基于动态演化聚类算法的E-Learning培训搜索研究

随着信息化社会的高速发展,网络学习(E-Learning)培训越来越的应用到人才培训的各个领域,能否准确地利用用户搜索数据的效果关系到长期人才战略的发展。本研究简要分析了E-Learning培训搜索数据结构,利用重叠搜索模块度函数和指标作为目标函数,以演化聚类算法和搜索数据的编码解码为基础,构建了针对E-Learning培训动态网络重叠用户的动态演化聚类算法。最后实验表明提出的动态演化聚类算法能有效的解决用户实时搜索数据问题。

基于演化聚类算法的电力系统暂态负荷同步预测

基于提高电力系统暂态负荷同步预测精度的目的,采用演化聚类算法对电力系统暂态负荷同步预测方法进行研究。采用BP神经网络,将补充数据的时间作为BP网络的输入变量引入训练好的BP网络中,以修正电力系统中的历史数据。根据修正结果引入演化聚类算法,计算电力系统在每一时刻的负荷数据。依据负荷数据,计算电压相量距离,获得电网中薄弱断面信息与输电断面关键故障集中的故障数据,确定电网中输电断面的暂态负荷信息,完成电力系统暂态负荷同步预测。通过对比实验,提出的预测方法在对电力系统电机端电压和功率变化预测上,具有较高的精准度,电压预测误差最大为0.025 V。

电网公司配电自动化模拟培训系统设计

设计电网公司配电自动化模拟培训系统,为电网公司培训人才提供现场作业模拟环境。首先,通过Mini-pcie接口采集配电网数据,利用缓存单元处理用户自动化培训请求,采用IP核实现缓存单元控制;然后,采用遗传算法获取最优个体,依据模块度函数最大原则选取最优个体作为最优解,通过解码操作划分资源类别;利用动态演化聚类算法处理应用请求,提升人才培训信息反馈的及时性;最后,利用WEB2.0实现电网公司自动化培训系统的展示层UI设计。系统测试结果表明系统可以成功操作现场配电装置的安装调试以及运行维护,适用于电网公司培养实践。