基于CGS-Ghost YOLO的交通标志检测研究

在交通标志检测任务中,YOLOv5检测算法在复杂的环境和路况下存在漏检、错检及模型参数量过大等问题。为此,提出一种改进的CGS-Ghost YOLO检测模型。YOLOv5在图片输入后使用Focus模块进行下采样,增加较多参数,CGS-Ghost YOLO模型使用StemBlock模块替换Focus模块进行采样,能够在维持精度的同时减少参数,并通过引入坐标注意力机制,强化特征中的语义信息和位置信息,提高模型的特征提取能力。设计SMU激活函数与组归一化相结合的CGS卷积模块,避免训练过程中Batch Size大小对模型所造成的影响,在使用GhostConv减少模型参数的同时,提升模型的检测精度。在此基础上,通过α-CIoU Loss+VFocal Loss损失函数,改善交通标志检测任务中正负样本不平衡的问题,提升模型整体性能,Neck部分使用Bi-FPN双向特征金字塔网络,实现检测目标多尺度特征的有效融合。实验结果表明,改进的CGS-Ghost YOLO模型在交通标志检测数据集TT100K中的平均精度均值达到93.1%,相较于原始模型提高了11.3个百分点,模型参数量相较于原始模型降低了21.2个百分点。此外,该网络模型优化了卷积层及下采样部分,在大幅减少模型参数的同时提高了模型检测精度。

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。

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。

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。

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%。

考虑多重不确定性的主动配电网两阶段鲁棒优化调度

随着可再生能源在主动配电网中渗透率的不断提高,以及负荷侧设备的多样化,主动配电网的优化运行面临着来自供需两侧的不确定性。鉴于现有研究并未综合考虑主动配电网调度过程中存在的多重不确定性问题,建立了考虑风-光-负荷不确定性的两阶段鲁棒优化模型。首先,采用盒式不确定集进行不确定性建模,通过对不确定参数的灵活调整,改变调度策略的保守性;然后,采用列和约束生成算法对优化模型进行求解,并通过强对偶理论将主问题和子问题转化为混合整数线性规划问题;最后,通过仿真分析证明了所建两阶段鲁棒优化模型及其求解算法的有效性,所得的调度策略适应性更高,能够满足实际调度需求。

MR-CGS:一种最小剩余CGS方法在DDM求解中的应用

从 CGS方法入手 ,针对该算法在收敛过程中出现的残差不平稳的缺点 ,对 CGS算法进行改进 ,给出了一种最小残差 CGS(MR- CGS)算法 .算例给出了该改进算法在求解

产消者日前-实时多阶段鲁棒优化调度方法

考虑产消者实时调度的非预期性,构建了产消者日前-实时多阶段鲁棒优化调度模型,并提出了基于RDDP结合C&CG的求解算法。首先,计及风电出力和负荷需求的不确定性,构建了基于多阶段鲁棒优化的产消者日前-实时优化运行模型;其次,提出了相应优化调度问题求解的RDDP和C&CG算法;最后,基于产消者的日前-实时最优调度结果开展算例分析。算例结果表明,相比于两阶段鲁棒优化模型,多阶段鲁棒优化模型在最坏情况下的产消者整体运行成本更高,符合产消者实时调度的非预期性。

CGS算法在半导体器件模拟中的应用

系统分析了一种适用于大型非对称稀疏矩阵系统求解的 CGS算法 ,并实现了该算法在半导体器件模拟中的应用 ,完成了 SMDS软件中 CGS算法核心的计算。针对实际计算中出现的问题 ,采用了分步迭代以及选取合适的拒绝因子等技术 。

用于大规模MIMO系统的改进CG检测算法

针对大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中近似最优线性最小均方误差(Minimum Mean Square Error,MMSE)算法复杂度过高问题,提出了RC-CG(Region Constellation-Conjugate Gradient)低复杂度近似最优信号检测算法。该算法首先利用共轭梯度(Conjugate Gradient,CG)迭代算法避免MMSE信号检测算法的高维度矩阵求逆,降低计算复杂度;其次引入二分查找算法对星座图进行区域分块,优化迭代初始解,使算法在保证原来检测性能的基础上加快收敛速度。仿真结果表明,该算法不仅可以达到近似MMSE算法的检测性能,而且适用于高阶调制,算法复杂度从O(K^3)降低到O(K^2)。

求解二维粒子输运方程的CGS算法

本文采用CGS算法来求解二维粒子输运方程。首先通过离散纵标法将输运方程离散为线性方程组的形式,同时引进预条件矩阵来改善系数矩阵的谱性质。通过数值试验,将预处理后的CGS算法与传统的源迭代方法进行对比,并对预处理前后特征值的分布做了比较。结果表明预处理后的矩阵特征值分布较为集中,且CGS算法收敛速度较快。

考虑光热电站的电热氢综合能源系统协调优化策略

为促进清洁能源消纳及多能耦合系统灵活运行,降低源、荷不确定性对系统的影响,构建包含光热电站的风光电热氢综合能源系统(wind-photovoltaic-electric-heat-hydrogen integrated energy system,WPEHHIES),提出一种鲁棒性可调的空间多面体不确定集两阶段鲁棒优化方法。基于列与约束生成(column-andconstraint generation,C&CG)算法将两阶段三层min-max-min鲁棒优化模型分解为一层min主问题与两层max-min子问题,通过强对偶原理将双层子问题结构简化处理;由子问题与主问题的交替求解,进而得到原问题的最优解。最后,通过算例分析验证所构建模型和求解算法的有效性及多能耦合系统出力的灵活性。

