针对基于传感器的行为识别任务中识别场景单一且固定的问题,提出一种多场景下基于传感器的行为识别迁移模型,由基于传感器的动态感知算法(dynamic perception algorithm,DPA)和自适应场景的行为识别迁移方法(adaptive scene human recog...针对基于传感器的行为识别任务中识别场景单一且固定的问题,提出一种多场景下基于传感器的行为识别迁移模型,由基于传感器的动态感知算法(dynamic perception algorithm,DPA)和自适应场景的行为识别迁移方法(adaptive scene human recognition,AHR)两部分组成,解决在固定场景下对传感器的依赖性以及在场景转换时识别模型失效的问题。DPA提出两阶段迁移模式,将行为识别阶段和模型迁移阶段同步推进,保证模型在传感器异动发生后仍能持续拥有识别能力。进一步提出AHR场景迁移方法,实现模型在多场景下的行为识别能力。实验验证该模型具有更优的适应性和可扩展性。展开更多
针对微网独立运行时面临运行成本高,受可再生能源出力和多能负荷功率不确定性影响大等问题,提出一种基于混合两阶段鲁棒优化的多微网合作运行方法。首先,为了应对源荷双重不确定性挑战,在传统两阶段鲁棒优化基础上,提出一种基于多场景...针对微网独立运行时面临运行成本高,受可再生能源出力和多能负荷功率不确定性影响大等问题,提出一种基于混合两阶段鲁棒优化的多微网合作运行方法。首先,为了应对源荷双重不确定性挑战,在传统两阶段鲁棒优化基础上,提出一种基于多场景数据的最恶劣概率场景驱动的混合两阶段鲁棒优化方法,并采用可并行计算列与约束生成(column and constraint generation,C&CG)算法来提高求解效率。然后,在建立的多微网点对点分布式能源交易系统框架上,根据纳什谈判理论构造多微网合作成本最小化问题和收益分配问题,并提出一种耦合可并行计算C&CG的交替方向乘子法进行求解。最后,根据各微网不同的贡献率,设计一种基于点对点电能交易贡献度的非对称纳什谈判机制来分配各微网的合作收益。算例结果表明,所提方法能兼顾系统的鲁棒性、经济性和隐私性,并实现每个微网公平合理的收益分配。展开更多
文摘针对基于传感器的行为识别任务中识别场景单一且固定的问题,提出一种多场景下基于传感器的行为识别迁移模型,由基于传感器的动态感知算法(dynamic perception algorithm,DPA)和自适应场景的行为识别迁移方法(adaptive scene human recognition,AHR)两部分组成,解决在固定场景下对传感器的依赖性以及在场景转换时识别模型失效的问题。DPA提出两阶段迁移模式,将行为识别阶段和模型迁移阶段同步推进,保证模型在传感器异动发生后仍能持续拥有识别能力。进一步提出AHR场景迁移方法,实现模型在多场景下的行为识别能力。实验验证该模型具有更优的适应性和可扩展性。
文摘针对微网独立运行时面临运行成本高,受可再生能源出力和多能负荷功率不确定性影响大等问题,提出一种基于混合两阶段鲁棒优化的多微网合作运行方法。首先,为了应对源荷双重不确定性挑战,在传统两阶段鲁棒优化基础上,提出一种基于多场景数据的最恶劣概率场景驱动的混合两阶段鲁棒优化方法,并采用可并行计算列与约束生成(column and constraint generation,C&CG)算法来提高求解效率。然后,在建立的多微网点对点分布式能源交易系统框架上,根据纳什谈判理论构造多微网合作成本最小化问题和收益分配问题,并提出一种耦合可并行计算C&CG的交替方向乘子法进行求解。最后,根据各微网不同的贡献率,设计一种基于点对点电能交易贡献度的非对称纳什谈判机制来分配各微网的合作收益。算例结果表明,所提方法能兼顾系统的鲁棒性、经济性和隐私性,并实现每个微网公平合理的收益分配。