基于数据-模型混合驱动的电力系统机电暂态快速仿真方法

数据驱动建模方法改变了发电机传统的建模范式,导致传统的机电暂态时域仿真方法无法直接应用于新范式下的电力系统。为此,该文提出一种基于数据-模型混合驱动的机电暂态时域仿真(data and physics driven time domain simulation,DPD-TDS)算法。算法中发电机状态变量与节点注入电流通过数据驱动模型推理计算,并通过网络方程完成节点电压计算,两者交替求解完成仿真。算法提出一种混合驱动范式下的网络代数方程组预处理方法,用以改善仿真的收敛性;算法设计一种中央处理器单元-神经网络处理器单元(central processing unit-neural network processing unit,CPU-NPU)异构计算框架以加速仿真,CPU进行机理模型的微分代数方程求解;NPU作协处理器完成数据驱动模型的前向推理。最后在IEEE-39和Polish-2383系统中将部分或全部发电机替换为数据驱动模型进行验证,仿真结果表明,所提出的仿真算法收敛性好,计算速度快,结果准确。

控制系统故障检测与多模型混合估计方法

讨论了现有控制系统故障检测与诊断方法中存在的问题 ,指出了基于多模型估计理论的系统故障检测是一种值得注意的发展方向 ,简要说明了多模型估计方法的基本原理 ,介绍了交互式多模型混合估计方法在控制系统故障检测与诊断中的具体应用技术 ,分析了多模型混合估计理论的发展方向。

基于交互式自模型混合物分析的近红外光谱波长变量优选方法

为了提高近红外光谱定量分析的预测精度和建模效率,提出了一种基于交互式自模型的混合物分析的波长优选方法,根据光谱各波长变量的纯度值和标准差值,选择含有用信息的波长变量,并引入相关权函数解决变量间共线性问题。通过依次迭代选择的变量建立定量校正模型,由交互验证均方根预测误差(RM-SECV)确定最佳波长变量个数。应用该波长变量优选方法对具有不同葡萄糖含量的两组(四成分葡萄糖水溶液实验和人体血浆实验)近红外光谱数据进行分析,两组数据中分别只选择了全部变量的0.3%建立定量校正模型,其验证集葡萄糖浓度的均方根预测误差(RMSEP)分别减少为669和15 mg/L。与全谱范围及优选波段建立的定量校正模型比较,本方法能够通过波长变量优选最小化冗余信息、提高预测精度及建模效率。

基于变点分析的软件可靠性多模型混合研究

针对单个模型因不适应软件工程项目的细微变化而使预测失实的问题,研究了软件可靠性多模型混合问题。建立了基于变点的软件可靠性混合模型;利用最小二乘法研究了软件可靠性模型的变点估计,给出了变点估计的计算方法;最后,对所提出基于变点的软件可靠性混合模型进行数值模拟,模拟结果表明基于变点的软件可靠性混合模型相对于传统的单模型,具有更好的稳健性及预测有效性,能够避免软件可靠性模型不可靠而难以运用于工程实际的问题。

数据与模型混合驱动的区域综合能源系统双层优化调度决策方法

在高比例可再生能源接入以及多种能源耦合网络快速发展的背景下,基于模型驱动的传统调度方法将难以满足区域综合能源系统实时优化调度决策的速度需求。因此,研究具有高智能性和快速决策能力的智能调度决策方法具有重要的意义。该文提出了一种数据与模型混合驱动的区域综合能源双层优化调度决策方法。上层使用混合整数线性规划(mix integer linear programming,MILP)求解得到日前调度计划,为日内滚动优化提供参考,下层将卷积神经网络(convolutional neural network,CNN)与门控循环单元(gated recurrent unit,GRU)相结合进行日内滚动优化决策,使用自适应功率修正模型对其输出进行微调得到精确解。最后,通过算例分析验证了本文所提方法的有效性。

