考虑源荷不确定性及用户响应行为的电力系统低碳经济调度

电力系统是未来实现碳中和目标的重要领域,随着源-荷不确定性的加剧,基于确定性模型的低碳经济调度方法无法准确描述不确定因素对碳排放的影响。针对上述问题,该文首先从系统层面构建考虑不确定性的低碳鲁棒优化模型,利用概率模型对源荷不确定因素进行建模,并采用机会约束对目标满足期望的显著性水平进行描述,通过最大化不确定因素的置信水平得出风险规避策略下的鲁棒调度方案。接着从用户层面构建基于事件驱动的用户低碳响应模型,根据系统层计算结果,通过设定事件触发的碳排放阈值定义碳排放超额事件,并以价格形式引导用户的低碳用能行为。最后通过算例分析,验证所提模型能有效量化评估系统的低碳经济调度不确定性水平,充分发挥用户侧降碳能力,实现源荷双侧低碳目标的协同。

运用一站式智能导医平台改善患者就医体验

智能导医是医院智慧服务的重要组成部分。上海市胸科医院借助事件驱动和人工智能技术,以微信公众号为载体,构建了一站式智能导医平台,根据不同患者门诊就医需求,制订个体化就医规划,以任务流形式串联各就诊环节,缩短了患者候诊时间,缓解了导医工作压力,改善了患者就医体验。

基于事件驱动的数字孪生太浦河“四预”业务应用

聚焦太湖流域多目标统筹调度特点,通过多源数据融合汇聚太浦河各类涉水信息,构建符合平原感潮地区特点的太浦河高精度数据底板,优化流域水量水质模型算法,对太浦河防洪及供水业务进行流程再造,建成以事件为驱动的数字孪生太浦河“四预”业务系统。系统在“梅花”“杜苏芮”等台风防御中对太浦闸不同调度方式下洪水变化过程和淹涝情况进行了预演,发挥了重要支撑作用。在上海市抗咸潮保供水工作中,滚动预报重要断面水量水质,强化补水水质安全预警,确保太浦河上游水源地持续稳定供水。

事件驱动的云原生应用软件研究

事件驱动是云原生应用的主要驱动力,是实时敏捷数字业务的核心。通过侦听物联网设备、移动应用程序、业务网络和用户行为等事件源,捕获业务事件,驱动服务。事件的捕获、通信、转换和持久化是关键,可以扩展、适配不同类型的服务。消息队列是异步的,消息的发送和接收者不需要同时与消息队列交互,减少了服务间的耦合;如果系统请求流量瞬时剧增,消息队列将缓存请求,提高系统的稳定性和用户体验;事件溯源可以回溯到任何一个事件状态,增强系统的可靠性和容错。CloudEvents是描述事件数据通用格式的规范,提供跨服务、平台和系统的互操作。基于主题和分区将事件路由到不同的服务实例实现分布式并发。事件驱动架构融合微服务和无服务器函数,构建实时、可扩展、高负载和大规模可伸缩的云原生应用软件。

基于事件驱动深度强化学习的建筑热舒适控制

住宅暖通空调系统通常耗用大量能源,同时也极大地影响居住者的热舒适性。目前,强化学习广泛应用于优化暖通空调系统,然而这一方法需要投入大量时间和数据资源。为了解决该问题,提出了一个新的基于事件驱动的马尔可夫决策过程(event-driven Markov decision process,ED-MDP)框架,并在此基础上,提出了基于事件驱动的深度确定性策略梯度(event-driven deep deterministic policy gradient,ED-DDPG)方法,通过事件触发优化控制,结合强化学习算法求解最优控制策略。实验结果显示,与基准方法相比,ED-DDPG在提升学习速度和减少决策频率方面表现出色,并在节能和维持热舒适方面取得了显著成果。经过实验验证,该方法在优化住宅暖通空调控制方面展现出强大的鲁棒性和适应性。

