基于可信深度神经网络的最优潮流计算方法

为应对新型电力系统以最优潮流为核心的精细化资源配置与运行分析需求,基于深度神经网络的最优潮流计算方法受到广泛关注。然而深度神经网络具有“黑箱特性”,现有方法普遍仅基于有限训练、测试集进行深度神经网络的训练与评估,难以从理论上量化计算误差,导致可信度缺乏理论保障。为此,该文提出基于可信深度神经网络的最优潮流计算方法。首先,以理论定量评估深度神经网络映射误差为核心,提出基于min-max双层规划问题的深度神经网络可信训练模型,实现深度神经网络的可信度量化训练;然后,基于KKT最优性条件与激活函数解析表征技术,将所提可信训练模型解析构建为以混合整数规划模型为基础的双层规划问题,并提出基于Danskin定理的精确求解策略;最后,提出基于凸松弛技术与模式识别思想的快速近似求解策略以减轻整数变量计算负担。仿真算例表明:所提方法可将基于有限测试集的深度神经网络映射评估精度提升28.73%,可更为精准地量化深度神经网络可信度;相较于基于有限训练集的现有深度神经网络训练方法,该方法可将计算误差减少87.49%,实现更为可信的深度神经网络训练。

基于传染病和网络流模型分析APT攻击对列车控制系统的影响

高级可持续威胁(APT)是目前工业控制系统面临的主要威胁之一。APT攻击利用计算机设备漏洞入侵列车控制网络,感染并且扩散到网络中的其他设备,影响系统正常运行,因此评价APT攻击对列车控制系统的影响非常必要。提出一种基于传染病模型和网络流理论结合的APT攻击影响分析方法。首先,分析在APT攻击的不同阶段设备节点状态之间的转化规则,结合传染病理论建立APT攻击传播模型,研究攻击过程中的节点状态变化趋势;其次,把设备节点的状态变化融入网络流模型中,研究APT攻击过程中设备节点状态变化对列车控制网络中列车移动授权信息流的影响;最后,结合列车控制系统的信息物理耦合关系,分析APT攻击对列控系统整体性能的影响。仿真实验展现了APT攻击过程中节点状态变化的趋势,验证该方法在分析APT病毒软件在列车控制网络中的传播过程对列车控制系统整体性能影响的有效性,为管理者制定防御方案提供依据,提升列车控制系统信息安全水平。

高速铁路加权复杂网络特性分析

根据2015年中国高速铁路列车运行时刻表,提取全路479个高速车站和2 487次列车作为研究对象,运用复杂网络理论构建高速铁路地理网、车流网以及服务网3个网络模型。对各网络的节点度、聚集系数和平均网络距离等静态指标以及本文提出的节点强度、平均时间网络距离等指标特性进行分析。研究结果表明:高速铁路地理网仍具有树状网络的特点;高速铁路车流网的度分布符合指数分布规律;高速铁路服务网节点强度与度之间存在显著的幂律关系,具有无标度和小世界网的网络特点。在此基础上,研究在不同攻击情况下的高速铁路地理网络的可靠性,为提高高速铁路网络稳定性提出建议。研究结果可为未来设计和优化高速铁路网络结构方面提供借鉴和参考。

基于旅客列车开行方案的客流分配方法研究

基于旅客列车开行方案的客流分配是评价列车开行方案编制质量的重要依据.本文总结基于列车开行方案的客流分配特点,构建了基于列车开行方案的列车服务网.通过分析旅客乘车选择行为,确定了网络阻抗的计算方法,配流过程中尽量减少短途客流对长途客流乘车选择的影响.结合铁路旅客运输组织特点,建立了以旅客换乘次数限制、OD客流量限制、列车能力限制为约束条件的客流分配模型.模型求解时,利用罚函数将多约束模型转化为标准的用户平衡模型,提出了能记录径路信息的基于F-W的改进算法.案例验证了该方法的可行性和有效性.

具有能力限制的路网重车流径路优化方法

通过对铁路车流径路的描述和现行优化方法的分析,建立一种在满足运输要求的前提下,使运输费用最小的车流径路优化模型。为使目标函数尽快地趋向满意解,对车流排列序数的初始赋值方法及调整方法进行了设计。以现行“华东铁路网径路图”及运营数据为依据,进行车流径路计算,取得了满意的径路方案。

枢纽小运转列车运行组织的网络流优化模型

在分析枢纽小运转列车运行组织的基础上 ,根据网络流模型的基本性质 ,提出了枢纽小运转列车运行组织网络流优化模型的构造方法 ,通过点变换、弧变换、点弧变换可将枢纽小运转列车运行组织问题归结为网络优化问题 ,并给出了求解枢纽小运转列车运行组织网络流模型的一般步骤 ,为解决枢纽小运转列车运行组织问题提供了一种方法。