考虑极端事件下的高比例可再生能源电力系统韧性增强策略

近年来,极端事件与风电出力的不确定性给电力系统的安全运行带来了严峻挑战。文中提出一种考虑极端事件并以风电不确定性为导向的自适应鲁棒优化模型以增强电力系统的韧性能力。首先,考虑风电出力不确定性以构建自适应鲁棒多面体不确定性集合。其次,考虑极端事件对电力系统的威胁,提出了防御-攻击-防御框架下风电出力不确定性的电力系统韧性增强模型。最后,该模型在IEEE RTS-79和IEEE RTS-96测试系统上进行仿真验证,并采用列与约束生成算法进行求解,仿真结果验证了所提模型及求解方法的有效性。

基于PCC⁃ML深度学习的微电网多目标协调优化运行

为提高微电网可再生能源优化配置,降低微电网源荷不确定性,提出基于Pearson相关系数元学习(PCC-ML)源荷预测的微电网多目标协调调度优化方法。首先,运用Pearson相关性分析(PCC)分析原始多维输入变量组成的时间序列,通过元学习(ML)对微电网源荷数据进行特征提取、候选模型准备、标记、离线训练和在线预测结果评估5个过程管理;然后,基于预测结果建立微电网两阶段滚动调度优化模型,阶段一为日前预调度阶段,以实现微电网区域全局运行经济性最优为优化目标;阶段二为实时运行调控阶段,考虑微电网新能源实时出力不确定性,对预测偏差实时调控,实现微电网各设备运行成本最优。接着,利用列约束生成算法(C&CG)分解为主、子问题进行交互迭代求解两阶段优化模型。最后,算例分析表明所提方法能满足可见和不可见预测任务的性能需求,提高微电网经济收益。

基于共轭梯度法的航天发动机典型管路载荷重构方法研究

航天发动机在实际服役时,内部管路结构经常受到各类载荷的作用,对结构产生负面影响.为了有效获取航天发动机管路中的载荷信息,提出了基于共轭梯度法的载荷重构方法.根据管路局部应变参数,以正问题与逆问题过程中航天发动机管路结构应变响应参数的残差最小为优化目标,实现载荷信息的重构.为了验证所使用算法的有效性和准确性,以某型号航天发动机管路结构为例,分别进行了静载荷、简谐激励、随机激励信息的识别重构.数值算例表明,该方法可以准确有效地对管路中受到的载荷信息进行重构,且重构误差较小,均在5%左右.

风电不确定性的含储能电力系统日前鲁棒优化调度

传统调度方法在面对风电的波动性和不确定性时存在较大误差,为了增强电力系统对风电的消纳能力,本文针对含储能电力系统提出了一种鲁棒优化调度模型。该模型以综合运行成本最小为目标函数,结合了风力发电的鲁棒不确定性集,对电力系统进行了日前优化调度。结果表明,基于列与约束生成算法的鲁棒优化调度能以相对较快的速度完成计算,并提高电网的可靠性。

基于GPU的混合精度平方根共轭梯度算法

针对当前基于GPU的数值算法具有双精度数据性能低下的缺陷。提出了一种适于GPU统一计算架构Fermi-CUDA的混合精度平方根共轭梯度算法用以求解稀疏线性方程组。该算法采用单精度内迭代与双精度外迭代结合的方法,以充分利用GPU体系结构下单精度高性能和双精度高精度的优点。整个算法的计算部分完全在GPU端进行,减少了CPU和GPU之间的数据通信。实现了基于GPU的平方根共轭梯度法、Jacobi迭代法和Gauss-Seidel迭代法,分析它们作为内迭代算子对算法收敛性的影响。实验表明,该算法获得了与全双精度数据处理等同的计算精度,比GPU全双精度在浮点性能上提升近一倍,相对于CPU全双精度串行算法,最大加速比达到70以上。

肺部三维EIT模型构建与图像重建研究

肺部三维电阻抗图像重建是电阻抗成像技术的重要应用之一。利用3D光学云点技术对人体胸腔区域扫描,并融合X图像提供的肺部结构构建肺部三维EIT仿真模型。根据肺部膨胀及收缩时的电导率先验知识,由COMSOL软件求解获得三维灵敏度矩阵,并在Matlab平台下由共轭梯度迭代算法重建肺部EIT断层图像,进行三维立体重构,获得3D EIT图像。为研究电流敏感场均匀性,设置4组不同电极层间距进行比较仿真实验,结果表明,对于33 cm胸腔区域,电极层间距为8 cm时,成像效果最佳,其最大相关系数为0.810 3,敏感场均匀性为1.869 6×10~3,结构相似度为0.482 5,灵敏场的均匀性明显改善,有利于图像重建质量的提高。

病态线性方程组的简单迭代解法

针对地球物理反问题中经常碰到的病态线性方程组的求解问题。本文提出了一种简单迭代（ＳＩ）算法，从理论上证明了解序列收敛且收敛到方程组的真解，然后给出了几个算例，将计算结果与对付病态问题能力很强的ＣＧ类算法的结果进行了对比，结果表明：ＳＩ算法具有极强的抗病态能力，计算精度明显高于ＣＧ类算法。