摘要:深度学习模型通过学习数据的深层特征能够有效提高电力负荷预测的准确率,但同时也带来了超参数较多、模型可解释性差等问题。针对这些问题,文中将深度森林模型引入短期电力负荷预测领域。在多粒度级联森林模型的基础上改进了多粒度窗口扫描方法,调整窗口大小与滑动步长,使模型能够在不同时间尺度下提取电力负荷数据的周期性特征。此外,改进深度森林输出层的计算方法,将输出结果由离散的类向量改进为连续的预测值,进而提高模型的精确度。最后在中国东北电网的实测数据中验证了文中所提出方法的可行性与有效性。从实验结果可知,改进深度森林算法在较高预测精度的情况下能取得更高的准确率,并且相较于深度神经网络具有更快的学习速度。

摘要:随着可再生能源渗透率的不断提高,配电网电压波动和越限问题日益严重。为解决这一问题,文中分析低压配电网中分布式光伏电源接入对电网电压的影响,进而将节点电压幅值与节点注入功率的关系线性化;提出基于功率里程数的低压配电网电压优化模型,通过求解优化目标,计算出分布式电池储能的输出;为提升分布式储能的利用效率,设计分布式储能的荷电状态(SoC)均衡控制策略;并根据重庆巫溪地区低压配电网0.4 kV线路数据,在MATLAB/Simulink上搭建配电网仿真模型,设计4种仿真案例对所提出的模型与方法进行有效性验证。仿真结果表明,文中提出的方法能够有效地调节低压配电网中的电压并能实现分布式储能的SoC均衡控制。

摘要:基于身份的认证密钥协商允许两方或者多方在不安全信道上建立安全的会话密钥。目前的认证密钥协商协议无法抵抗导致随机数泄露的后门攻击,比如已知特定于会话的临时攻击。基于此,我们设计了一种适用于基于身份的两方认证密钥协商的逆向防火墙协议。该协议在随机预言机模型下是安全的,能够抵抗强的临时会话秘密值泄露攻击,提供了消息抗泄露性。同时该协议不使用双线性对,节省了系统运行时间。最后,利用JPBC库实现了该协议。实验结果表明了该协议与同类型的协议相比,具有较小的带宽和较短的运行时间,十分适合应用于资源受限的系统中。

摘要:为了确保智能变电站的安全,规避信息安全风险,对变电站存在的漏洞进行评估和管理是必要的。通用的信息安全风险评估流程是将资产重要性、威胁等级和脆弱性等级作为量化指标,通过这3个指标得出安全事件的影响和可能性值,再以此为基础计算出对象的风险值。研究提出一种基于CML的智能变电站设备节点网络失效连锁的模型,通过对智能变电站设备节点以及节点间的设备连接建立网络,评估不同设备节点在发生故障时对智能变电站整体设备网络的影响,从而对智能变电站信息安全风险进行有效分析。基于该模型的智能变电站信息安全风险分析管理子系统可以实现数据可视化协助管理者对智能变电站的信息安全风险数据进行管理。结果表明,对智能变电站的信息安全风险分析管理有改善作用。

摘要:陕西黄龙地区富有机质泥岩在封闭体系下加氢前后的热模拟实验显示,加氢作用会对烃源岩饱和烃、芳烃的生成产生显著影响,作用阶段分别为200 ℃~400 ℃及400 ℃~500 ℃区间。在相对低温下,加氢作用会抑制饱和烃尤其是低碳数饱和烃的生成,而在高温下则会促进其生成。通过对加氢前后烃源岩演化各温度阶段烃类产物的对比研究,分析了加氢作用对烃源岩热演化的具体影响。有助于更精细地了解烃源岩演化过程和烃源岩在外界条件改变后的变化情况,为油气远景勘探和精细评价提供思路。

摘要:铁路站房是一类特殊的高大空间建筑,建设量大且使用频率高,照明能耗巨大。高寒地区日照资源丰富,在进行铁路站房设计时充分利用天然光,能够营造良好的建筑光环境,降低室内照明能耗,实现高寒地区生态环境保护目的。文中依据当地气候条件,采用参数化软件Rhino对高寒地区铁路站房进行动态采光模拟,发现天然采光存在采光均匀度低、过度曝光和眩光等问题,提出控制站房采光有效进深或设置高侧窗均能提高站房中部的有效采光量,改善采光均匀度;适当减少低侧窗的透光率可有效控制近窗处的采光量,防止过度曝光;设置可调节的感光水平遮阳或帘幕可防止眩光的产生,提高光环境舒适度;提升高侧窗透光率达到0.75以上时,候车厅能够获得良好的采光自足。

摘要:通过标准化的建模及模拟,对购物中心被动设计在方案阶段的节能潜力展开量化评价。以寒冷地区为例,提取出具有典型气候特征的3种购物中心标准几何模型和运行参数;并选取Grasshopper和EnergyPlus分别作为参数化建模和能耗模拟软件;同时,从场地、建筑和围护结构3个层面,总结出影响购物中心节能潜力的24个被动设计参量;最终通过模拟得到24个被动设计参量在3种标准模型中的节能潜力及排序。结果表明:入口风速、走廊空间、天窗面积比和屋面传热系数是影响寒冷地区购物中心节能潜力的4个重要设计参量,此结果可为设计师在方案阶段进行建筑优化设计提供量化指导。

