复杂系统的模型聚合及聚合模型中的突现

对复杂系统建模时,高分辨率下的模型中,通常都会包含大量的变量和方程,给系统行为特性的分析带来极大的难题。为解决上述问题,保证信息不丢失,对高分辨率下模型进行聚合来得到低分辨下的聚合模型,从而缩减了模型规模和减轻了系统复杂度。但聚合模型会表现出和原模型不同的特性,被称为突现。结合生态系统介绍了模型的聚合特性对聚合模型在函数形式上的突现和行为特性上的突现。通过仿真,结果表明,模型聚合是对复杂系统进行简化建模的有力工具,同时研究低层变量对改善整个系统性能有很大影响。

模型聚合物的制备

本文对模型聚合物（包括线型均聚物以及远螯聚合物、嵌段聚合物、环状聚合物、树枝状聚合物等特征结构的聚合物）的制备方法进行综述。

顾及不动产权籍的房产模型聚合与分割方法

提出了根据宗地范围线、分层分户图及户型对房产模型进行细化和分割方法,研发了顾及不动产单元权籍属性的房产单元的横、纵向分割技术及基于相同权属的聚合技术,形成了从数据采集、数据建模到模型与权籍关联的一整套生产技术流程。采用MD5建立的房屋三维模型与权属信息自动关联技术,具有三维模式下现有二维地图无法实现的空间分析等功能,实现了各类三维数据的综合可视化和融合分析,为三维不动产权属管理提供更直观的辅助决策支持。

用于电磁暂态仿真分析的永磁同步发电机风电场模型聚合方法

给出了一种用于大规模永磁同步发电机(permanent magnet synchronous generator,PMSG)风电场电磁暂态仿真分析的聚合模型的建模方法。建立了含PMSG的风电场简化电磁暂态仿真模型,对简化模型及其对应的全仿真模型的仿真结果进行了对比验证。分析了在不同电网故障情况下PMSG风力发电机组的响应特性。在此基础上,建立了2种风电场仿真模型:包含40台5 MW风力发电机组模型的风电场全仿真模型及其200 MW等效聚合模型。讨论了风电场聚合模型的聚合原则,给出了200 MW风电场模型的聚合过程。通过对2种模型在风电场故障过程中特性的对比研究,分析了风电场内部升压变压器和集电线路对聚合模型的影响,验证了该聚合模型的正确性和有效性。

伴随维修组维修模型聚合方法

面向装备维修保障系统的多分辨率建模问题,提出了一种装备维修模型的聚合方法,为装备维修保障系统模型的聚合研究提供了一种新的思路。该方法通过聚合故障输入和推理维修状态实现维修模型的聚合。最后通过基于MATLAB的仿真实验验证了该方法的可行性。通过实例验证可以看出,该方法缩短了仿真时间,减少了复杂系统底层建模的工作量。

灵活性资源聚合参考模型与量化指标体系

高比例新能源并网给电网带来了显著的波动性和不确定性,使受端电网面临可调节资源能力不足的问题,需要充分利用大量的灵活性资源参与电网调度并提供辅助服务。然而,灵活性资源的数量众多、分布广泛且特性各异,给资源的集中调控带来了新的挑战,需要以集群的形式对灵活性资源进行管理和调度。为了更加准确地评估集群在电网调控中的作用,需要将灵活性资源进行聚合,并根据应用需求采用适当的量化指标衡量其性能。基于灵活性资源集群在电网调度和电力市场中的应用需求,提出了评估灵活性资源集群可调节能力的量化指标体系。根据物理特性,将其分为类发电机特性、类储能特性和共有特性3类。为了实现不同应用场景下对集群灵活性指标的量化评估,构建了由等效发电机和等效储能所组成的灵活性资源集群的聚合参考模型。此聚合参考模型具有直观的物理意义和良好的多重嵌套特性,并适用于多种时间尺度和多种能量形式,可以被用于计算特定应用场景下的量化性能指标,以及应用于分布式资源集群的异步调度、综合能源系统的联合优化调度、虚拟电厂参与电力市场的投标报价等多个场景中。