基于事件驱动的超图卷积网络的谣言检测方法

依靠社交平台谣言传播链检测谣言是社交网络分析研究中的一个重要课题.但以往的研究大多将这个任务过度简化为依靠评论的传播链检测谣言,忽略了对现实世界新闻帖的复杂用户和事件交互的关注,难以捕捉到这些信息提供的潜在检测线索.针对该挑战,提出了一个事件驱动的超图卷积网络(event-driven hypergraph convolutional network,EHGCN),首次尝试将新闻、用户和事件建模在一个统一的超图卷积网络之中,以提升谣言检测性能.具体而言,基于用户的中心网络构建同质用户圈,以增强用户感知的谣言检测.此外,EHGCN联合利用事件内的主事件和子事件关联以及事件间的不一致性关联来进行谣言检测.在3个真实世界的数据集上进行的实验结果验证了EHGCN相较于现有方法在谣言检测方面的优势.研究也证实EHGCN可以通过获取丰富的用户社交圈和事件信息,在谣言传播早期及时发现谣言.

链上、链下协同的智能合约即服务问题

智能合约是区块链上的一种软件服务,具有价值传导、契约性和可信性等特点,当前各区块链系统上的智能合约数量越来越多,应用范围越来越广泛,传统智能合约的局限性也日益增大。隔离沙箱环境执行使智能合约与外界交互困难、资源受限、从而限制了智能合约的使用场景和性能。同时,传统的云服务等链下服务存在中心化风险,缺乏信任机制保障。提出智能合约即服务方案,提供链上合约与链下服务协同的方法,通过链下服务的链上认证,将服务生命周期纳入区块链管理,使之具有合约服务的可信化特点,以支持服务的注册、定制和组合;提出基于交易触发与事件驱动的通信与协同方法,在面对复杂业务场景或高资源需求任务时智能合约可与扩展服务组合构建工作流。经实验验证表明,智能合约即服务可以极大地拓展合约应用场景,通过将合约内执行的高资源耗费任务卸载到计算型扩展服务可提供更高的性能,性能优势与链下加速比正相关,如在执行1200维矩阵乘法运算的任务时,性能可提升64%。

基于三幕结构思维链和语义自洽的事件驱动故事生成方法

事件驱动故事生成旨在根据有限的故事背景和事件信息生成连贯且符合事件内容的故事.然而,现有方法常因对复杂的事件关系推理不足,导致生成的故事存在语义不连贯、情节冲突等问题.为此,文中提出基于三幕结构思维链和语义自洽的事件驱动故事生成方法,在生成故事前选择类型多样的故事示例,学习不同类型故事的写作方式.生成故事时,按照故事的开端、冲突和结局三幕结构设计思维链,引导方法合理规划故事内容,避免故事情节前后矛盾.生成故事后,引入语义自洽,模拟作家的推敲过程,从生成的多个故事中选择语义一致、连贯性和相关性较高的故事.实验表明,相比提示学习方法,文中方法的BLEU-4和BERTScore指标值有所提升,并且在人工评估中也占有一定的优势.

山火灾害下电网安全形态的事件驱动模型与动态推演方法

近年来,山火灾害的发生频度与强度不断增加,对生态环境以及电网、算力网络等重要公共基础设施的危害不容忽视。为了分析算力网络与电力网络混合模式下,电网安全状态在山火灾害发展过程中的演进过程,首先,该文考虑自然环境、社会系统、算力网与电网间的耦合关系,建立山火灾害时空演化过程中电网与算力网络设备的故障模型;同时,分析电网、算力网和社会域可能的应灾措施;其次,从线路过载严重度、失负荷严重度、算力网络结构损失严重度以及碳平衡破坏度4个方面建立一套综合评估指标体系;然后,基于事件驱动模型提出山火灾害下电网安全形态的动态推演方法;最后,以某电网为算例进行仿真,结果表明,所提方法可动态刻画不同应灾方式下电网的安全形态,为提升电网运行人员面向突发山火的应急管理能力提供技术支撑。

告警诊断和预测技术研究综述

总结论述了基于图论的故障诊断和定位技术、基于软件定义网络(Software Defined Network,SDN)架构的故障诊断和恢复技术、基于故障追踪的故障预测方法、基于事件驱动的故障预测方法。从故障诊断方法的优点、缺点进行对比分析,从故障预测的模型输入、应用范围、优点和不足等方面进行对比分析,对发展趋势进行分析总结,以实例验证了所总结的故障诊断和预测方法。

