检索结果-南通市图书馆

国家双碳战略推动了电动汽车保有量的迅速增长,但电动汽车群体的驾驶与充电行为具有较强随机性,规模化电动汽车给充电设施网络与配电网的运行带来了挑战。因此,如何刻画电动汽车用户行为画像,推动电动汽车与配电网的友好互动是目前亟需解决的问题。本文以电动汽车为主要研究对象,建立了电动汽车特性挖掘模型,并对充电站有序充电方案及配电网多资源协调运行策略展开了研究。(1)建立了电动汽车-充电站-配电网交互架构。分析电动汽车层与充电站层的有序充电过程,表征了充电站层与配网层的协调互动过程;分别构建光伏、储能、电动汽车与充电站数学模型,为多单元灵活互动提供模型基础。(2)提出了一种基于数据驱动的电动汽车行为特性挖掘模型。通过收集多类型车辆的出行与停驻数据,从行驶特性、充电特性以及用车综合特性三个角度建立电动汽车全数据链挖掘模型,构建了城市级电动汽车用户出行与充电行为画像。从起讫点分布、行驶里程与用户画像等方面挖掘用户行驶特性;基于数据链状态识别提取用户充电特征;结合DBSCAN(Density-based spatial clustering of applications with noise)等聚类方法深入挖掘用户综合用车习惯;分析所挖掘电动汽车用户特性的结果,为车-网互动提供了电动汽车行为特性模型。(3)构建了基于马尔科夫决策过程(Markov decision process,MDP)的充电站有序充电策略。根据电动汽车、充电站以及配电网之间的多利益主体交互,建立基于深度强化学习(Deep reinforcement learning,DRL)的智能体环境信息感知模型;计及电动汽车的随机充电行为特性进行智能体的动作与奖励设计,以满足用户充电需求,降低充电站运营成本并促进新能源消纳;在深度Q网络(Deep Q network,DQN)基础上引入四种改进机制,提出了一种改进的Rainbow算法进行智能体的优化训练。在配置光伏与储能系统的充电站内进行算例仿真,验证所提方法的有效性与泛化能力。(4)提出了基于DRL算法的配电网实时协调运行策略。综合考虑配电网与分布式能源的交互特性,构建配电网协调优化运行模型以降低配网运行成本并优化电压分布;基于长短期记忆神经网络模块对配电网环境信息进行特征提取,实现对海量时序结构数据的识别与学习,并在此基础上将配网实时优化问题表述为MDP模型;针对深度确定性策略梯度(Deep deterministic policy gradient,DDPG)算法提出学习率衰减、辅助引导与改进优先回放缓存三种改进策略以解决配电网实时调度问题。在修改的IEEE 33节点与123节点配网系统上进行算例仿真,验证所提配电网协调运行策略的有效性与优越性。

关键词：电动汽车数据挖掘有序充电协调运行深度强化学习

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

混凝土曲线连续梁桥横向爬移处治关键技术研究

混凝土曲线连续梁桥横向爬移处治关键技术研究

引用

作者：王瑞升北京建筑大学

学位级别：硕士

近年来,我国高速铁路、公路、城市立交系统中,曲线梁桥的运用日益广泛。随之而来的,是由于通行交通量的迅猛增长、使用期的不断延长,引发的桥梁病害日渐显现和不断加剧,其中因径向位移累积而造成曲线梁桥的横向爬移(侧向位移)现象较为突... 详细信息

近年来,我国高速铁路、公路、城市立交系统中,曲线梁桥的运用日益广泛。随之而来的,是由于通行交通量的迅猛增长、使用期的不断延长,引发的桥梁病害日渐显现和不断加剧,其中因径向位移累积而造成曲线梁桥的横向爬移(侧向位移)现象较为突出,这是曲线桥梁特有的病害。本文在查阅大量关于混凝土曲线连续梁桥横向爬移方面的相关文献资料基础上,结合病害特点分析曲线梁桥横向爬移内在和外在两方面的影响因素,研究分析了在设计、施工上如何预防横向爬移的措施,提出了处治曲线梁桥横向爬移的可行性措施。以北京市某大型互通立交桥工程为研究实例,解构研究了横向爬移的有效预防、处治措施,通过加工、制作和拼接安装一种新型横向限位装置,实现轻松观测、简便维护、方便更换要求,同时结合墩柱抗震加固解决支座横向抗震承载力不足的问题,最后通过长期监测系统的建立和监测数据分析,设定桥梁安全运营预警指标,实时观测记录横向限位装置受力状态,为类似病害问题的解决提供经验。

关键词：混凝土曲线连续梁桥横向爬移处治

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

云计算环境下的商业秘密保护研究

云计算环境下的商业秘密保护研究

引用

作者：王瑞升中南财经政法大学

学位级别：硕士

云计算既是一种技术也是一种服务。云计算以交付计算资源的新方式,革命性地改变了信息技术服务的提供方式。然而,云计算技术的变革与发展也带来了经济安全问题和法律风险。对企业而言,商业秘密作为无形资产,是其保持市场竞争优势的关键... 详细信息