基于聚合模型分析的某灌区并联泵站运行优化研究

用电费用是灌区渠系运行管理成本的主要部分,对泵站进行运行管理优化具有重要的经济和社会意义。此次研究以某灌区并联泵站为例,利用聚合模型计算的思路展开运行优化计算。结果显示,优化方案可以降低5%~15%左右的泵站总功率,建议在背景泵站运行管理中采用。

风电机组变桨减载一次调频模型及聚合方法

风电参与频率调节已经成为明确的趋势,因此在电力系统频率动态仿真中需要加入风电场的一次调频模型。风电机组通过变桨减载预留备用参与调频是风电调频的一种典型方式,针对该方式建立了风电机组的一次调频模型并提出了风电场调频模型的聚合建模方法。首先建立单风机变桨减载一次调频模型,保留风能捕获、转子动态、有功控制和桨距角控制等关键环节,忽略快速的变流器控制过程。然后提出了采用同型号风机的风电场调频模型聚合方法,考虑到风机运行工况和调频能力的差异,以保证聚合前后功率动态过程一致为目标,推导了调频模型参数的聚合等值方法,将多台风机聚合为一台等值机,使得等值机在调频过程中的输出功率尽可能等于各单机输出功率之和。仿真结果验证了所提方法的有效性。

基于端边云协同体系的联邦学习模型训练与优化

针对联邦学习训练模型容易受到数据属性影响的问题,提出基于端边云协同体系的联邦学习模型训练与优化方法,该方法引入可信度和动态学习率实现全局模型参数的自学习和自优化。实验表明,与其他算法相比,所提算法充分考虑边缘端的可信度,可防止由于数据分布或者质量问题所导致全局模型参数快速变化所导致准确率快速下降的问题;另外,由于引入了动态学习率,全局模型在聚合时可依据本地模型的误差进行学习率的自适应调整,在一定程度上实现全局参数更新速度和算法稳定度的平衡。

基于联邦学习的医教协同数据安全模型研究

文章针对医疗领域数据共享和隐私安全问题展开研究,提出了一种基于联邦学习的医教协同数据安全模型。首先介绍了医疗数据共享中存在的隐私泄露和安全风险,以及传统集中式数据训练方法的局限性。随后阐述了联邦学习的基本原理和优势,以及其在医教协同数据安全方面的潜在应用。在此基础上,提出了一种基于联邦学习的医教协同数据安全模型,该模型在保护数据隐私、实现分布式数据合作、提高数据安全性和数据多样性方面对深化医教协同有推广价值。

面向低碳园区供需平衡的混杂负荷系统聚合和控制模型构建

随着“双碳”目标的持续推进,园区系统的低碳转型受到了广泛关注。低碳园区具备高比例的清洁能源,其间歇性和波动性问题给园区的安全稳定运行带来了挑战,传统增加储能设备的手段成本高且灵活性低。为此,该文提出了利用园区内丰富的可调节负荷资源,经过有效的聚合管控充分挖掘负荷调节潜力,提供功率转移容量以实现园区自身供需平衡。以园区内各种可调负荷组成的聚合系统为控制对象,针对负荷物理参数的异质混杂特性,提出包括设备嵌入控制、异质聚合控制、系统辨识控制以及混杂协同控制的分层控制算法,由设备嵌入控制自底而上形成稳定可控的异质集群,从混杂协同控制自上而下控制大量混杂负荷输出稳定收敛响应。在系统辨识控制层,构建基于径向基函数神经网络的系统参数辨识模型,辨识异质集群的聚合参数,从而构建稳定可控的异质聚合模型,能够适用于不同负荷种类的异质集群,具有通用性。在混杂协同控制层,构建异质集群协同管控模型,随机选取容量合适的集群参与清洁能源消纳。最后,通过提供清洁能源出力跟踪服务验证了方法的有效性。仿真结果表明,在该文的异质聚合模型下负荷聚合数量提高了11.2%,表明了该文的异质聚合方法能够有效提升负荷的聚合数量。此外,该文混杂负荷分层控制算法的跟踪误差在0.02%以内,验证了该文算法的准确性。

