分布式光伏电站接入配电网继电保护整定优化

为了缓解配电网的供电压力,越来越多的分布式光伏电站接入其中,导致配电网结构发生了改变,因此需要重新整定继电保护的定值,否则,当配电网发生故障时,继电器很难有效发挥其保护作用。提出一种分布式光伏电站接入配电网的继电保护整定优化方法。以继电器协同动作时间总和最小值为优化目标,设置4个约束条件,利用微分进化算法求取目标函数的最优解,得出继电器启动电流和时间整定系数的最优整定值。实验结果表明:在接入分布式光伏电站的两相短路故障时,所提整定优化方法的继电器保护总体动作时间更短,验证了该算法的保护整定效果更好,更有利于继电器迅速排除配电网故障,保护配电网安全。

战场兵力调度模型的仿真分析与研究

在战场兵力调度过程中,由于无法对战场上有大量的不确定因素以及参数进行全部标定,没有对调度任务进行排序,在调度过程中会产生一定的盲目性,导致当前以粒子群算法为基础的战场兵力调度模型在寻求最优调度时,无法迅速找到唯一的调度方案。提出一种改进的粒子群优化算法对战场兵力调度进行建模,将免疫克隆原理运用于战场兵力调度模型中,将克隆原理中的抗体作为粒子群算法中的粒子,对粒子按照亲和度的高低进行排列然后实施克隆选择、抑制和变异,有效提高了战场兵力调度粒子群算法的种群多样性和全局最优解搜索能力。以空战为例对战场进行仿真,仿真结果表明,改进的粒子群算法在很大程度上减少了寻找战略部署且标函数全局最优解所需的迭代次数,缩短了兵力的部署时间,取得了理想的兵力调度效果。

大数据中的干扰数据快速排除模型研究与仿真

在对大数据中的干扰数据进行快速排除过程中,由于处理高维大规模数据集时存在着计算成本高、耗时长的问题,采用传统算法进行干扰数据排除处理时效率低。为此提出了一种采用支持向量机算法的大数据中干扰数据快速排除方法。利用SVDD获得含有单类数据的最小球形边界,通过边界对未知样本数据进行分类,并融合于最小闭包球算法,对SVDD分类器进行干扰数据排除的优化求解,通过比较大数据的估计值与实测值之间的残差来排除大数据中的干扰数据。仿真结果证明,采用支持向量机算法的大数据中干扰数据快速排除方法精确性高,排除效率高。

波段性网络入侵差异化特征的有效提取模型仿真

在对波段性网络入侵差异化特征进行提取的过程中,会出现入侵差异化特征伪装程度逐渐升高的情况,导致传统的基于敏感性数据挖掘的波段性网络入侵差异化特征提取方法,由于不能有效区分入侵特征与正常特征,无法有效实现波段性网络入侵差异化特征的有效提取,提出一种基于支持向量机的波段性网络入侵差异化特征提取模型,获取不确定入侵中波段性网络节点的差异化特征以及入侵节点,给出两种不确定入侵中波段性网络节点的差异化特征训练数据样本集,通过非线性映射将数据样本集从原空间映射到高维特征空间中,得到高维特征空间中最优线性分类面,采用支持向量机求解该分类面的优化解,使用网格搜索法,通过调整错分惩罚因子与核宽度,分别训练不同的支持向量机,获取泛化能力最强的参数组合,完成入侵中波段性网络节点的差异化特征所对应的数据集的核参数优化和分类,实现波段性网络入侵节点的差异化特征的有效提取。仿真实验结果表明,所提方法具有很高的准确性及有效性。

双极化天线的通信信号检测方法

在详细分析与探讨信号防御性能的基础上,对利用边界扫描的大区域通信信号电路体系进行了探讨,提出以TD-SCDMA网络为基础的双极化天线通信信号检测系统。通信信号检测过程中,用嵌入式处理器LPC2148结合四阶累积量的切片检测出TD-SCDMA信号,并通过估计获得TD-SCDMA信号的采样率,经过二次谱算法的运算,获得谱峰间的距离来估计出OVSE码的周期参数。以标准验证芯片为中心,针对相同类型的混合信号电路组建验证电路,最终完成对验证模块DOT4MBST及验证电路的检测验证。测试结果表明,提出的双极化天线的通信信号检测系统能够在错综复杂环境中,对通信信号进行精确的采集,且鲁棒性强。

