多维灾体模型在气象灾害损失年景评估的应用

本文采用气象灾害灾情损失和社会经济数据,应用多维灾体模型对黑龙江省近20 a的年景进行科学评估。结果表明,近20 a黑龙江省因气象灾害导致的受灾面积和受灾人数呈明显下降趋势;2003-2009年黑龙江省86%的年份气象灾害损失较大,年景评估在偏重以上,年景较差,2010-2022年77%的年份气象灾害损失较小,年景评估等级为偏轻,年景较好,结论与实况相符;灾体模型中死亡失踪人数、直接经济损失的指标排名在灾害评估等级中起到了较大作用。

基于四维灾体模型的浙江省气象灾害损失年景评价

应用浙江省气象灾情统计年鉴资料,运用四维灾体评估模型,对浙江省的气象灾害损失进行科学评估。浙江省2003—2017年灾害损失年景评价分析结果显示,2004年和2005年为气象灾害损失明显偏重年景,进入2010年以来,2013年为年景最差年份;台风灾害损失在每年浙江省气象灾害损失年景评价中具有非常重要的作用,重大台风事件易造成气象灾害偏重或明显偏重的损失年景。评估结果表明,四维灾体模型下的气象灾害评估较为科学客观。

一种消除动态规划法中维数灾的新方法

常规的动态规划法优化水电站厂内负荷分配时 ,容易出现维数灾。限于计算机的计算速度和存储空间 ,维数灾会导致负荷分配不能满足实时控制的要求 ,有时还发生负荷不能分配的情况。基于实际应用 ,提出了一种新的维数灾消除方法 。

大规模水电系统优化调度维数灾问题研究进展

经过20余年的高速发展,特别是最近10余年乌江、澜沧江等多个特大流域梯级水电站群的集中投产,我国逐步形成了世界水电史上极其罕见的大规模互联水电系统。受持续攀升的系统规模、急剧增加的电站数目、形式各异的运行约束、复杂多变的调度需求等综合因素影响,大规模水电调度维数灾问题日益凸显,已成为制约我国能源高效配置的关键基础科学难题。为此,本文围绕我国快速发展的大规模水电系统,深入剖析了维数灾问题的产生根源,总结了国内外相关研究进展,提出了未来需要深入开展研究的方向建议,以期为我国水电调度理论发展提供有益参考。

并行多维动态规划算法在梯级水库优化调度中的应用

为有效缓解多维动态规划算法运行时间长并增强其对梯级水库群联合优化调度问题的求解能力,基于.NET4的并行拓展库,将并行处理技术与该方法相结合,利用梯级水库状态点间的计算独立性构建了并行多维动态规划算法,并以李仙江流域三库梯级为例,根据不同状态离散数和不同CPU核数构建了3个串行计算方案和9个并行计算方案,从运行时间、并行加速比及并行效率等方面对该并行算法进行性能分析。结果表明,在现有计算条件下该并行算法能有效缩短程序运行时间,从而缓解多维动态规划的维数灾问题,并继承了多维动态规划的全局收敛性。

多维动态规划三种并行模式的对比分析

将多维动态规划算法与并行处理技术相结合,是增强该算法对梯级水库群联合优化调度问题求解能力和缓解其"维数灾"问题的有效措施。基于.NET4的并行拓展库(Parallel Extensions),构建了时段间、时段内离散组合间以及两者混合模式下的并行多维动态规划算法,以我国某流域两库梯级为研究背景进行了实例计算,并从运行时间、并行加速比、并行效率以及内存占用等方面对这三种并行模式下的并行多维动态规划算法进行了详细的对比分析,结果表明三种并行模式都能有效缩短程序运行时间,从而缓解多维动态规划的维数灾问题,但相对而言时段内离散组合间并行模式最优,混合并行模式次之,时段间并行模式最差。

基于非负矩阵分解更新规则的部分可观察马尔可夫决策过程信念状态空间降维算法

针对求解部分可观察马尔可夫决策过程(POMDP)规划问题时遭遇的"维数诅咒",该文提出了一种基于非负矩阵分解(NMF)更新规则的POMDP信念状态空间降维算法,分两步实现低误差高维降维。第1步,利用POMDP的结构特性,将状态、观察和动作进行可分解表示,然后利用动态贝叶斯网络的条件独立对其转移函数进行分解压缩,并去除概率为零的取值,降低信念状态空间的稀疏性。第2步,采用信念状态空间值直接降维方法,使降维后求出的近似最优策略与原最优策略保持一致,使用NMF更新规则来更新信念状态空间,避免Krylov迭代,加快降维速度。该算法不仅保证降维前后值函数不发生改变,又保留了其分段线性凸特性。实验结果表明,该算法具有较低误差率和较高收敛性。

多维确定性动态规划双收敛新算法

在总结现有多维确定性动态规划计算方法利弊的基础上,提出一种新的优化计算方法,即双收敛算法。该算法应用于引滦工程系统(五水库)实时联合供水优化调度。实践证明:该算法从根本上克服了“维数灾”,适用于多水库(五库以上)发电及供水优化调度计算。