基于GAN数据增强的软件缺陷预测聚合模型

在软件缺陷预测任务中,通常基于C&K等静态软件特征数据集,使用机器学习分类算法来构建软件缺陷预测(SDP)模型。然而,大多数静态软件特征数据集中缺陷数较少,数据集的类不平衡问题较为严重,导致学习到的SDP模型的预测性能较差。文中基于生成对抗网络(GAN),并利用FID得分筛选生成正例样本数据,增强正例样本量,然后在组块正则化m×2交叉验证(m×2BCV)框架下,通过众数投票法聚合多个子模型的结果,最终构成SDP模型。以PROMISE数据库下的20个数据集为实验数据集,采用随机森林算法构建SDP聚合模型。实验结果表明,与传统的随机上采样、SMOTE、随机下采样相比,所提SDP聚合模型的F1平均值分别提高了10.2%,5.7%,3.4%,且F1的稳定性也得到相应提高;所提SDP聚合模型在20个数据集的评测中,有17个F1值最高。从AUC指标来看,所提方法与传统的采样方法没有明显差异。

风电场站单机聚合模型倍乘元件阻抗参数设计

现有较大规模风电场站等值模型中常采用倍乘方式实现机组聚合,以节省建模与仿真计算等资源。针对风电场站单机聚合模型倍乘元件在风电场建模中应用广泛、参数设置缺少规律性的现状,对倍乘元件阻抗参数在风电场等值建模中的影响展开研究。首先,以PSCAD软件官网的经典倍乘元件入手,分析各个自定义阻抗参数间的关系与重要程度。其次,搭建风电场基准测试模型并展开等值聚合,通过参数遍历测试,研究倍乘元件阻抗参数对等值误差的影响机理,依据稳态运行点等值误差、仿真步长两个方面的限制,提出倍乘元件阻抗参数选择方法。最后,选取稳态运行点、三相电压跌落、宽频振荡3个工况,对影响机理与推荐参数展开验证。从等值误差的角度,对大型风电场建模仿真中倍乘元件阻抗的参数设计提供了参考建议。

基于聚合代理模型的土压平衡盾构刀盘轻量化设计方法

针对现有盾构刀盘轻量化设计计算成本高、多依赖经验的不足,提出一种基于聚合代理模型的土压平衡盾构刀盘轻量化设计方法。通过熵权TOPSIS综合贡献度分析筛选出对刀盘质量、最大变形和最大应力影响显著的结构参数作为设计变量,采用加权径向基函数模型、Kriging模型和支持向量回归模型的聚合代理模型来拟合设计变量与最大变形和最大应力约束响应间的隐式关系。在上述基础上构建了土压平衡盾构刀盘轻量化设计模型,并以序列二次规划算法进行优化求解。有限元仿真实验结果表明,所提出的轻量化设计方法实现土压平衡盾构刀盘减重7.44%,且能满足刀盘应力和变形要求,轻量化效果良好。

面向多场景辅助服务的大规模电动汽车聚合可调度容量建模

大规模电动汽车聚合可调度容量是含电动汽车的虚拟电厂参与多层级多场景电力平衡辅助服务的重要技术指标之一。然而,现有电动汽车聚合可调度容量模型难以适应大规模电动汽车与省级电力调度中心互动场景。为此,文中从面向电力系统调峰、调频和调压多级多场景调控新视角,提出了数据驱动和机器学习相结合的双层聚类电动汽车聚合可调度容量建模方法。该方法通过构建电动汽车-充电桩广义储能单元的个体可调度容量模型,结合基于密度空间的聚类算法和改进的自组织映射深度聚类算法,有效地融合了电动汽车电量的时间分布和充电桩的空间分布特性,构建了面向调峰、调频和调压多场景调控的聚合可调度容量模型。采用了某省实际充电记录数据对提出的方法进行了验证,获得了“早间型”“中午型”“晚间型”等多种充电画像类型,实现了时空分布各异的电动汽车广义储能系统的自主聚合和省市级规模电动汽车参与电网不同辅助服务潜能的评估,并为聚合可调度容量的预测奠定了数据基础。