数据-模型混合驱动的配电系统灵活性优化调度

针对光伏等新能源发电的波动性,提出了考虑需求侧资源作为灵活性供应的配电系统优化调度方法.首先,分析了配电系统优化框架及灵活性平衡机理,针对需求侧资源规模大、容量小的特点,提出了基于虚拟电池模型的需求侧资源聚合模型;其次,提出了数据驱动的需求侧资源模型参数评估方法,构建了基于参数评估的需求侧资源聚合优化模型,提出了涉及需求侧资源主动调节的配电系统灵活性优化调度方法;最后,通过实际数据进行算例分析,结果表明,所提数据-模型混合驱动的配电系统灵活性优化调度方法可以有效降低系统的运行成本,并有利于缓解系统的净负荷峰谷差.

基于大模型混合算法的站台门设备状态预测方法研究

地铁站台门设备关键状态量的监测为设备状态预警提供了重要依据。根据免疫算法及小波神经网络的基本原理,对设备状态预测进行优化,提出大模型混合算法的站台门设备状态预测算法。结合国内外城市轨道交通机电类设备健康运营现状,对基于大模型混合算法(免疫算法+小波神经网络)的站台门设备健康管理系统进行验证,结果表明此算法预测设备状态误差小、理论值准确。

基于混合模型的特种车辆转向泵马达性能评估

为了实现转向泵马达运行性能的实时评估,首先构建了转向泵马达物理模型,该模型考虑了转向泵马达运行机理,通过求解泵马达外特性方程、液压回路平衡方程、内部流量计算方程等,实现内部不可测参数的初步评估与计算,进而获得各类参数对转向泵马达性能的影响机制.同时采用LSTM深度学习方法构建了转向泵马达数据驱动模型,学习并预测不同工况下转向泵马达容积效率的变化规律,并将其输入至物理模型形成转向泵马达性能评估混合模型,提高不同工况条件下转向泵马达性能评估的准确性及适用性.实例分析表明,该混合模型可实现复杂工况下转向泵马达高低压侧压力、流量、转速及转矩等参数的计算与评估,模型误差低于10%.

基于高维混合模型的离心泵叶轮子午面优化设计

为提高离心泵在设计工况下的运行效率和扬程,提出一种基于高维混合模型的离心泵叶轮优化设计方法.选取一台比转数为157的单级离心泵作为研究对象,通过CFturbo软件对优化变量进行参数化,然后结合数值模拟获得高维混合模型的训练集.在此基础上采用获取的训练集通过MATLAB机器学习得出效率、扬程与优化参数之间关于支持向量回归的高维模型,并采用遗传算法寻优.在设计工况下,所拟合的高维混合模型预测的效率和扬程值比原模型分别高1.5%和3.2 m,数值模拟验证优化方案的效率和扬程分别比原模型高0.9%和2.1 m.算例研究表明,将高维混合模型应用于离心泵叶轮的优化设计中可以实现快速寻优并提高离心泵水力性能.

成年中期抑郁情绪的变化轨迹:基于增长混合模型

选取中国家庭追踪调查(CFPS)中的10654名成年中期被试,采用增长混合模型,探讨抑郁情绪变化轨迹的异质性及其相关因素。结果发现:成年中期抑郁情绪变化轨迹存在低抑郁-稳定组(87%)、中抑郁-下降组(8%)与低抑郁-陡升组(5%)三种类别,相对于低抑郁-稳定组,中抑郁-下降组和低抑郁-陡升组中女性、农村居民与受教育水平较低者所占比例更大。成年中期抑郁情绪的变化轨迹呈现异质性,并且女性、农村居民与受教育水平较低者存在更高的抑郁情绪发展风险。