源-荷-储协同优化的配电网平衡能力提升方法

在新型电力系统建设背景下,针对分布式新能源和柔性负荷大量接入导致配电网供需情况日益复杂、功率和能量平衡愈加困难等问题,该文提出一种源-荷-储协同优化的配电网平衡能力提升方法,从经济性与用能低碳性等方面提高配电网运行水平。首先,建立多场景下的源荷不确定性模型,在有效量化配电网源荷不确定性的基础上提取典型运行场景;其次,提出一种基于信息熵理论的源荷功率时序平衡度量化评估方法;最后,建立源-荷-储协同的两阶段优化模型,第1阶段通过事件驱动机制深入挖掘用户参与需求响应的潜力,第2阶段在储能系统建模时引入平衡度约束以促进新能源消纳,进而使配电网的平衡能力得到最大程度提升。通过浙江某地区电网实例验证所提方法对提升配电网平衡能力和新能源消纳能力的科学性和实用性。

基于事件驱动的液流电池控制系统实现方式

液流电池具有充放电循环次数大、容量高及寿命长等优点,是长时大规模储能的理想选择,但是其复杂的结构对电池控制系统的要求较高,传统开发方式难以满足其多样的控制需求,因此提出精准度更高、实时性更好的基于事件驱动技术的液流电池控制系统开发方法。首先针对液流电池稳定性需求高、内部损耗大等问题,提出了主/辅助电堆协同架构,并对该架构系统进行建模分析;然后基于事件驱动技术对控制系统进行模块化设计,包括柔性充放电控制、辅助电堆参与的黑启动控制、基于卡尔曼滤波的电池荷电状态(state of charge,SOC)估计等;最后搭建半实物仿真平台,对所提架构和策略进行验证,证明了该架构和策略能提高系统的能量转换效率和稳定性。

基于服务的云边端协同流数据处理体系结构研究

物联网相关技术的快速发展产生了大规模传感流数据和对流数据的高并发处理需求,云边端协同计算正成为低延迟、高可靠的流数据处理的有效途径。为了提升流数据处理系统的灵活性和可扩展性,降低流数据处理延迟,本文提出一种基于服务的分散式云边端协同流数据处理体系结构,设计了面向大规模流数据的主动式数据服务模型,流数据及流数据处理被抽象为合适粒度、可被独立部署和动态调度的服务,解耦数据与计算。引入事件驱动机制,提出了基于事件驱动的云边端服务动态协作机制,有效提升了系统的灵活性。基于真实的电能质量传感流数据验证了本文所提出架构的正确性和有效性。

考虑最大通信量的物联网群体访问路由算法

针对因物联网群体用户访问数据量较大、访问频率不稳定,导致访问时延大、效率低的问题,提出一种基于事件驱动的访问路由算法予以解决。考虑到物联网群体数据动态特性强、难捕捉的问题,分析相邻访问节点位置信息、访问频率以及能耗变化与传输时延的关系。设置任意节点的簇首参数,通过物联网群体访问节点拓扑模型,计算簇首到访问点可容纳的最大通信量,作为路由算法的初始参照,采用事件驱动法将访问过程看作事件自然变动过程,结合实际负载情况,得到最终路由决策结果。实验结果表明,无论是干扰环境还是无干扰环境,所提路由算法的访问成功率均较高,且访问时延较低,具有一定的实用价值。

基于事件驱动的无人机吊挂系统在线自适应轨迹规划

本文针对四旋翼无人机吊挂系统空运过程中负载摆角的非线性最优调节问题,提出了一种基于事件驱动的在线自适应轨迹规划策略.在事件驱动的自适应评价网框架下,利用神经网络的逼近学习能力得到吊挂负载摆动抑制的折现最优控制律.同时结合该控制律进一步规划四旋翼无人机的飞行轨迹,实现了对无人机位置的精确调节和吊挂负载摆动的快速抑制,并且显著降低了无人机机载处理器的计算负担.然后采用基于Lyapunov稳定性的分析方法,证明了神经网络输出权值估计误差一致最终有界,并证明了无人机位置跟踪误差和吊挂负载摆动运动的收敛.最后,通过飞行对比实验验证了所提出的轨迹规划策略的有效性.

