面向卫星常规测控任务的地面站资源调度

卫星测控任务的地面站资源调度问题是在特定的时间和约束条件下,根据卫星的常规任务要求,为卫星分配相应的地面站资源,从而得到能够满足卫星任务要求的资源分配和调度方案。基于实际应用,分析卫星测控任务的调度问题,考虑资源调度过程中涉及的卫星时间约束和资源约束,建立卫星测控任务中地面站资源调度的数学模型。设计2个阶段遗传算法,第一阶段选择卫星执行任务的圈数,第二阶段选择任务弧段,逐步减小搜索的解空间。仿真研究结果表明,2个阶段遗传算法能够较好地解决多卫星多约束的测控资源调度问题。

优化聚类分簇结合自适应中继策略的双簇首WSNs路由算法

针对无线传感器网络中分簇路由算法节点能量利用率低、能量消耗不均匀等问题,提出了一种优化聚类分簇结合自适应中继策略的双簇首无线传感器网络路由算法.该算法对分簇路由协议中的三个阶段分别进行优化设计.成簇阶段,首先对双簇首模型下最优成簇规模与网络能耗的关系进行理论分析,然后使用改进的算术优化算法计算模糊C均值算法的初始聚类中心,提高了模糊C均值算法聚类成簇的准确率和鲁棒性.簇首选举阶段,引入双簇首策略,以节点的位置、能量和中心度为影响因子,根据承担任务的不同分别为内外簇首设计独立的簇首评价函数,以评价值为依据由节点分布式动态选举簇首减少了广播数量,同时可以将整个簇的能量负载平均分配到每个簇成员节点中.数据传输阶段,设置了多跳中继策略的距离适用条件,并以能量消耗速率为依据选择中继节点,避免了节点提前过载.仿真结果表明:在多种规模的网络中,该算法相较于对比算法在均衡网络负载、提高能量利用效率方面效果更好,从而延长了网络的有效感测时间.

采用混合策略联合优化的模糊C-均值聚类信息熵点云简化算法

针对传统聚类算法处理点云简化问题时精度低、耗时长且易丢失特征信息等问题,提出了一种基于动态精英自适应混合策略的鹈鹕算法(DEAMPOA)与加权熵法联合优化的模糊C-均值聚类(FCM)信息熵点云简化算法。采用动态自适应种群混合策略,同时融合了精英反向化思路,显著提升了鹈鹕优化算法(POA)的收敛趋势和全局寻优能力,提高了寻找FCM最优聚类中心的成功率;利用DEAMPOA结合加权熵法对FCM进行优化,提高鲁棒性的同时增强了搜索精度,得到较好的聚类结果;在8种UCI标准数据集上与4种算法对比进行聚类性能评估实验,验证了所提方法综合性能优越;将所提方法与信息熵融合,并应用在三维点云KITTI数据集简化中。实验结果表明:与包围框简化法、随机采样简化法和特征选择简化法对比,所提方法全局误差简化前后点集之间平均欧式距离(MED)指标分别降低了2.25%、6.93%、5.74%,点云简化效果最优且运行速度满足要求。

不确定条件下大型铁路建设工程的物资储备基地选址优化

为提升复杂环境下铁路建设工程物流设施网络的可靠性,首先,使用情景削减技术生成最小中断情景子集及其中断概率,以描述运输通道的中断情景;然后,采用多面体不确定集刻画物流需求的不确定性,以运输成本、建设成本、运营成本以及惩罚成本等综合成本最低为目标,应用两阶段的随机优化技术与鲁棒优化技术,构建物资储备基地选址不确定优化模型,并基于一种列与约束生成(C&CG)算法求解模型;最后,以复杂环境下的C铁路建设工程为例,验证模型和算法的有效性。结果表明:在随机中断情景中,模型获取方案的成本变异系数是传统模型的4.3%,在极端需求波动情况下,模型获取方案的成本波动幅度可达传统模型的38%,两阶段不确定优化模型能有效减少物流设施网络因运输通道中断及需求波动导致的成本变动。