云计算既是一种技术也是一种服务。云计算以交付计算资源的新方式,革命性地改变了信息技术服务的提供方式。然而,云计算技术的变革与发展也带来了经济安全问题和法律风险。对企业而言,商业秘密作为无形资产,是其保持市场竞争优势的关键因素,同时也是获取经济利益的重要来源。在云计算背景下,企业商业秘密的保护面临新的挑战。首先,企业存储于云中信息的商业秘密属性在理论界存有争议;其次,云计算环境下商业秘密的侵权判定也存在困难。本文试图从云计算环境下商业秘密的认定和商业秘密侵权判定两个方面对云计算环境下的商业秘密保护进行探讨,并分别从立法和司法两个层面为我国商业秘密保护法律制度的完善提出建议。本文除导论外共分为四章,以下分述:第一章,云计算环境下商业秘密保护概述。本章首先通过援引权威的云计算概念,剖析云计算的基本特征,提出云计算环境下商业秘密表现出信息数字化的形态特征、载体共享性的存储特征和控制权分离的管理特征。基于此,云计算环境下商业秘密保护面临着商业秘密法律认定和侵权判定两大制度困境。商业秘密法律认定的困境在于,云计算环境下商业秘密信息的知悉范围不确定以及保密措施合理性判断困难,导致秘密性和保密性的认定模糊。商业秘密侵权判定的困境在于云计算环境下商业秘密侵权行为复杂、商业秘密保护与公共利益的冲突加大以及商业秘密侵权诉讼举证困难。第二章,云计算环境下商业秘密的认定。首先,通过对商业秘密认定的立法规定和司法实践操作进行阐述,明晰秘密性应当同时满足两个标准,即“不为相关公众普遍知悉”和“不容易获得”;保密性要求保密措施具有“合理性”,以法律上的一般理性标准为基准,同时考虑权利人的特殊情形。在此基础上,针对云计算环境下秘密性的判断,应当特殊考虑云服务提供商是否具有保密义务以及技术上其他云用户获取该秘密信息的难易程度。针对云计算环境下保密性的判断,应当将云服务提供商的安全措施视为权利人的保密措施,但是对于“合理”的认定仍应当重点考虑云服务合同中的双方权利义务约定以及商业秘密权利人自身所采取的技术措施。第三章,云计算环境下商业秘密的侵权认定。云计算环境下的商业秘密侵权行为大致可划分为三种类型,即非法获取商业秘密、非法披露和使用商业秘密以及商业秘密信息劫持。此外,对于云计算环境下商业秘密权与公共利益之间的协调,欧盟和美国已经形成了较为成熟的公共利益抗辩规则,以利益平衡的方式缓解商业秘密保护与公共利益的冲突。基于公共利益的抗辩仅限于披露和使用,在商业秘密披露或使用的对象、方式及程序方面应当进行严格的限制,以防止该规则的滥用。关于商业秘密侵权诉讼举证规则,基于云计算环境下权利人举证难度加大,应当适当降低“实质性相似+接触”规则的要求,放宽“接触”的认定,证明被申请人具有接触的条件即可。第四章,云计算环境下我国商业秘密保护的制度完善。本章从立法和司法两个层面对我国商业秘密法律保护制度提出完善建议。立法保护层面,关于商业秘密的认定,建议确立商业秘密合理保密措施的基本标准,为商业秘密确权提供法律参考。关于商业秘密的侵权判定,建议在我国现有的法律框架内,增加行为人拒不删除商业秘密的侵权类型,以规制云计算环境下的新型侵权行为,同时,构建商业秘密保护的公共利益抗辩制度,明晰商业秘密的侵权判定界限。司法保护层面,对于商业秘密的认定,建议在商业秘密法定要件的认定中引入理性人标准,客观化判断特定信息是否满足商业秘密的构成要件。对于商业秘密的侵权判定,建议在商业秘密侵权诉讼程序中适当放宽“实质性相似+接触”的证明要求,可以基于“实质性相似+接触”的举证规则,将“接触”的证明要求合理降低为“接触可能性”,减轻原告的举证难度。

关键词：云计算商业秘密法律保护

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度强化学习的家庭能量管理分层优化策略

引用

电力系统自动化 2021年第21期45卷 149-158页

作者：张甜赵奇陈中王瑞升邢强田江东南大学电气工程学院江苏省南京市210096 国网江苏省电力有限公司苏州供电分公司江苏省苏州市215004

为实现需求侧最大效益,提出一种能够应对复杂环境的基于深度强化学习(DRL)的分层能量调度方法。首先,构建家庭能量管理系统(HEMS)双层框架,通过改变第2层储能系统的充放电功率解决第1层因满足用户用电需求和减少电费所造成负荷集中至低... 详细信息

为实现需求侧最大效益,提出一种能够应对复杂环境的基于深度强化学习(DRL)的分层能量调度方法。首先,构建家庭能量管理系统(HEMS)双层框架,通过改变第2层储能系统的充放电功率解决第1层因满足用户用电需求和减少电费所造成负荷集中至低电价时段导致的功率越限,而后根据各用电设备的负荷特性对其进行分类和建模。其次,采用马尔可夫决策过程(MDP)对能量管理问题进行建模,利用奖励函数代替目标函数和约束条件。然后,引入Rainbow算法优化策略以最大化长期收益,实现经济且高效的在线调度。最后,对一个包括光伏板、储能系统、各种用电设备以及电动汽车的家庭进行仿真,验证了所提方法在应对不确定性问题上的有效性和优越性。

关键词：家庭能量管理系统需求响应分层能量调度马尔可夫决策过程深度强化学习 Rainbow算法

来源：

维普期刊数据库

同方期刊数据库评论