适用于大规模充电场站的深度强化学习有序充电策略

针对大型充电场站内规模化电动汽车的有序充电问题,提出一种基于双深度Q网络(DDQN)深度强化学习方法的电动汽车充电安排策略,能有效计及电动汽车出行模式和充电需求的不确定性,实现充电场站充电成本最小化的目标。首先,对电动汽车泊车时间和充电需求特征进行提取;其次,为解决维数灾问题,提出一种“分箱”方法和充电次序优化策略以控制状态和动作空间的大小,从而建立了一种适用于大规模电动汽车有序充电的马尔可夫决策过程(MDP)模型;然后,应用DDQN的强化学习算法对电动汽车有序充电策略进行求解;最后,通过仿真算例验证了所提方法的有效性,不仅能有效减少充电场站的充电成本,而且能使模型训练难度不受电动汽车规模影响。

改进的显随机动态规划在梯级水库优化调度中的应用

为了解决常规水库调度图难以获得最优调度方案、且梯级水库随机优化调度求解“维数灾”等问题,以东北第二松花江流域白山~丰满梯级水库水电站为例,分析梯级水库的实际径流特性,依据同流域的梯级水库天然径流具有较强的相关性的特点,提出了降维的马尔科夫链随机径流描述模型,解决梯级水库随机优化调度模型求解的维数灾问题;同时结合有、无时段径流预报的描述方法,使得径流描述更加贴近实际;根据所提出的径流描述模型,采用调度期内发电量期望值最大作为优化调度模型的目标函数,研究相邻时段无径流预报、相邻时段有径流预报、本时段无预报且后时段有预报、本时段有预报且后时段无预报等情况下的模型递推方程,首次创建了考虑有、无时段径流预报相结合的梯级水库优化调度模型;利用了惩罚系数和改变保证出力约束相结合的方法,求解得到各种出力保证率下的水库最优决策方案;在相同的出力保证率情况下,通过对白山、丰满梯级水库历史径流序列模拟优化调度结果的对比分析可知,所得到的优化调度规则比常规水库调度图和传统随机优化调度规则都获得了更多的发电效益,模型求解时间也比传统方法提高了数倍,充分说明了本文所创建模型的有效性和调度规则的优越性。

基于MB_LBP与改进Fast PCA算法的人脸特征提取

针对MB_LBP算法对人脸特征提取维数较高,使用PCA方法会造成图像原始空间结构破坏和维数变得过大等问题,提出一种基于多块LBP(Multi-scale Block Local Binary Patterns,MB_LBP),结合改进的Fast PCA算法进行人脸特征提取的方案。首先用MB_LBP算法提取人脸图像的特征,接着用本文所改进Fast PCA方法加速计算矩阵S非零本征值所对应的本征向量,对人脸特征进行降维,最后在ORL人脸库进行验证。实验表明,该方法对后期人脸特征提取效果优于改进前的效果,很大程度上降低了提取时间,效果明显。

梯级水电站群中长期优化调度的正交离散微分动态规划方法

我国特大流域梯级水电站群正在形成,这些梯级水电站群普遍具有装机规模大、级数众多的特点。随着巨型梯级水电站的集中投产,其优化调度计算规模不断增加,维数灾问题日益凸显。在分析离散微分动态规划(discrete differential dynamic programming,DDDP)算法的基础上,提出了正交试验设计和DDDP相结合的正交离散微分动态规划方法(orthogonal discrete differential dynamic programming,ODDDP)。该方法以DDDP为基础,采用正交试验设计选取具有"均衡分散,整齐可比"性质的部分状态组合,以减少方法所需存储量与计算量,进而提高计算的规模和效率。乌江干流梯级水电站群仿真调度结果表明,ODDDP在大幅缩短计算耗时的同时可获得与DDDP相近的优化结果,系统求解效率和计算规模显著提高。

一种基于启发式轮廓表的逻辑强化学习方法

强化学习通过试错与环境交互获得策略的改进,其自学习和在线学习的特点使其成为机器学习研究的一个重要分支.针对强化学习一直被"维数灾"问题所困扰的问题,提出在关系强化学习的基础上,引入启发式轮廓表的方法,采用含轮廓表的一阶谓词表示状态、活动和Q-函数,充分发挥Prolog表的优势,将逻辑谓词规则与强化学习相结合,形成一种新的逻辑强化学习方法——CCLORRL,并对其收敛性进行了证明.该方法使用轮廓形状谓词产生形状状态表,大幅度地减少状态空间;利用启发式规则指导动作的选择,减少了样本中不存在状态选择的盲目性.CCLORRL算法应用于俄罗斯方块中,实验表明,该方法是比较高效的.

一种基于启发式奖赏函数的分层强化学习方法

针对强化学习在应用中经常出现的"维数灾"问题,即状态空间的大小随着特征数量的增加而发生指数级的增长,以及收敛速度过慢的问题,提出了一种基于启发式奖赏函数的分层强化学习方法.该方法不仅能够大幅度减少环境状态空间,还能加快学习的收敛速度.将此算法应用到俄罗斯方块的仿真平台中,通过对实验中的参数进行设置及对算法性能进行分析,结果表明:采用启发式奖赏函数的分层强化学习方法能在一定程度上解决"维数灾"问题,并具有很好的收敛速度.

