基于互信息和融合加权的并行深度森林算法

针对大数据环境下并行深度森林算法中存在不相关及冗余特征过多、多粒度扫描不平衡、分类性能不足以及并行化效率低等问题,提出了基于互信息和融合加权的并行深度森林算法(parallel deep forest algorithm based on mutual information and mixed weighting,PDF-MIMW)。首先,在特征降维阶段提出了基于互信息的特征提取策略(feature extraction strategy based on mutual information,FE-MI),结合特征重要性、交互性和冗余性度量过滤原始特征,剔除过多的不相关和冗余特征;接着,在多粒度扫描阶段提出了基于填充的改进多粒度扫描策略(improved multi-granularity scanning strategy based on padding,IMGS-P),对精简后的特征进行填充并对窗口扫描后的子序列进行随机采样,保证多粒度扫描的平衡;其次,在级联森林构建阶段提出了并行子森林构建策略(sub-forest construction strategy based on mixed weighting,SFC-MW),结合Spark框架并行构建加权子森林,提升模型的分类性能;最后,在类向量合并阶段提出基于混合粒子群算法的负载均衡策略(load balancing strategy based on hybrid particle swarm optimization algorithm,LB-HPSO),优化Spark框架中任务节点的负载分配,降低类向量合并时的等待时长,提高模型的并行化效率。实验表明,PDF-MIMW算法的分类效果更佳,同时在大数据环境下的训练效率更高。

轨道交通能量互馈式交流牵引传动综合测试系统的设计

针对轨道交通牵引传动系统性能测试与特性试验需求,设计一种列车交流牵引传动测试系统。系统由四象限整流器、DSP控制单元、牵引变流器、负载变流器、牵引电机与负载电机组成。牵引变流系统采用全新的“双变流器--交流电机负载反馈”方案,能量通过直流侧在牵引电机与负载电机之间互馈,避免试验过程中能量的大量消耗。系统可实现牵引变流器的牵引/制动工况性能测试,牵引电机性能测试、特性试验与功率测量,具有高智能化与自动化、安全可靠、测试准确度高、能量利用率高的优点。

基于无迹卡尔曼滤波水下WPT系统副边关键参数在线辨识

为提升无线电能传输(wireless power transfer,WPT)系统传输性能,需在控制过程中实时获取负载与耦合系数等关键信息,而该信息的获取目前普遍采用无线通讯模块或增加额外通信线圈等方式,增加了系统复杂度,尤其面临复杂水下工况及高频电磁环境,在通讯过程中极易造成通讯异常而导致系统瘫痪。为此,文中提出一种新型基于无迹卡尔曼滤波的WPT系统互感及负载关键参数在线识别方法,该方法仅需采样原边侧电压瞬时值,即可实时获取互感与负载等关键参数信息。同时为提升辨识精度与收敛速度,采用离线式神经网络指导粒子群优化算法建立系统噪声协方差矩阵。实验结果表明,该算法具有模型简单、计算精度较高等特点,在变负载、变移相控制角及偏移情况下,所提出的在线辨识方法对负载与互感的最大识别误差分别为6.19%和1.7%,且2 ms左右即可完成负载的动态识别,具有一定的工程应用价值。

计及光储接入场景下的柔性互联系统多模式优化运行

针对分布式光伏出力随机性的问题,该文提出一种柔性互联系统优化运行策略。首先改进虚拟同步控制技术提高直流母线电压稳定性;其次分析系统运行模式判断光伏、储能单元的输出逻辑,以直流母线功率平衡为底层逻辑,充分考虑配电台区负荷均衡度、主变经济运行及故障台区失电量等因素,提出了功率协调优化策略及故障供电恢复策略;并建立多目标优化模型求解得到各端口功率指令,通过精确调控柔性互联多状态开关,实现了柔性互联系统功率灵活互济。最后在Matlab/Simulink中搭建了柔性互联系统仿真模型,验证所提优化调控策略的有效。

基于预加载的医院检查检验结果互认系统设计与实现

目的:探索医疗机构检查检验结果互认系统的数据上传、下载及互认流程设计与实现。方法:借助院内集成平台和临床数据中心,构建检查检验报告统一上传服务平台和基于预加载的检查检验结果互认系统。结果:基于预加载的检查检验结果互认系统可减少对省互认平台的依赖,提高互认全过程的响应效率,并减少各业务系统改造工作量。结论:基于预加载的检查检验结果互认系统优化了互认工作流程,实现对互认全过程的监管,将检查检验结果互认工作落到实处。

基于时间模式注意力机制的GRU短期负荷预测

针对新能源时代负荷数据随机性更强及负荷预测误差较大的问题,提出一种基于时间模式注意力机制的门控循环单元神经网络短期负荷预测方法。首先,采用自适应白噪声的完整经验模态分解对负荷数据进行处理,得到若干个频率范围不同的本征模函数。其次,通过最大互信息系数进行相关性分析筛选特征,优化输入数据的特征维度。然后,构建基于时间模式注意力机制的门控循环单元神经网络预测模型进行负荷预测,采用自回归算法优化线性特征提取能力,得到预测结果。最后,通过实例分析证明了所提模型有助于负荷预测精度的提升。

