfly Optimization Algorithm,IBOA)结合电导增量法(Conductance Increment Method,INC)的复合MPPT追踪方法。在IBOA中,引入自适应动态转换概率来平衡算法的全局与局部搜索,然后在全局搜索阶段引入Levy飞行策略,使蝴蝶个体广泛分布于搜索空间中,提高全局寻优能力;同时在局部搜索中设置新的寻优对象,并通过贪婪算法进行筛选保留,提高局部搜索的能力。当系统位于MPP附近时,利用INC局部搜索能力强的优点快速、准确地收敛到MPP并且稳定功率的输出。仿真结果表明,在静态和动态阴影下与BOA、PSO算法进行对比,所提算法具有更快的追踪速度、更高的追踪效率和更强的鲁棒性。

基于CVMD-TCN-BiLSTM的短期电力负荷预测

短期负荷数据往往掺杂着不同类型的噪声且波动性大,传统的分解序列方法在提取序列特征时并未考虑到高频噪声的影响。针对上述精准预测问题,介绍一种分解去噪、重构分解的CVMD-TCN-BiLSTM组合预测方法。采用互补集合经验模态分解(Complementary ensemble empirical mode decomposition,CEEMD)将原始电力负荷数据分解成一组比较稳定的子序列,联合小波阈值法将含有噪声的高频分量去噪,保留含有信号的低频分量进行累加重构。然后利用变分模态分解(Variational mode decomposition,VMD)对去噪后的数据进行二次信号特征提取,得到一组平稳性强且含不同频率的分量。最后,利用时序卷积网络-双向长短时记忆神经网络对各分量进行了预测,并将预测结果进行迭代,获得完整的预测结果。通过对澳大利亚某地的负荷数据作为实例分析,与传统的负荷预测算法相比,验证了所提模型的有效性。

试论网络公共领域发展的瓶颈及其解决策略——以BBS社区为例

自进入信息化社会以来,网络公共领域在当前和未来正在扮演越来越重要的角色。本文首先通过对网络公共领域本质的探讨,阐明了网络公共领域的功用;其次结合BBS社区的例子指出了制约网络公共领域健康发展的因素所在;最后从规范性的宏观角度提出了为克服网络公共领域不足之处的解决策略。

云计算的政治意蕴

云计算的产生和应用在给社会带来发展机遇的同时也提出了诸多挑战。云计算所引发的隐私保护、数据安全等表层社会问题已经引起人们的广泛关注。但是,它背后所潜藏的深层次的社会文化问题仍不为人们注意。通过对云计算这一科技进步成果的形而上的思考,揭示云计算的意识形态特征及其社会后果,阐述作为意识形态的云计算的社会性本质及其发展脉络。

微博语境下公共领域的重构

公共领域理论对于我们建构中国式的公共领域有重要参考价值。当下,微博在我国互联网应用传播领域异军突起,成为公共领域由现实社会向网络社会转型的重要媒介与平台。微博具备了一些支撑公共领域的基本特征,不过相应地也有一些瑕疵。全社会应当从政府、互联网运营商和网民三者的博弈互动方面来系统考量微博语境下公共领域的重构,使公共领域的网络化转型得以实现。

基于改进量子遗传优化支持向量机的配电网故障分类

针对传统方法在解决现代配电网故障分类时存在的求解速度慢、分类精度差的问题,提出一种结合量子遗传算法的支持向量机配电网故障分类方法。首先采集故障信号并进行S变换处理,将处理结果的均方根与均值作为特征量,以提高特征量辨识度;其次在量子遗传算法的种群更新策略中引入自适应动态旋转角,避免算法在早期陷入局部收敛,增加算法的调参精度。以IEEE33节点配电网模型为研究对象的实验结果表明,所提的特征量提取方法有效提高了支持向量机的故障分类精度,改进后的量子遗传算法通过为支持向量机寻到更优参数从而进一步提高了故障的判别精度和分类速度,验证了方法的有效性与准确性。

渗透边界——五道口“大校区”连接空间改造研究

随着我国对高校招生数量的不断扩大,使得高校校园也在不断扩建中,导致扩建过程中的校区边界规划不合理。从目前校园选址及周围环境看,边界已成为大学与城市间环境接洽的前沿地带,它不仅能够限定校园的空间,同时也能通过合理的空间设计赋予校园展示文化氛围的重要组成部分,边界已成为学校与城市环境中进行物质、信息交换的通道与纽带。本研究主要以五道口"大校区"为主要研究对象,立足五道口校区与校园周边环境,打造相互包容、和谐的氛围空间。