基于近邻传播聚类与LSTNet的分布式光伏电站群短期功率预测

为了应对分布式光伏渗透率不断提高带给电网运行的挑战,提出了一种基于近邻传播聚类与长短期时间序列网络(LSTNet)的区域分布式光伏电站群短期功率预测模型。首先,利用近邻传播算法划分区域内不同季节的分布式光伏电站群,并通过皮尔逊相关系数确定光伏出力的强相关气象因子,结合双线性插值法加密对应光伏电站群的气象数据。然后,通过LSTNet挖掘光伏功率和气象因子序列的长期和短期时空依赖,并叠加自回归的线性分量,实现了群内多个光伏电站的同时预测。最后,利用美国国家能源部可再生能源实验室的实测数据集验证了所提方法的有效性。实验比较表明,所提预测模型具有较高的预测精度和鲁棒性。

Kerberos认证协议分析与研究

在分布式网络的身份认证体系中,最具代表性的是基于对称密码体制的Kerberos认证模式,它引入了可信的第三方秘钥分配中心。该文先详细叙述了Kerberos协议的认证过程,分析其还存在的不足——对称密码体制安全性低、易受重放攻击。为此,尝试使用非对称秘钥以及随机数和秘钥链关联机制来增加秘钥强度,尽量减少秘钥被破解的可能性。同时,随机数也和时间戳共同使用判定消息是合法用户的重复请求还是非法用户的重放攻击,最后给出改进后认证过程。

粒子群算法在铁路双层规划模型求解中的应用

在众多群体智能优化算法中,粒子群算法是一种原理相对简单的启发式算法,与其他仿生算法相比,它所需的代码和参数相对较少。该文先介绍了标准的粒子群优化算法,在原有算法的基础上加入惯性权重因子ω,对算法进行了优化。最后通过粒子群算法对一种依据高速铁路票价建立的双层规划模型进行求解。