多频多负载无线充电系统负载与互感辨识

多负载无线充电系统耦合线圈位置及受电设备阻抗变化,导致系统模型参数发生偏移,影响系统传输效率。此处提出一种多频多负载无线充电系统负载与互感辨识方法,根据不同频率下系统输入阻抗建立互感与负载关系的数学模型,然后以输出电压实际值与理论值误差作为适应度函数设计粒子群算法,实现负载与互感的参数辨识。辨识过程中引入滑窗离散傅里叶变换(SDFT)分离初级电路混频电流分量。实验结果表明,该方法能够准确辨识出互感与负载的大小,为设计高效能系统提供了理论支撑。

系杆拱连续梁桥-多线轨道互制分析的荷载步法

为研究考虑加载历史的桥梁-多线轨道系统受力特性,通过推导考虑加载历史的线路纵向阻力迭代公式并以某(77+3×156.8+77)m系杆拱连续梁桥为例,建立考虑钢管混凝土拱、吊杆、梁体、桥墩、桩基、多线轨道的大跨度系杆拱连续梁桥一体化有限元模型,分析加载历史对系杆拱连续梁桥-轨道系统受力影响及结构检算结果。结果表明:代数求和算法计算钢轨应力峰值偏大61.9%,墩顶水平力偏大74.0%,考虑温度效应须同时对钢轨、梁体和拱施加温度荷载;挠曲工况下双线同向加载时墩顶水平力为1058.2 kN,双线对向加载时墩顶扭矩为4193.6 kN·m;计算温度制挠力时,代数求和算法计算钢轨应力较荷载步法偏大7%,墩顶水平力偏大8%~27%,设计不经济;代数求和算法计算墩顶扭矩与荷载步法最大偏差可达51.3%。

配电网智能负荷监测与互供系统

针对配电变压器的运行特点以及运行中出现的问题,利用嵌入式系统技术,提出了配电网智能负荷监测及互供系统的构建方法,减少实际运行中由于变压器轻载或过载造成的变压器损耗,增加了变压器的寿命,减少了由于变压器故障或线路故障造成的停电事故,对于智能电网的构建也具有重要的推进作用。

基于遗传算法的SS型磁耦合WPT系统负载与互感识别方法

负载与互感参数的识别问题是提升磁耦合无线电能传输(WPT)系统性能的关键问题,基于遗传算法提出一种SS型磁耦合WPT系统的负载与互感识别方法,在考虑系统高次谐波影响的条件下建立系统稳态电路模型,进而得到系统电路参数及状态变量之间关系的数学描述,在此基础上引入遗传算法,将系统的参数识别问题转化为寻优问题,从而给出系统负载以及互感参数的识别方法。该识别方法无需增加额外电路以及相关控制,因此降低了电路复杂度并且减小了系统体积。仿真及实验结果均验证了该方法的可行性及有效性。

无线充电式传感器系统设计及关键技术

针对实际应用中,有线充电式传感器容易引发工矿企业的一系列安全问题,建立了无线电能传输系统互感等效模型,分析互感对系统功率和效率的影响;设计了能量传输实验系统,通过实验改变负载线圈位置,对异侧同轴、同侧同轴、不同轴3种典型位置进行传输距离和偏转角度特征分析。结果表明:通过合适的距离和角度的组合能取得更好的传输效率,对磁耦合谐振式无线电能传输系统的实际应用具有指导作用。

基于SS型补偿网络的WPT系统负载与互感识别方法

针对无线电能传输(wireless power transfer,WPT)系统在实施控制操作时因参数不确定而产生较大误差的问题,提出了一种基于SS型磁耦合结构的负载与互感识别方法。将由等效电路得到的状态空间方程作为辨识模型,与实际系统模型做比较,选取两者次级侧电流误差作为目标函数,通过引入粒子群优化(particle swarm optimization,PSO)算法,把参数识别问题转化为寻优问题,从而实现负载与互感参数的识别。仿真结果显示,负载与互感的辨识值与实际值非常相近,两者最大误差均维持在3%以内,表明所提识别方法可以使系统的数学模型更为准确,能够降低控制电路的复杂程度,可为系统互操作性和高效性提供理论支撑。

基于负载可迁移的分布式计费系统研究

宽带视频点播计费系统以分布式并行操作系统和分布式并行数据库系统为基础,通过量化的计费进程激活指数,结合计费进程互斥进入临界区算法,实现了多进程分布式协同计费。系统具有负载均衡能力,能够自动选择负载最轻的服务器作为计费节点。引入迁移惰性指数,使进程迁移的可控性得到进一步提高。系统具有很强的稳健性、实时性和不间断性的优点。该计费系统的设计方法不仅适用于宽带视频点播计费系统,也可供其它相近或相关计费系统借鉴。