超大规模水电系统优化调度挑战及应用实践

我国水电经过十多年的密集建设实现了高速发展,在西南地区出现了一批千万k W级特大流域巨型梯级水电站群,首次形成了装机容量超亿kW、电站数量超百座的区域和省级电网超大规模水电系统,产生了世界水电史上从未有过的调度运行难题,给水电系统乃至整个电网的安全、高效、经济运行带来重大挑战。该文结合我国水电现状和发展情况,分析超大规模水电系统有别于以往中小规模水电的调度运行特点,提炼总结一系列超大规模水电系统调度核心问题,包括优化调度“维数灾”、巨型机组多限制运行区安全控制、水电大规模消纳、多电网调峰等,并从技术角度给出这些问题的可行解决途径,最后结合在中国南方电网、云南电网等水电富集电网和澜沧江、红水河、乌江等特大流域工程实践,给出部分研究成果的实际应用情况,为我国水电系统科学调度提供可借鉴的技术途径。

梯级水电站群中长期优化调度的离散梯度逐步优化算法

充分利用现有水电资源,进行库群中长期优化调度是构建清洁低碳、安全高效的现代能源体系的重要措施。逐步优化算法(POA)将多阶段问题转化为多个两阶段子优化问题,是求解中长期库群优化调度较为广泛且有效的一种方法。但随着水库数目的增加,POA仍会面临严重的"维数灾"问题。本文以梯度下降法为基础,提出离散梯度的概念及离散梯度逐步优化算法(DGPOA),该方法在不直接求导的情况下充分利用局部离散梯度信息确定最优搜索方向,可以快速获得优化结果。最后将该算法应用到澜沧江流域五水库梯级系统中,在不同离散精度和来水条件下,利用POA、POA-DPSA和DGPOA算法对梯级水库进行优化计算。结果表明,在不显著降低全局搜索能力的情况下,DGPOA的计算速度分别达到了POA-DPSA算法的8~12倍,POA算法的50~250倍,是一种解决梯级水库站群中长期优化调度中"维数灾"问题的有效方法。

梯级水库短期优化调度模型的精细化与GPU并行实现

目前制约梯级水库短期优化调度在实际工程中应用的主要瓶颈有:所构建的优化模型存在不合理的简化策略,所选择的求解算法无法保证解的质量以及模型的计算时间远超规定时长。为解决上述问题,本文首先构建精细至水电站各机组工作特性的优化调度模型,接着通过二重嵌套动态规划(DP)计算给定模拟精度下的高质量解,并针对算法固有的'维数灾'问题,一方面通过数据压缩与数据库技术降低程序的内存占用量,另一方面将GPU并行加速技术首次引入水库调度领域,通过OpenACC实现算法的GPU并行以减少计算时间。最后通过潘口、小漩梯级水库日优化调度的实例研究与对比分析得出:精细模型较传统模型能更好地贴合电站的实际工况,提高梯级系统的发电效益;内存占用缩减策略的引入能有效降低算法的空间复杂度;GPU并行较传统的CPU并行能大幅提升算法的求解速度。由此为短期优化调度的理论发展与算法'维数灾'的处理提供借鉴。

中小流域水电梯级优化调度策略与方法研究

我国正在中小流域积极推行水电梯级开发建设,如何以流域整体效益为目标,充分发掘水资源潜力,成为一个非常重要的问题。针对中小流域梯级电站的特点,提出了考虑梯级水电站规模、水库间水力联系、水库功能等因素后,对梯级优化问题的简化方法。同时探讨了不同情况下梯级优化调度中应考虑的问题,及其对应的水库间中小流域梯级优化准则。最后对中小流域梯级的主要问题进行了总结分析,提出了梯级优化未来工作方向和解决思路。

一种新的基于分组动态规划法的交易模型

对电力市场联营模式的日前竞价交易提出了一种新的基于分组动态规划法的并行交易算法。先建立日前竞价交易数学模型,再运用线性规划和分组动态规划混合算法来并行优化安排分组系统的电能交易计划,同时针对实际运行中可能存在的机组投机问题来改进动态规划法的处理过程。IEEE30节点算例表明该优化算法能在不丢失最优解的前提下尽量减少状态变量的优化数量,有效地解决了“维数灾”问题,计算速度高且优化性能好。

基于群论的三峡电厂机组负荷分配算法研究

水电站厂内经济运行是一项提高水能利用效率的节能措施。厂内机组负荷分配以耗流量最小为准则,一般用动态规划方法求解。三峡电厂机组数目较多,承担负荷较大,采用动态规划求解易出现维数灾问题。本文提出基于群论的机组组合降维方法,将三峡电厂机组按运行特性分组,基于Burnside计数定理计算本质不同机组运行状态组合数及相应运行状态组合,降维后再采用动态规划法进行时间-空间优化求解。将该模型算法应用于三峡电厂厂内经济运行,结果表明,该方法能够有效降低计算量,快速响应水电系统运行工况。