基于FCM及快速迭代收缩阈值算法的平面ECT图像重建

为提高平面阵列电容成像系统的成像精度,提出一种基于模糊C均值聚类(FCM)进行数据优化的快速迭代收缩阈值算法(FISTA)。根据平面阵列电容数据的特点,首先利用FCM算法对测量电容值进行分类,保留有效电容值,实现电容向量降维;然后利用离散小波基(DWT)对灰度值进行稀疏表示,并建立L1正则化模型,采用FISTA进行求解,以实现图像重建;最后将FCM处理后的电容值分别用于Landweber算法、Tikhonov算法进行重建对比。仿真与实验结果表明,该算法重建图像的平均相对误差约为0.0527,平均相关系数约为0.9422,均优于其它算法,且重建图像伪影较少,更接近真实情况;因此,所提算法具有更好的重建效果。。

基于FCM和EO-SVM水轮机尾水管压力脉动特征识别

为有效识别水轮机尾水管压力脉动特征,提出了一种基于模糊C均值聚类、平衡优化器算法与支持向量机的识别方法。该方法首先采用平衡优化器算法优化SVM的惩罚因子和核函数以获得更好的SVM参数组合,构建EO-SVM识别模型以实现其在水轮机尾水管压力脉动特征识别中的应用。然后采用模糊C均值聚类算法将待分类的压力脉动特征进行初始聚类,将其分为四类,并依据聚类结果选择最靠近每类中心的样本作为EO-SVM模型的训练样本。将SVM和EO-SVM两种模型的识别分类结果进行比较,验证了所提EO-SVM模型的有效性。

基于区块链碳通证的碳排放权与绿证联合交易市场机制设计

绿证和碳交易机制是现阶段推动电力系统经济低碳运行的有效手段。但现行的绿证制度在鼓励可再生能源并网、缓解财政补贴压力等方面的表现不佳,现行的碳市场对促进减排效果也不明显,且总体呈现“孤立运作”特征。因此,为打破传统绿证和碳市场交易的壁垒,做好市场机制层面的有效衔接,设计了基于区块链的碳权-绿证联合交易市场框架与激励机制。首先,编写智能合约将购/售电及碳权、绿证交易在以太坊平台运行,确保联合市场交易的安全高效自动执行与信息透明;其次,引入碳通证概念,提出了考虑碳通证的DPoS-CT共识算法,激励市场主体对碳减排做出更多贡献;最后,通过算例分析验证了所提机制可有效激励可再生能源交易和限制火电机组的碳排放量,为碳权-绿证联合交易市场建设提供新思路。

基于随机森林模型的长江流域分区多源融合降水模拟方法研究

基于3种卫星降水产品,提出了一种基于随机森林模型的长江流域分区多源融合降水模拟算法(FCM-RF算法)。采用模糊C均值算法,结合地面观测站点资料对长江流域进行降水区域划分,引入降水比降刻画降水空间性,进一步通过普通克里金插值法优化融合结果,得到一套长江流域空间分辨率为0.25°×0.25°的多源融合降水产品,并对其进行了评估。结果表明:FCM-RF算法在长江流域具有良好的表现,可以有效提高原始卫星降水产品对于降水事件的捕捉能力,在验证站点模拟降水量与实测降水量的相关系数可达到0.76;FCM-RF算法在年际上具有相似变化特征,对于春秋季降水的敏感性较高,在夏季由于强降水影响表现欠佳,冬季由于雨量稀少、存在固态降水,呈现出误差小、相关系数较低的特点;FCM-RF算法在东南地区具有较强的降水捕捉能力,在青藏高原地区的准确性较低。

