金沙江下游至三峡-葛洲坝梯级水库群发电联合调度增益机制分析

金沙江下游溪洛渡、向家坝至三峡、葛洲坝四库梯级为长江流域水能资源调控重点枢纽工程,开展四库发电联合优化调度效益显著。研究建立四库系统独立发电、联合两种模式下优化调度模型,采用长系列径流系列计算发电效益增益,统计增益的时间、年型、空间分布特征。提出基于全微分法的增益占比析因方法辨识发电增益受发电水量、水头影响贡献占比,归纳增益产生机制。结果表明:(1)消落期发电增益集中产生在5月份;向家坝、葛洲坝为主要受益水库。(2)联合增益的产生原因在于联合调度过程中溪洛渡、三峡均化了5月、6月放水过程,降低向家坝、葛洲坝的弃水量,抬升两库水头,增加发电效益。(3)向家坝的补偿增益受发电水量、水头贡献占比相当,葛洲坝的补偿增益主要以发电水头抬升的水头效益为主,溪洛渡、三峡的效益变化主要受联合调度过程中水头变化影响。

多主体水库群联合调度增益分配讨价还价模型

建立公平、高效、合理的增量效益分配机制是促进多利益主体水库群开展联合优化调度的关键。基于上述原则,提出基于讨价还价理论的增量效益分配模型。采用一阶最优性条件推导模型最优解,发现最优效益分配方案满足主体效用函数拟微增率相等的条件。与基于比例分配法、Shapley模型的分配方案比较,结果表明:(1)讨价还价模型分配方案与各主体的效益分配区间和子联盟约束力有关。若子联盟效益贡献低,约束力小,主体增量效益与其效益分配区间正相关;若子联盟效益贡献高,约束力大,子联盟内成员的分配效益将优先保证。(2)各分配方案的差异源于公平性定义方式的差别。(3)讨价还价模型分配的增量效益方案趋均化程度最高,保障了弱势主体既得利益。

基于信息熵的集成学习过程多样性度量研究

基分类器的多样性是提升集成学习的精度和泛化能力的重要因素,大数据环境下的传统后验证多样性度量方法计算效率较低,提出一种基于信息熵的过程多样性度量方法。通过使用分类器各属性的增益及其所在树层次得到属性集的联合增益,并计算分类器间的熵距离评估其多样性,利用熵距离按照K-means方法即可动态购置集成学习分类器。在西瓜数据集和典型分类数据集上进行比较研究,发现与传统集成学习方法相比,该方法具有相近的准确性和更高的计算效率。

大数据环境下基于信息论的入侵检测数据归一化方法

在大数据时代,入侵检测作为网络安全的一种重要技术手段被广泛采用.网络入侵检测数据不同的特征属性具有不同的量纲和量纲单位,为了消除特征属性之间的量纲影响,一般在进行数据分析之前采用归一化处理.当前网络入侵检测数据的归一化处理大多只考虑特征属性取值本身的分布情况,没有客观地评估它对类别信息或其他特征属性的影响.针对这个问题,提出了一种基于信息论的网络入侵检测数据归一化方法.对连续特征属性,它以联合信息增益作为区间的分割评估方法,以区间的类别占比作为标准依据进行归一化处理;对离散特征属性,它根据类别条件熵的占比进行了归一化处理.利用NSL-KDD数据集仿真实验,结果表明,该方法不仅能够提高学习算法的收敛性,而且归一化的结果有助于提高分类模型的检测率和降低分类模型的误报率.