学习元与学习对象的多维比较研究——学习资源聚合模型发展新趋势

在新技术与学习理念的双重推动下,学习资源正朝着可进化、分布式、社会性、情境性、开放性和复合性的方向发展。支持传递接受范式教学的学习对象已经无法满足泛在学习对学习资源进化生长、过程性信息跟踪、人际智慧聚合、多终端支持、无限群体的个性化学习等多方面的实际需求。学习元是在学习对象基础上发展起来的适合泛在学习的一种新型资源组织方式,顺应了学习资源的发展趋势,是未来学习资源设计与共享发展的新方向。本文从历史背景、概念特征、学习理念、信息组织、信息模型、存储结构、质量控制、共享范围等多个层面对学习元和学习对象进行了对比分析,并在此基础上总结了学习资源聚合模型发展的新趋势。

双馈异步发电机风电场聚合模型研究

提出了一种风电场内输入风速不同的多台风电机组的单机等值建模方法。在机组参数相同的条件下,以风电场的有功功率及无功功率输出、动能的变化率、传动链损耗保持不变为原则,对机组的风轮、传动链、发电系统及主控系统进行等值变换,给出了相关参数的计算方法,同时给出了等值风速的计算方法。以"在公共连接点短路阻抗相等"为原则,对风电场内的电力网络进行单阻抗等效。建立了包含4台参数相同的2 MW双馈风电机组风电场详细模型和相应的等值模型,通过仿真分析分别对比这2种模型在随机风速和电网故障情况下的输出特性。结果表明,该方法得到的等值聚合模型具有很高的精度,适用于具有相同参数双馈风电机组的风电场建模。

光热发电机组聚合模型及其在电力系统运行模拟中的应用

光热发电不仅提供了一种大规模利用太阳能的方式,还具备良好的调峰能力,能为构建可再生能源主导的电力系统提供有力支撑。由于组成结构和运行特性的特殊性,光热机组在建模中面临着所需变量多、约束复杂的问题。考虑到其单机容量较小,大规模光热并网后将显著提升运行模拟问题的规模和复杂度,增大模型求解难度,给电力系统运行模拟和优化规划带来挑战。针对上述问题,提出一种光热聚合建模方法,将多台机组聚合成一台等效机组,从而减小问题规模、加速模型求解。基于改编IEEE-RTS79的算例分析表明该方法正确、有效,不仅加速效果显著,而且计算误差较小。所提出的方法能为含大规模光热电力系统运行模拟及规划研究提供有力的分析工具。

应用聚合模型选育杂交水稻通用恢复系

笔者应用自己设计的聚合模型,把广亲和基因和野败型不育性恢复基因聚合为一体,从而育成了对三系法和两系法、品种间和亚种间杂种优势利用都可通用的恢复系.粳型通用恢复系适用于籼粳亚种间和粳粳品种间杂种优势的利用;籼型通用恢复系适用于粳籼亚种间和籼籼品种间杂种优势的利用.通用恢复系扩大了对不育系的应用范围,可以积极而又稳妥地实现袁隆平先生关于杂交水稻发展的总思路,即:三系法→两系法→一系法;品种间→亚种间→远缘杂交水稻过渡.

聚合风险模型下的信度估计

利用信度理论的方法,建立了Bayes聚合风险的信度模型,得到未来年总索赔的信度保费.进一步地,在多合同模型下,提出了结构参数的无偏估计,并证明了这些估计的统计性质.