基于代表性节点扩张的保持社区结构的图采样算法

作为一种能够简化大规模图并保留其指定属性的方法,图采样被广泛应用于现实生活中。然而当前研究大多集中于保留节点级的性质,如度分布等,而忽略了图的社区结构等更为重要的信息。针对此问题,提出了一种保持社区结构的图采样算法。算法主要分为两个步骤,第一步为初始化社区代表点,根据提出的节点重要度计算公式算出节点的重要度,然后选出每个社区的代表性节点;第二步为社区结构扩张,针对每个社区,选择可能引入最少额外邻居的节点加入社区中,直到达到该社区节点上限。在多个真实数据集上进行了对比实验,使用多个评价指标来评估实验结果。实验结果表明,所提出的采样算法能够很好地保持原始图的社区结构,为大规模图的社区结构采样提供了可行的解决方案。

基于暂降信息的监测装置优化配置与系统电压暂降水平评估

利用可获得的监测数据评估电网的电压暂降水平是电能质量领域的重要研究课题。为保证评估结果客观合理,引入暂降信息概念,根据监测或仿真获得的信息构造节点指标向量和系统指标向量,分别刻画节点和系统暂降水平;分析节点指标和系统指标的关系,提出以代表性节点监测代替全网监测实现系统暂降水平评估。以仿真模拟所得节点指标向量为节点分区依据,通过粒子群K均值聚类算法进行节点分区并识别代表性节点;用代表性节点的节点指标向量度量所在分区的电压暂降水平,并通过统计方法估计系统指标向量。IEEE 30节点系统仿真结果表明,所提方法所需监测装置数量少,评估结果准确,对系统故障率和故障分布的变化有良好的适应性。