基于模糊c-均值聚类的亚热带丘陵区土壤肥力空间分异与管理分区

[目的]亚热带丘陵区地形复杂,土壤肥力空间变异大,科学地将土壤按照相似地力进行分区,是实现丘陵区土壤精确管理,优化土壤培肥技术的理论基础。[方法]研究对象位于亚热带丘陵区的典型小流域-湖南省长沙县金井镇,2009年在全镇范围内(112 km~2)密集布置946个样点采集土壤样品,以测定的土壤肥力指标为数据源,包括土壤有机碳(SOC)、全氮(TN)、全磷(TP)、速效氮(AN)、有效磷(AP)和pH,采用地统计学和模糊c-均值聚类算法,分析流域土壤肥力的空间异质性;采用主成分分析法进行土壤肥力分区,并根据数据的差异显著性和变异系数对分区结果进行验证。[结果]除pH外,流域内土壤有机碳、全氮、全磷、速效氮和有效磷均存在中等至强的空间变异,变异系数(CV)介于36%~125%。基于主成分分析和模糊c-均值聚类可将研究区划分为3个肥力管理分区:MZ1、MZ2和MZ3,分区后各土壤肥力指标的变异系数(CV)不同程度地降低,以pH变异系数降幅最小(6%),AP变异系数降幅最大(96%)。同一分区内主要土壤肥力指标趋于同质化,分区间则异质化显著(P<0.01)。分区间水稻产量差异明显,MZ1区晚稻产量和早晚稻总产量显著高于MZ2和MZ3 (P<0.01)。MZ1、MZ2和MZ3区土壤pH值分别为4.12、4.04和4.00,均属于极酸水平;SOC分别为15.15、14.38和12.24 g/kg,均处于高水平;TN也为高水平(1.56、1.48和1.34 g/kg);TP为高至很高水平(0.86、0.69和0.60 g/kg);AN则处于很低至低水平(41.08、35.33和26.16 mg/kg);AP为中低水平(8.63、4.46和3.39 mg/kg)。[结论]亚热带丘陵区地形地貌复杂,是土壤肥力空间变异较大的主要影响因素。通过土壤肥力管理分区,可有效降低区域内肥力指标的变异程度,优化复杂丘陵区耕地管理措施。本研究区域中MZ1、MZ2和MZ3区均应着重改良土壤酸化现象,提高肥料氮素利用率,避免过量施用化学氮肥;MZ1区可适当减施磷肥,避免关键生育期过量施用磷肥;MZ2和MZ3区可以考虑适量施用生物酶活化磷肥或增施有机肥,以提高作物对磷素的利用效率。

基于C4.5决策树的电网故障设备状态评估

对电网故障设备进行准确的状态评估可有效提高产品质量,减少资源浪费。提出了一种基于C4.5决策树的电网故障设备状态评估方法。首先,通过对电网设备故障因素进行分析,构建了包含13个状态量的设备故障状态体系。其次,基于C4.5决策树算法构建了电网设备状态评估模型。最后,通过后剪枝算法对模型进行剪枝降低模型复杂度,并定义多项指标对算法模型进行评价。实际数据分析结果表明,构建的算法模型预测准确率、精确率均能够达到91%以上,有效支撑设备厂商储备备品备件方面工作,提升企业效益。

考虑电力间接碳排放不确定性的电-冷-热综合能源系统两阶段鲁棒优化方法

在“双碳”政策外力驱动下,传统电力系统的低碳化转型至关重要。该文重点研究碳-源-荷多重不确定因素对综合能源系统低碳经济运行的影响,提出综合能源系统两阶段鲁棒优化运行方法。首先,分析综合能源系统并网点的电力间接碳排放强度的不确定性,并使用多面体不确定集对其进行建模;其次,对综合能源系统所聚合的设备建立数学模型,并引入碳排放交易机制,分析设备运行成本与碳排放成本;然后,采用列和约束生成(column-and-constraint generation,C&CG)算法将两阶段鲁棒优化模型分解为主问题与子问题循环求解,利用Karush-Kuhn-Tucker(KKT)条件与big-M法对子问题中存在的双层结构与非线性项进行化简与线性化处理;最后,通过算例分析验证所建模型和求解算法的有效性,并剖析所提综合能源系统鲁棒优化方法的低碳经济性与抵御不确定因素波动的能力。

基于平滑因子引入和神经网络优化的锂电池SOC估计方法

为提高锂电池荷电状态(SOC)的估计精度,提出了一种基于平滑因子引入和神经网络优化的锂电池SOC估计方法。将黄金分割优选法和模糊C均值聚类算法应用于RBF神经网络,分别用来确定最佳隐含层神经元个数和径向基中心;采用遗传算法对高斯核函数宽度及连接权值进行优化,解决了RBF神经网络结构和初始参数难以确定的问题。将滑动时间窗口内的放电容量作为平滑因子引入神经网络模型,增强了RBF网络对锂离子电池非线性特性拟合的能力。基于实验获得的锂离子电池在联邦城市行车计划(FUDS)工况下的数据,对所提出的方法进行仿真和验证,结果表明,所提方法显著提升了锂电池SOC的估计精度。