基于层次分解、主成分分析和高斯混合模型的火成岩岩性识别——以惠州26洼古潜山为例

火成岩油气成藏规律复杂,受到火山运动、强构造运动以及风化剥蚀等叠加影响,火成岩的化学成分和结构构造复杂多样,非均质性极强,采用常规岩性识别方法难以一次性将所有岩性准确识别。借鉴层次分解思路,以惠州26洼古潜山为例,提出了一种火成岩岩性测井识别分类方法:综合考虑火成岩地质分类原则和测井响应特征来确定岩性识别层级,基于这种层次性的分类原则,在每一层次定量优选岩性识别敏感参数,建立研究区岩性识别优选层级;在明确岩性识别优选层级的基础上,逐级逐次使用主成分分析(PCA)和高斯混合模型(GMM)对岩性进行判别并确定其计算函数,建立分级优选岩性识别模型,最终达到整体岩性区分的目的。研究结果表明,研究区辉绿岩和闪长岩识别正确率分别为87.31%和84.32%,未分级未优选辉绿岩和闪长岩识别正确率为60.45%和54.88%,分级未优选其岩性识别正确率为69.61%和67.04%,有效提高了研究区的复杂岩性识别精度。该方法的提出对提高火成岩岩性识别精度提供了一种思路,也为研究区古潜山火成岩岩性精确识别提供了参考依据。

基于广义线性混合效应模型的森林树木死亡研究

基于计数模型方法,同时考虑样地的随机效应,构建林分水平死亡模型,探究影响树木死亡的因素,以期为森林资源的监测与管理提供参考依据。以美国德州东部森林连续清查的样地数据为数据源,按4∶1的比例将其进行随机抽样,划分为训练集和验证集数据,将立地因子、林分因子和气候因子作为模型的自变量,林木死亡株数则作为模型的因变量,运用计数模型和混合效应模型方法进行模型的构建,并分析影响林木死亡株数的因子。使用赤池信息准则(AIC)、贝叶斯信息准则(BIC)和-2倍对数似然函数值(-2logL)3种模型评价指标评估各模型间的拟合效果;采用平均绝对误差(MAE)和均方根误差(RMSE)2种评价指标评估其预测效果,以便筛选出最佳的林分水平死亡模型。结果表明:立地因子方面,林木死亡株数与海拔(P<0.01)呈显著的负效应,与坡度(P<0.05)呈显著的正效应,说明林木死亡株数随海拔的升高而减少,随坡度的增加而增多;林分因子方面,林木死亡株数与林分年龄(P<0.001)和树木基面积(P<0.001)呈显著的正效应,与林分平方平均胸径(P<0.001)和林分密度(P<0.05)呈显著的负效应,说明林木死亡株数随林分年龄的增加和树木基面积的增大而增加,随林分平方平均胸径和林分密度的增大而减少;气候因子方面,林木死亡株数与SPEI(P<0.05)、干旱长度(P<0.001)、年平均温度(P<0.001)和夏季平均降雨量(P<0.05)均呈显著的负效应,与夏季平均温度(P<0.001)呈显著的正效应,说明林木死亡株数随干旱强度和夏季平均温度的增加而增多,随干旱长度、年平均温度和夏季平均降雨量的增加而减少。在基础计数模型中,零膨胀负二项(ZINB)模型的拟合效果最好。而加入样地随机效应后,混合效应模型的拟合精度明显有所提高。基于所有模型模拟结果的比较,得出德州东部森林的林分水平死亡模型以ZINB-mixed模型为最优模型。

基于非凸熵最小化与高斯混合模型聚类的电容层析成像图像重建

基于压缩感知原理提出了一种构建非凸熵(NE)函数作为正则化项的方法,在有效缓解电容层析成像(ECT)病态性逆问题的同时可保证解的稀疏性,并采用快速迭代阈值收缩算法(FISTA)求解以加快收敛速度。对所得解通过高斯混合模型(GMM)进行阈值寻优,采用期望最大化算法(E-M)更新模型参数,从而构建NE-GMM算法。仿真及实验结果均表明:与LBP、Landweber、迭代硬阈值(IHT)、ADMM-L1及NE算法进行了对比,该算法所得重建图像质量最优,对中心分布及多物体分布的保真度进一步提高,仿真实验重建图像的平均相对误差和相关系数分别为0.4611及0.8827,优于其他5种算法。