外部多网络对抗中注入性入侵的检测模型

在网络对抗中同时存在多种注入性入侵的情况下,需要及时准确地检测出入侵的恶意程序。传统的检测方法需要提取数据库中所有恶意程序样本特征参数进行比对,由于外部注入的恶意程序的与传统入侵特征不同,伪装水平较高,使得恶意程序特征与正常程序特征难以分别,检测结果准确性降低,导致军事网络安全受到严重威胁。为此,提出一种基于特征优化算法的外部多网络对抗中注入性入侵检测方法。根据主要特征分析方法,能够得到注入性入侵恶意程序的主要特征,利用注入性入侵特征映射条件,能够得到注入性入侵的检测模型,实现了网络对抗中注入性入侵的检测。实验结果表明,利用该算法能够准确的检测出网络对抗中注入性入侵的恶意程序,效果令人满意。

大数据网络中需求目标干扰区域过滤仿真研究

对大数据网络中需求目标干扰区域进行有效过滤,可去除大数据网络中的冗余数据,提高网络需求目标检索的效率。进行需求目标干扰区域过滤时,不同需求目标干扰区域具有不同过滤特征,导致利用传统方法进行需求目标干扰区域过滤时,需要根据不同的目标设定不同的过滤阈值,降低了需求目标干扰区域过滤效率。提出一种混合径向基函数插值和贝叶斯分类的大数据网络中需求目标干扰区域过滤方法。上述算法首先采用大数据网络中不同的数据样本点与残缺样本点距离以及标签分类进行径向基函数插值,利用贝叶斯分类进行需求目标干扰区域数据过滤,通过比较大数据网络中数据样本的干扰数据和非干扰数据的先验概率、特征项的类条件概率预测未知数据某一类型的后验概率,最终依据后验概率大小判断是否为干扰区域,对其进行去除,完成大数据网络中需求目标干扰区域过滤。仿真结果表明,所提算法进行大数据网络中需求目标需求目标干扰区域过滤精准性高,过滤效率较好。

弱匹配模型下的数据库分区查询方法研究

大型数据库中,数据种类和数量较大,其中的强冗余数据干扰了需要查询的数据,导致数据关联属性弱化,查询数据过程中,严重干扰数据库查询的精度。提出一种基于弱匹配区域划分模型的数据库分区查询方法,在数据库中融入弱匹配区域的概念,依据数据融合属性特征,对数据属性融合差异较大的区域进行分割,获取数据弱匹配区域,在该区域中运算最大数据属性弱匹配度的相似性并进行聚类分析,实现弱匹配区域数据属性特征的过滤,利用弱匹配区域划分模型下数据库修补技术对数据进行实时关联修补,通过弱匹配区域的数据库查询优化方法,删除失效数据,缩小数据库中数据的冗余性,实现数据库中数据查询的优化。实验结果说明,采用所提方法进行弱匹配区域划分模型下数据库库查询,具有较高的查询效率和准确率。

海量医药资源中用户信息定位优化管理仿真

对海量医药资源用户信息的定位优化管理,能够有效提高医药资源应用系统的稳定性。对用户信息的定位优化管理,需要计算出用户间信任关系值,对近似度值和信任评价值进行调和,完成海量医药资源中用户信息的定位管理。传统方法先将用户评分项并集作为似性度量基础,将并集中的医药资源目标用户进行分类,但忽略了近似度值和信任评价值之间的调和过程,导致定位精度低。提出基于叠加度融合信任计算的海量医药资源对用户信息定位优化管理方法。计算出目标用户与用户集中其它用户的近似度,通过近似度和叠加度两方面获得目标对象的最佳邻居集,计算出用户间信任关系值和信任评价度,对近似度值和信任评价值进行调和,计算出用户间综合近似度调和平均值,由此完成海量医药资源对用户信息定位优化管理。实验结果表明,所提方法能够有效提高医药资源应用系统的稳定性,且抗攻击能力较强。

基于惩罚-分配图的虚拟软件优选算法

建立虚拟软件数据分类的数据仓库,提取数据后对数据进行预处理,对分列属性进行惩罚-分配图分类,在分裂过程中使用信息增益比作为属性的分裂准则来对次要属性进行惩罚,保证惩罚-分配图细化准确。实验证明,能够提高虚拟软件分类的准确率,为用户正确的选择提供保证,具有很强的实用性。