基于实用的技术站直通列车接续方案计算方法研究

编制网络列车运行图的很重要的一环就是处理直通列车在技术站的接续与始发列车的合理协调问题。通过分析技术站直通列车接续与始发列车的相互关系，建立优化该问题的数学模型，并将其转化为网络流模型，用最小费用最大流方法求解。实际应用表明，该算法能够有效地解决技术站直通列车接续问题。

考虑车流时空分布不均衡的货物列车开行方案优化研究

为适应货主动态需求和运到期限要求,采用动态车流组织方法进行编组方案调整、列车运行方案与车流挂线的综合优化.考虑车流时空分布不均衡性,结合基本运行图架构,运用时空网络描述车流组织动态过程,考虑车流组织过程时空连续性、车站与线路时空能力及运到期限等约束,在静态车流组织优化模型目标基础上考虑车流到后待解与编后待发的延迟费用,构建货物列车开行方案整数规划模型.基于K短路构造初始解,依据列车能力利用率阀值评估方案,从而调整车流改编方案搜索邻域解,设计模拟退火求解算法.实例研究表明,相比静态模型,所建模型的决策变量能更清晰地反映车流对车站线路时空能力的占用状况,优化方案能有效匹配车流时空分布不均衡性,有利于车流接续与流线结合.

路网车流径路优化调整中的最短径路算法

目前铁路车流径路基本上都是按照路网的最短路径来安排的,首先一般都采用Dijkstra算法计算最短路径,然后参考相应区段的能力限制,对车流进行分配,对车流量超过能力的区段重新进行车流调整,这时需要重新计算新条件下两点间最短路径,一般仍采用Dijkstra算法重新计算两点最短路径,这大大地浪费了前期的计算最短路径的信息,增加了计算工作量,本文采用A*算法作为一种启发式算法,可以克服这一缺陷。

基于旅客类别的列车服务网络客流分配

针对列车服务网络客流分配模型复杂、求解困难的特点,采用旅客类别划分的简化策略,以旅客主体特性为分析参数,运用近邻传播算法对其进行聚类。在此基础上,构造列车开行方案形成的服务网络,提出不同类别旅客乘车方案弧段阻抗的计算方法,建立基于类别划分的旅客乘车方案概率选择模型,并设计相应的网络流量加载算法。以宝成线为实例,根据客流调查结果,进行旅客类别聚类划分与流量加载验证。研究结果表明:将铁路出行旅客划分为6个类别时,具有最好的聚类效果;在此基础上客流分配准确率在80%以上。基于旅客类别划分的流量分配方法能够得到准确的流量分配结果,从而为列车开行方案的调整提供合理依据。

基于车网耦合的高速铁路牵引网潮流计算

针对全并联自耦变压器(autotransformer,AT)网线路的特点,建立通用的多导体链式电路模型。在此基础上,将高速列车视为恒功率负荷并进行迭代,形成了"机车–牵引网"(简称车网)的耦合模型。考虑AT漏抗值和钢轨的对地电阻,对3种不同工况进行潮流分析。仿真结果表明,车网耦合下的潮流计算能很好地反映实际的功率分布特性,并且全并联AT网上下行线路具有较好的对称性。牵引网潮流计算为分析高速铁路不同工况下的功率流动、电压分布奠定了基础,同时也可用于分析牵引负荷对公用电网电能质量的影响。

列车编组计划网络优化方法

在给定合并式车流径路的基础上，提出了合并式编组方案的概念，它不仅数据量小、信息量大、运算迅速，还可按终点分别绘制编组方案的树状结构示意图。在合并式车流径路和合并式编组方案的意义下，重新描述了编组计划问题的具有固定耗费的网络流模型。所提出的优化列车编组计划的启发式算法，从沿车流径路逐站改编方案开始，交替地添加、剔除一些编组去向。给定编组去向集时的编组计划问题类似于车流径路问题，但车流的改编中转站必须限制在各自的车流径路上。本文将给定编组去向集时无改编能力约束的编组计划问题转化为分别以各站为终点的普通最短路问题，其中不同的最短路问题具有不同的终点站。由此可将给定编组去向集时有改编能力约束的编组计划问题转化为车流径路问题来解决。此方法可在较大规模范围内求解具有能力约束的编组计划问题，用它求解全路３５个大型编组站有能力约束的编组计划问题，得到了满意的结果。