基于AI智能算法的设备故障诊断技术优化与仿真实验

为提高电力设备在线监测效率,设计了一种基于AI智能算法的智慧电力资源库。利用人群搜索算法(SOA)优化深度置信网络(DBN)的隐含层节点数,并用于电力变压器设备的故障诊断;基于C/S(Client/Server)框架的电力变压器设备故障分析模块,实现电力变压器设备故障在内的实时监测。结果表明,SOA优化DBN的故障诊断模型可有效诊断电力变压器的高温过热和高能放电故障。相较于标准DBN网络、SVM模型和BPNN网络,SOA优化DBN网络具有更高的准确率和查全率,分别达到95.38%和94.78%;所设计的电力设备资源数据库可对电力变压器数据进行实时诊断操作,从而能更好的辅助电力工程人员运维。

计及电动汽车有序调度的社区微网能量管理

电动汽车的有序充放电对于社区微网的能量管理至关重要,以考虑可再生能源出力不确定性的社区微网为研究对象,为提高系统应对源侧波动的调节能力,将电动汽车有序充放电与需求响应相结合,以微网总运行成本最小为目标,构建了社区微网的分布式鲁棒优化调度模型。基于能量平衡及设备运行特性,建立了电动汽车及微网内相关设备的数学模型,采用分布式鲁棒优化对源侧不确定性进行处理;基于综合范数条件构建了可再生能源出力不确定集并采用列与约束生成法(co-lumn&constraint generation,C&CG)求解模型得到具有鲁棒性的微网能量调度方案,算例分析表明所提方法使运行成本降低10.66%,电网交互成本降低13.9%,碳交易成本降低了6.39%。

利用重力梯度张量等位面曲率的地质体定位

针对重力梯度张量曲率的研究,前人的工作主要集中在重力张量曲率的解释及边缘检测中,几乎没有涉及到地下密度异常体的定位.本文结合重力矢量和重力梯度张量提出了一套基于重力梯度张量等位面曲率的地下密度异常体位置估计策略.首先,从重力梯度张量等位面曲率的基本定义出发,计算重力梯度张量等位面曲率.然后,通过寻找球面或圆形等位面的重力梯度张量曲率,提出了利用最大主曲率定位地下密度异常体位置的源参数估计方法,并详细推导了估计3D球体(质点)和2D水平线源位置信息的解析表达式.再者,针对噪声和多源存在的情况,提出了一套利用重力梯度张量等位面曲率获得密度异常体位置信息的稳健估计流程,并利用模糊C均值聚类算法进一步确定地下密度异常体的中心位置.最后,通过理论模型测试和文顿盐丘实测航空重力梯度数据测试,验证了本文算法的可行性和可靠性.结果表明:在满足曲率半径定义条件的情况下,本文所提出的源参数估计方法可以定位单个或多个地下3D和2D密度异常体的空间位置,具有较好的稳健性和抗噪能力.该方法拓展了重力梯度张量曲率的应用范围,可为重力梯度张量的三维反演工作提供先验的空间位置信息.

切缸运行工况下低压缸次末级温度增益分类识别

供热机组低压缸切缸运行下,低压缸次末级温度对低压缸进汽流量实际对象存在强非线性问题,其增益随进汽流量大小及正负变化。根据低压缸次末级温度对进汽流量增益进行分类,把研究可解决对象强非线性问题的方法转换为已经研究成熟的多模型控制方法。提出一种低压缸次末级温度对进汽流量增益进行分类识别的方法:将次末级温度及进汽流量作为特征变量,使用模糊C均值聚类算法将实际对象增益分为4类,通过D-S证据理论对待判别数据的两个特征变量进行数据融合,最大隶属度对应类别即为判别结果。以某电厂实际对象为例,利用D-S证据理论能将各待判别的数据依据聚类中心进行判别,判别结果相较于普通欧氏距离判别更加准确可靠。