摘要:使用机器学习算法对建筑能耗进行预测正逐渐成为建筑设计初期重要的决策辅助工具,机器学习算法的选择及其参数设置一直是机器学习领域研究的热点和难点。但现有研究大多从算法原理角度进行预测模型的选择及参数设置,训练样本集的特征信息未得到充分利用。为此,提出一种以样本量及样本分布特征为出发点的样本集质量分类方法,针对不同质量样本集测试不同机器学习算法的学习性能,制定不同质量样本集的算法选择及参数设置策略。分析样本特征与算法性能之间的关系,为建筑设计提供有效指导。

摘要:在船行波的激励下,施工栈桥会产生较大的位移和加速度响应,影响施工作业、造成过往人员恐慌,甚至造成栈桥过大变形,埋下安全隐患。针对这一问题,以郑万高铁某特大桥的施工栈桥为依托,基于线性波理论简化船行波荷载计算,通过附加质量法考虑水体对结构频率的影响,采用附加阻尼考虑水体对钢管桩振动的抑制作用,分别考虑中小型客船与大型驳船,通过谐响应分析法计算两类船行波下钢管桩的动力响应规律。结果表明,水体对栈桥钢管桩频率的影响较大,而水体外阻尼对钢管桩动力响应的抑制作用可忽略;中小型客船引发栈桥过大位移的机理为共振反应,而大型驳船导致栈桥过大位移的原因在于船行波荷载较大;建议中小型客船限速为15 km/h,以防止共振;大型驳船限速10 km/h,以减小波浪荷载大小,保证施工栈桥的安全。

摘要:提出了一种以癸酸作为相变材料的热风式相变储能模块。以该模块的一个单元为实验对象,测量了模块内部相变材料在蓄、放热过程中的温度变化,比较了水平放置和竖直放置的模块单元在相同实验条件下的相变过程,得到了该储能模块的蓄放热特性。结果表明,相同实验条件下,模块水平放置时癸酸熔化率比竖直放置时高。这为该相变储能模块在应用中的安装布置提供了参考。此外,将直热风管道改为S型管道后,增大了换热面积,强化了管外侧液相区的自然对流,提高了蓄热过程癸酸液相率,储能效果更佳。

摘要:高分辨率磁共振图像(MRI, magnetic resonance images)能够提高疾病诊断精度,但高分辨率MRI图像的获取十分困难。基于深度学习的图像超分辨率(SR, super resolution)技术可有效地提高图像分辨率。近年来,生成对抗网络(GANs, generative adversarial networks)为3D-MRI图像SR重建提供了新思路。相较于传统的基于深度卷积神经网络(DCNN, deep convolutional neural network)的SR算法,GANs网络以人类视觉机制为目标,且引入判别函数,使重建3D-MRI图像更接近真实图像。研究采用增强超分辨率生成对抗网络(ESRGAN, enhanced super-resolution generative adversarial networks)对3D-MRI图像进行SR重建;并利用3D-MRI图像的跨层面自相似性,将重建任务降维到2D,在保证重建效果的基础上,减少了网络训练时间和内存需求。通过与其他传统算法和基于DCNN算法对比实验表明,提出的算法能够进一步提高3D-MRI图像的视觉质量。

摘要:为解决不均衡多分类问题,提出一种特征选择和AdaBoost的集成方法。首先,数据进行预处理。利用WSPSO算法进行特征选择,根据特征重要性选取初始粒子构建初始种群,使得算法初期就可以沿着正确的搜索方向开展,减少不相关特征的影响。其次,利用AdaBoost算法对于样本权重较敏感的特点,增强对小类样本的关注度。并且利用AUCarea作为评价标准,相对于其他评价标准,AUCarea具有可视化的优点且对较差AUC更加敏感。最后,与其他几种不均衡分类算法在不平衡数据集上进行对比,结果证明该算法可有效处理不均衡多分类问题。

摘要:为了研究格构式钢管砼风力发电塔架包裹球板分支节点的屈服机制,进行了4个万向球板节点模型的静力试验;并采用ABAQUS对试件进行了非线性分析,通过变化包裹体径厚比和节点板厚度2个参数,对球板节点的破坏模式、节点板等效应力及节点交汇区等效应力分布规律等指标进行了分析。结果表明:万向球板节点的破坏主要由节点板连接焊缝强度破坏与压杆失稳而引起;节点板厚度的差异对万向球板节点的承载力影响较为明显,而包裹体径厚比的变化对万向球板节点的承载力影响并不明显;节点板越厚等效应力的分布越均匀;当包裹体径厚比小于等于38.5时,节点的承载力随着γ的增大下降幅度逐渐增大;当径厚比大于38.5时,节点的承载力随着径厚比的增大下降幅度逐渐较小,建议包裹体径厚比取值为38.5;节点板厚度小于等于14 mm时,极限承载力随节点板厚度的增加,其增加的幅度较大;当节点板厚度大于14 mm时,节点的承载力随厚度的增加,其增加幅度逐步减小,建议节点板厚度取值为14 mm。

摘要:随着现代档案管理数据量的不断增长,有效地对档案文本进行聚类划分能够提升档案分类和检索的效率。文中提出2种增量多模态文本数据聚类方法,通过对文本内容进行多视角分析,融合挖掘文本的潜在主题特征,提升文本聚类的准确性。此外,设计文本聚类多模态增量学习模型,提升海量、动态文本划分的效率。在文本数据集上的实验结果表明,文中提出的增量多模态文本聚类方法优于单模态和多模态聚类算法,能够对文本数据进行有效划分。