基于SimCSE和BERT混合模型的短文本情感分类

为了解决BERT模型训练效果受到文本向量存在的各向异性问题,将对比学习(SimCSE)和BERT结合起来构建模型(SimCSE-BERT),分类器不但通过对比学习思想扩充了训练数据量,还可基于SimCSE模型获得“对齐”和“均匀性”俱佳的文本向量去优化基础BERT模型以提高分类效果。实验结果表明,与基础BERT模型相比,混合模型的准确率在外卖、携程酒店和淘宝数据集上分别提升0.562、0.584和0.734个百分点。该模型在短文本情感分类数据集上的分类效果有明显提升,并且具有良好的泛化能力。

稳定同位素混合模型揭示的长江下游新石器时代人群摄食策略

长江下游地区是稻作农业的主要起源地之一。然而,水稻对长江下游新石器时代人群饮食的贡献程度仍不清晰。稳定同位素混合模型能够量化揭示长江下游地区史前人群的摄食策略。系统收集长江下游地区已发表的人骨、动物骨和植物稳定碳氮同位素数据,基于稳定同位素混合模型,对长江下游地区新石器时代人群的摄食策略进行研究。结果发现:距今7.0—5.3 ka长江下游地区人群可能摄食多种动植物资源,该时期水稻对人类饮食的贡献与其他植物资源基本相当。距今5.3—4.3 ka,水稻已超过其他动植物资源,成为美人地遗址人群的主要食物资源。研究揭示了长江下游新石器时代文明化进程与稻作农业发展具有同步性,狩猎采集经济则为该区域文明化进程起到基础支撑作用。

高斯混合模型与文本图卷积网络结合的虚假评论识别算法

针对文本图卷积网络(Text GCN)窗口边权阈值策略不足的问题,为了更精准地挖掘相关的词关联结构、提高预测精度,提出一种高斯混合模型(GMM)与Text GCN结合的虚假评论识别算法F-Text GCN。首先,利用GMM分离噪声边权分布的特性,提高虚假评论在训练数据上相对正常评论数不足的边信号强度;然后,考虑到信源的多样性,综合文档、词汇和评论以及非文本特征构造邻接矩阵;最后,通过Text GCN的谱分解提取邻接矩阵的虚假评论关联结构实施预测。根据国内某大型电商平台采集的126086条实际中文评论数据开展实证研究,实验结果表明,F-Text GCN识别虚假评论的F1值达到82.92%,与预训练表征模型BERT和文本卷积神经网络相比分别提升了10.46%和11.60%,相较于只使用评论文本信源的Text GCN模型F1值提升了2.94%;研究了高仿虚假评论的预测错误率,在支持向量机(SVM)作用后难识别的评论样本上尝试二次识别,F-Text GCN整体预测准确率可达94.71%,相较于Text GCN和SVM,在识别准确率上分别提升了2.91%和14.54%。研究发现,虚假评论的二阶图邻居结构显示出较强的干预消费者决策的词汇,这表明所提算法特别适用于提取用于虚假评论检测的长程词语搭配结构和全局句子特征模式变化的场景。

基于在线更新的线性混合效应模型的参数估计

本文考虑在线更新数据集下线性混合效应模型的参数估计问题,提出了对应的在线更新估计方法,并证明了所得估计量的相合性.通过数值模拟发现,在不同的参数设置下,该方法的表现良好.将该方法与全局估计进行对比发现,虽然该方法在估计误差方面的表现不如全局估计,但是该方法能适用于在线更新数据集的情形,且大大降低了估计量的估计时间,以及估计时对计算机存储性能与计算性能的要求.