基于复杂列车服务网络的客流分配方法研究

研究旅客列车开行方案形成的复杂列车服务网络属性及其构造方法,在分析多层次客流选择行为基础上,确定列车服务网络弧段阻抗。建立体现差异性服务水平需求的复杂列车服务网络客流分配模型,该模型以旅客出行效益最大化为目标,通过分别限制不同出行距离、不同层次旅客的换乘次数及换乘时间,设置旅客出行径路的多约束条件。设计改进的蚁群算法和Frank-Wolfe算法构成的混合算法进行求解,为更加符合旅客的选择行为,按OD客流量、出行距离、优先级等规则进行流量加载。以京沪高速铁路旅客列车开行方案为例进行客流分配,验证模型和算法的有效性。

基于卷积神经网络的地铁客流识别系统应用

地铁车厢客流的识别易受到环境干扰,为了提高车厢客流识别的准确率,提出了一种基于卷积神经网络的客流识别算法。该算法以车厢监控图像为研究对象,采用GoogleNet卷积神经网络模型,选用Relu函数作为激活函数,通过对Inception模块的结构优化,有效提升网络运行速度和准确率。实验表明,该算法具有较高的训练收敛速度和检测准确率。

电气化铁路牵引供电系统车网耦合的潮流计算方法

以多导体传输线模型为基础,推导了牵引变电所和分区所等值电路,构建了适用于不同结构和供电方式的牵引网统一数学模型。对列车牵引传动系统利用参数辨识的方法,建立了感应电动机并联静止负荷的数学模型,实现对列车更准确建模。以此为基础,开发了基于车网耦合潮流计算的电气化铁路牵引供电系统仿真软件。实例计算表明,该方法充分考虑列车与牵引供电网的交互影响,能够更真实地反映牵引供电系统的潮流分布,具有重要的工程应用价值。

城市轨道交通网络末班车衔接方案的综合优化

分析了城市轨道交通网络末班车衔接关系的复杂性及影响因素,建立了网络末班车衔接方案优化模型;设计了网络线路衔接关系的图形和矩阵表示法;基于线路衔接关系的矩阵表达,借鉴最小生成树Kruskal算法的基本思想,提出了考虑客流需求及运营者的特定衔接需求的网络末班车衔接方案优化算法,并给出了具体算例,表明该算法具有较强的适用性、易于计算机实现,可为城市轨道交通网络运营部门制订网络末班车衔接计划提供决策支持.

神经网络在棉花质量流量预测中的建模研究

棉花是新疆的支柱产业,棉花质量流量的在线检测对于提高生产效率,节能降耗具有十分积极的意义。本研究提出一种基于神经网络的棉花质量流量预测模型,训练结果表明:预测值与试验结果具有较好的一致性,避免了机理分析和推导过程,具有简易性和普遍适用性的优点。

基于时刻表的客运专线列车客流分配研究

为实现列车开行方案及运行图的综合评价,对基于时刻表的客运专线列车客流分配进行研究。首先以列车开行方案为基础,构造旅客混合换乘网络,分析旅客乘车方案的表达方法。旅客混合换乘网络结构简单,可直观表达旅客的乘车方案。其后以旅客发到时间满意度费用和拥挤折算费用为重点,讨论旅客出行广义费用的构成及计算方法。最后建立基于时刻表的客运专线列车客流分配模型,提出采用基于增量的客流分配算法,该算法复杂度低,符合客运专线旅客运输组织的实际情况。

基于ANP的直升机单机森林灭火训练效能评估

现有的直升机单机森林灭火训练效能评估方法仅针对取水灭火过程,忽视了其他任务环节对训练效能的贡献,并假设指标间相互独立,因此导致评估指标体系不全面、指标权重分配不合理,评估结果的可靠性低。利用离散事件系统建模理论建立的事件活动流将直升机单机森林灭火训练任务分解成若干相关活动,活动映射法对各活动效能要素进行分析并转化为效能评估指标,最终构建出全面的两维度效能评估指标体系;网络分析法(ANP)的使用考虑了评估指标间具有的依赖和相关关系,对指标权重进行重新合理分配,评估方法更符合问题的实际情况,评估结果更加可信。基于超级决策(SD)软件的案例分析表明,所提出的效能评估方法具有工程应用的可行性和参考价值。

深度学习光流计算技术研究进展

图像序列光流计算是图像处理与计算机视觉等领域的重要研究方向.随着深度学习技术的快速发展,以卷积神经网络为代表的深度学习理论与方法成为光流计算技术研究的热点.本文主要对深度学习光流计算技术研究进行综述,首先介绍了有监督学习、无监督学习和半监督学习的光流计算网络模型与训练策略,然后重点阐述并分析了不同网络模型优化方法.针对光流计算模型的评估问题,分别介绍了Middlebury、MPI-Sintel和KITTI等数据库及评价基准,并对不同类型深度学习和传统变分光流模型进行对比与分析.最后,总结了深度学习光流计算技术在模型复杂度与泛化性、光流估计鲁棒性、小样本训练准确性等方面的关键技术问题,并指出了可能的解决方案与研究思路.