基于深度强化学习的单线路公交动态驻站控制策略研究

公交运行中,车辆车头时距波动过大会导致公交系统出现串车等运行不稳定现象,针对该问题,本文提出一种基于深度强化学习的动态驻站控制策略,实现公交系统的稳定运行,以及避免出现串车问题。首先,构造线形公交系统,并确定车辆运行和乘客行为规则;然后,介绍基于深度强化学习建立动态控制方法,定义强化学习框架的各要素,并开发事件驱动的模拟器环境,训练和测试智能体;最后,利用仿真模拟对所提方法与基准方法进行大量的数值实验,选取不同评价指标进行对比分析,并实施敏感性分析。实验结果发现,本文方法实现了最稳定的车辆运行轨迹和最小的载客分散度;在车头时距变动上,比无控制策略、基于时刻表控制策略和基于车头时距控制策略分别降低61.90%、60.98%和37.98%;在平均等待时间上,分别降低28.36%、26.53%和23.61%。此外,所提方法在不同行驶时间变异性和车头时距情景下,具有很强的鲁棒性。

支持抑制型脉冲神经网络的硬件加速器

现有脉冲神经网络加速器的设计过多关注于硬件层面的功能完备性,缺少算法层面的相关协同优化以保证硬件计算效率。此外,传统的事件驱动型脉冲神经网络加速器没有考虑到脉冲神经元模型中普遍存在的脉冲抖动现象,因此不能实现对抑制型脉冲神经网络的支持。为解决上述问题,采用软硬件结合的方式,提出了一种支持抑制型脉冲神经网络加速器的设计方法。软件优化层面通过对脉冲神经网络计算冗余性的分析,提出了相应的近似计算方法以大幅降低脉冲神经网络的计算量;硬件设计层面提出了解决脉冲抖动问题的计算模块,并在此基础上设计了与近似计算方法相适应的并行计算结构。为验证设计的合理性,在XilinxZC706 FPGA上部署了加速器原型FEAS。在主流数据集上的测试结果显示,相较以往脉冲神经网络的加速器部署,FEAS在保持97.54%原有模型精度的情况下获得超过一个数量级的性能提升。

事件驱动式产品数字孪生系统构建和质量预测

复杂制造过程中面临着场景复杂性和多元动态事件带来的挑战。为提高复杂产品质量预测的准确性,将数字孪生与事件驱动相结合,提出了一种事件驱动式产品数字孪生系统框架,建立了事件驱动式产品制造多维孪生模型,利用数字孪生模型来模拟实际制造过程中的各种场景,并结合关键事件信息,实现了对产品质量的更精准预测。然后,针对事件序列中的时间依赖关系,结合卷积神经网络(CNN)、双向门控循环单元(BiGRU)和自注意力机制(Self-attention),构建了基于混合神经网络的产品质量预测模型。最后,以双离合变速箱(Dual clutch transmission,DCT)装配为例,阐述了事件驱动式变速箱装配质量预测数字孪生运行模式;并通过对比传统单模型的预测方法,验证了所提出的质量预测模型的准确性。

基于事件驱动的需求侧电池储能二次控制

为解决需求侧电力资源的灵活调控问题,提出一种基于事件驱动的分布式固定时间二次控制方案。该方案针对需求侧电池储能系统(BESSs),旨在调控其能级、功率和频率以实现对需求侧电网中频率和功率随机波动的补偿。考虑到需求侧仅有部分电池可以接收主电网信息,采用分布式控制算法调控每个电池的能级、有功功率和频率,实现了BESSs在固定时间内的能级平衡、有功功率共享和频率调节。此外,该方案引入了事件驱动机制,无需连续通信和频繁切换控制信号,从而显著降低了BESSs调控过程中的能量消耗。最后,仿真实验结果表明,提出的控制方案能够在较低的能量消耗下实现对需求侧电力资源的快速调控。

基于事件驱动的专题图制作研究

随着科学技术的发展,专题图制作的理论日益成熟,由以往的向导式模板制图理论,逐渐向一键式制图理论发展。而一键式制图理论的难点在于如何实现模板的自动选择,基于此,本文提出一种基于事件驱动的专题图制作理论,该理论将事件驱动理论与制图理论相结合,通过事件触发事件处理器以实现制图的自动化,进而实现一键式制图。