应用混合逻辑动态模型预测控制器的磁轴承三电平调制策略

传统磁轴承三电平调制策略在数字控制系统中存在控制延迟问题,影响电流纹波抑制效果。针对上述问题,提出一种基于混合逻辑动态模型预测控制器的磁轴承三电平调制策略。基于混杂系统理论,建立混合逻辑动态模型,统一表征出驱动电路充电、放电和续流工作模态,实现三电平调制;结合模型预测控制理论,将所建立的混合逻辑动态模型作为预测模型,预测磁轴承的控制电流,实现对控制延迟的补偿,并将预测控制电流送入到代价函数中,得出驱动电路的最优控制信号;基于所提调制策略构建了磁轴承控制系统,并与传统调制策略进行对比。仿真结果表明:在轻载扰动工况下,所提调制策略相比于传统三电平滞环调制策略与传统三电平脉冲宽度调制(pulse width modulation,PWM)策略,电流纹波分别降低了49.90%和49.87%;在中载扰动工况下,所提调制策略相比于传统三电平滞环调制策略与传统三电平PWM策略,电流纹波分别降低了49.99%和49.84%;在重载扰动工况下,所提调制策略相比于传统三电平滞环调制策略与传统三电平PWM策略,电流纹波分别降低了50.08%和49.77%。在三电平调制机制的基础上,所提调制策略能够有效补偿一个采样周期的控制延迟,达到降低电流纹波的效果。

船用承压结构变形场混合数字孪生监测模型方法实现

[目的]旨在为实现船舶的全生命健康监测设计一种面向结构健康监测的混合数字孪生系统。可实时采集及反馈关键舱室结构的变形,从而提升航运的信息化和安全管理能力。[方法]首先,采用奇异值分解法对多组载荷形成的物理场信息进行数据压缩降维得到特定的标准正交基,创建基向量与载荷关系的响应面模型,输出基于实时输入载荷的有限元降阶模型。其次,采用基于地统计学的克里金插值算法,按照特定拓扑结构布点,将实时的传感器数据和降阶模型输出的补充点位数据经由卡尔曼滤波算法进行融合修正,共同计算监测对象的变形情况。最后,通过构建变形监测软硬件系统,实现监测物理特性的采集到可视化的全过程。[结果]该系统在预设的载荷下,硬件采集系统能够稳定进行数据采集,配套的应用程序能够按照预期的要求进行实时可视化采集。[结论]该结构健康混合数字孪生系统满足船舶的健康监测需求,对未来船舶的高度一体化、智能化发展具有一定的参考意义。

考虑OD需求聚类的区域多层公路交通网络混合路径诱导模型

随着交通出行需求的快速增长,我国高速公路网络面临的运输压力日渐增加,经常出现严重的交通拥堵现象。为了缓解高速公路交通拥堵,并实施更有针对性的交通管控措施,提出了考虑OD需求聚类的区域多层公路交通网络混合路径诱导模型。首先,利用湖南省高速公路以及国道、省道的地理信息数据构建区域多层公路交通网络。然后,根据OD对间距离和OD交通量的差异,利用K-均值聚类算法对OD对进行聚类分析,将OD对划分为3个不同的类别。最后,应用遗传算法筛选出各类OD对中对拥堵贡献较大的出行群体,并建立有针对性的混合路径诱导模型,对拥堵贡献较大和拥堵贡献较小的出行群体分别应用不同的路径诱导方案。当OD需求扩样系数设置为6时,对OD对聚类可以将总出行成本进一步降低35186.03 min。在不进行OD对聚类时,使用规划路径的出行总数为79140,而实施OD对聚类后,使用规划路径的出行总数为70374。使用诱导路径的出行的平均出行时间由121.47 min下降为85.61 min,极少数出行(3.75%)的时间增加,且增加最大值低于3 min。对多个不同扩样系数进行敏感性分析进一步说明了考虑OD需求聚类的混合路径诱导模型具有良好的拥堵缓解效果。考虑OD需求聚类的区域多层公路交通网络混合路径诱导模型可以用于识别对拥堵贡献较大的关键出行群体,进而制定有针对性的路径诱导策略,在缓解高速公路交通拥堵的同时能够减少对大多数出行者的影响,降低路径诱导策略的实施难度。另外,研究结果还表明:对出行距离较长的出行群体实施路径诱导能够更加有效地缓解区域多层公路交通网络中的交通拥堵。