考虑柔性资源多维价值标签的交直流配电网灵活调度

可再生能源高渗透率使得交直流配电网面临严重的随机性和波动性,充分挖掘柔性资源调控潜力可以有效地降低可再生能源带来的网络运行风险。针对当前交直流配电网优化调度主要考虑电压源型换流器(VSC)的调控能力,对VSC与柔性资源协同研究不足的问题,提出一种考虑柔性资源多维价值标签的交直流配电网灵活调度方法。首先,考虑柔性资源调控特性差异,构建了包含响应时段、调节能力、调节成本及响应意愿的多维价值标签评估体系,准确全面地评估柔性资源聚合调控潜力范围;其次,以运行成本最小为目标函数,柔性资源多维价值标签为约束,建立交直流配电网两阶段鲁棒日前优化调度模型,并采用嵌套列和约束生成算法(C&CG)及强对偶理论进行求解;最后,通过改进的IEEE 33节点交直流配电网仿真结果表明,所提方法能够充分发挥柔性资源的调控潜力和协同能力,同时可有效提高模型求解效率和求解精度。

基于多因素均衡动态分簇的WSN路由协议算法

为了解决无线传感器网络分簇路由协议随机筛选簇头节点的位置分布不均衡及转发节点的数据传输路径不合理会加剧节点能量消耗、缩短网络生存周期的问题,提出一种基于改进社交网络搜索(improved social network search, ISNS)算法优化模糊C均值聚类(fuzzy C-means, FCM)的多因素均衡动态分簇路由协议(multi-factor balanced dynamic clustering routing protocol, MD-LEACH)。首先,引入莱维飞行改进反向精英学习策略,以增强社交网络搜索算法的全局寻优能力;接着,使用ISNS优化模糊C均值聚类算法对网络节点动态均匀分簇,均衡网络负载;此外,在每个簇内,考虑簇内节点的能量因素和位置因素引入模糊推理,设计两种簇头选取模式,动态选举簇首,提高簇首质量。在稳定传输阶段,将单跳改为簇首之间的通信的方式,使用改进的蚁群算法寻找最优数据传输路径,提高能量效率。仿真结果表明,算法能够有效提高能量效率,平衡网络负载,延长网络生存期。

决策树优化选择下城市交通出行特征研究

文中对基于决策树优化选择下城市交通出行特征进行研究,通过研究城市交通出行方式,缓解城市交通出行压力。基于决策树算法基本理论,构建决策树模型,选取城市交通出行特征作为分类依据,运用C4.5决策树算法对城市交通出行数据进行分类,根据分类后各个不同特征叶子节点对上层子节点的总占比进行城市交通出行特征优化选择分析,并在“Occam's razor”的基础上,利用重新引入法提出优化方法,解决C4.5决策树算法存在的过度拟合问题,提升城市交通出行方式分析效果。实验结果表明,该方法可有效分析城市交通现有出行特征,指导城市交通规划,依据该方法的分析结果对早高峰线路进行优化后,有效减少了长距离拥堵路段,同时避免了严重阻塞路段的产生。

考虑数据分类的建筑电能耗集成预测方法

建筑侧各类可再生能源的应用日益普及,建筑电能耗预测在用能供需平衡、电网稳定运行、尖峰需求响应等方面发挥越来越重要作用。尽管诸多数据驱动模型在能耗预测方面获得广泛应用,当前仍缺乏预测精度高、泛化能力强的短期预测模型。针对该问题,提出一种基于建筑物能耗特点并结合数据挖掘技术的分类集成式能耗预测方法。首先,采用递归特征消除法对数据进行特征筛选,并用模糊C均值聚类算法对训练集数据进行聚类,使用K最邻近法对验证集和测试集数据进行归类;选择5种结合智能优化算法的混合数据驱动模型作为子学习器,分别对每类数据做预测,最后使用多元线性回归法进行结果集成。经3个建筑电力用能案例验证,此集成预测模型精度均优于单个子模型,具有适用不同建筑类型和用能尺度的预测潜力。