配网线路互联互供系统建设应用

随着配网电力负荷不断增长,各类用户对供电可靠性的要求越来越高,为提高供电可靠性,研究配网线路互联互供能力尤为重要。文章介绍了配网线路互联互供现状,提出了配网线路互联互供系统建设方案,重点分析了大数据Hadoop技术、流计算、内存计算技术等系统关键技术和创新点。应用分析显示系统能够快速有效统计出线路互联互供能力,提高了检修效率,创造了较好的经济效益和社会效益。此外,配网线路互联互供系统具有很好的实用性和应用价值,可以为开展配网精益化管控和效益提升提供参考。

基于TensorFlow神经网络的MCR-WPT系统负载与互感识别方法

针对磁耦合谐振式无线电能传输(MCR-WPT)系统负载与互感识别精度低、速度慢等问题,提出一种基于TensorFlow神经网络的双LCC型MCR-WPT系统负载与互感识别方法。该方法基于TensorFlow深度学习框架,采用神经网络模型,将MCR-WPT系统的负载与互感识别问题等效为非线性方程的求解问题,进而转化为深度学习非线性拟合问题,并给出模型的训练方法,最后得到基于TensorFlow神经网络的MCR-WPT系统负载与互感识别模型。通过离线方式训练负载与互感识别模型,并将训练完成的识别模型导入微型控制器,只需要采集系统输入电流值和传输距离就能够实现负载与互感在线同时识别,识别速度快、精度高,有利于系统的实时控制,且成本较低、易于实现,有利于工程推广应用。

相互负载法在智能化配电变压器负载试验中的应用

提出了一种利用相互负载法对两台智能化配电变压器进行负载试验的方法,该方法使两台智能化配电变压器互为负载,外接电源不断改变负载工况,解决了配电变压器与智能电子设备(IED)无法在同时工作的情况下进行负载试验的问题,通过智能配电变压器本身的IED采集负载试验下的数据进行参数计算,计算结果表明,其与传统的负载试验结果相比误差在1%以内。

装备电能质量仿真和试验系统研究

装备电力系统是典型的独立电力系统。随着我军装备电气化程度的提高,各种现役改造和新列装的武器装备电气负荷结构发生了重大变化,一方面对电站输出的电能质量要求越来越高,另一方面也对电站的输出特性造成不同程度的污染,为此,在深入分析国内外研究现状的基础上,建立了独立电力系统负荷结构和电站特性仿真分析系统和试验系统。实践证明,以上两个系统可对独立电力系统负荷结构与电站特性的关联影响进行仿真分析和试验验证,可用于装备论证研制和选型配套。

互信息和改进支持向量机在电力负荷预测中的应用

电力负荷预测影响因素多、用电终端数量剧增导致电网不稳定和不确定,影响了电力负荷预测的精度。为了提高电力负荷预测的精度,笔者先采用互信息确定电力负荷与其他因素的相关性,然后采用天鹰优化算法优化支持向量机中的核函数和惩罚系数,并进行了实验验证。结果表明:电力负荷与温度、大气压力的相关性较强,互信息值分别为1.5638和1.1042;将这2个变量作为预测模型的输入特征,电力负荷预测的R2值达到0.9以上,取得良好的效果。该研究方法给电力负荷预测提供了一种新的思路。

基于经验模态分解方法和信息熵的水沙关系研究

为研究黄河中游水沙关系及其细部演化特征,利用黄河中游控制性水文站——潼关水文站1919—2015年实测径流量和输沙量资料作为研究数据,采用经验模态分解方法分析径流和泥沙随机变化的复杂性,并运用信息熵理论计算不同时间尺度上径流和泥沙分解序列及原始序列的熵值、径流与泥沙各分量与其原始序列之间的互信息、径流与泥沙之间的互信息。结果表明:潼关水文站径流量与输沙量变化具有显著下降的趋势;径流量和输沙量在一定程度上表现为某种同步变化关系;径流量与输沙量的长周期分量及趋势项互信息较大,因此水沙关系宜采用长周期研究,趋势项分量数据信息阐述原始序列数据信息比较可靠。

基于VMD与PSO优化深度信念网络的短期负荷预测

为提高短期负荷预测精度,采用变分模态分解（variational mode decomposition,VMD）技术将原始历史负荷序列分解为一系列特征互异的模态函数,对每个模态函数进行特征分析并分别建立负荷预测模型。电力系统负荷预测建模过程中,选取有效的输入变量是提高预测精度技术措施之一,该文采用互信息度量影响因素与输出变量间的相关性,可选取出对负荷影响较大的输入变量集合。传统的神经网络负荷预测模型难以训练多层网络,从而影响其预测精度。而深度信念网络（deep belief network,DBN）采用非监督贪心逐层训练算法构成多隐含层感知器结构,在回归预测分析中展现出优良的性能,已成为深度学习领域研究热点。因此,该文借助DBN算法对每个模态函数建立预测模型,提高了预测精度。由于DBN网络权值的随机初始化,使得目标函数在学习训练过程中容易陷入局部最优,采用改进粒子群算法优化网络权值,增强了DBN预测性能。最后,算例测试表明该文模型的有效性。