检索结果-南通市图书馆

基于Transformer神经网络的两阶段机组组合求解研究

在线全文

学校读者我要写书评

暂无评论

基于Transformer神经网络的两阶段机组组合求解研究

作者：赵子巍广西大学

学位级别：硕士

机组组合的任务是在给定的负荷需求下,合理安排机组的启停状态以实现最小成本的发电计划。机组组合问题是一个具有高度复杂性的非线性优化问题,随着电力系统规模的扩大,机组组合计算复杂度激增,求解愈加困难。为了提高机组组合的求解效... 详细信息

机组组合的任务是在给定的负荷需求下,合理安排机组的启停状态以实现最小成本的发电计划。机组组合问题是一个具有高度复杂性的非线性优化问题,随着电力系统规模的扩大,机组组合计算复杂度激增,求解愈加困难。为了提高机组组合的求解效率,本文提出一种基于深度神经网络辅助的两阶段机组组合求解方法,兼顾机组组合问题求解的精度与速度。论文主要工作概括如下:首先,针对不同时期负荷用电规律差异大而增加模型训练难度的问题,提出基于麻雀优化K-means聚类的机组组合样本特征预处理方法。该方法通过麻雀优化的K-means聚类算法,对机组组合样本进行分类,使得每类样本具有相似的用电规律。进而分别对每类样本构建神经网络模型训练,辅助神经网络更精确地提取负荷特征与机组状态之间的映射关系,有效提升模型的预测精度。其次,为了提高机组组合的求解效率,避免神经网络预测误差导致的不可行解问题,提出基于Transformer神经网络辅助的两阶段机组组合求解方法。在第一阶段,考虑机组组合时段耦合的关联关系与Transformer全局视野的优势,建立适应于机组组合的改进Transformer神经网络,有效提升辨识机组状态的预测精度。进而基于辨识结果设计置信度阈值,将其结果分为启停可信与启停不可信两种机组状态。在第二阶段,对于启停可信的机组状态直接进行确定,对于启停不可信的机组状态,通过机组组合物理模型求解,以保证其求解方案为满足约束的可行解。最后,考虑可再生能源发电的不确定性,针对传统基于场景的随机机组组合优化算法求解规模庞大且计算复杂度高的问题,提出一种嵌入CNN-Transformer辅助的两阶段随机机组组合求解方法。该方法构建CNN网络提取可再生能源的典型场景特征,将其与负荷特征叠加后由改进的Transformer神经网络预测机组启停状态,以提升模型在多个典型场景下的预测精度。同时使用基于确定性机组组合样本训练的Transformer网络参数,通过迁移学习降低多场景下神经网络模型的训练成本。进而提出基于神经网络辅助的两阶段随机机组组合求解方法,有效提升随机机组组合的求解效率,同时保证其求解方案的可行性。

关键词： Transformer神经网络深度学习机组组合数据驱动

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

植物资源在城市景观设计中的功能性应用研究

分子植物育种 2024年第15期 5141-5147页

作者：崔子巍河南科技职业大学

本研究系统探讨了植物资源在城市景观设计中的多重价值，包括生态可持续性、城市空气质量改善、社交和文化价值、经济价值以及教育和环保的重要性。研究认为未来的城市景观设计将更加强调植物的生态功能，以支持城市的生态系统服务。同... 详细信息

本研究系统探讨了植物资源在城市景观设计中的多重价值，包括生态可持续性、城市空气质量改善、社交和文化价值、经济价值以及教育和环保的重要性。研究认为未来的城市景观设计将更加强调植物的生态功能，以支持城市的生态系统服务。同时，植物也将成为改善城市空气质量的关键工具，吸收有害气体和颗粒物，保障居民的健康和提升居民的福祉水平。社交互动和文化共鸣方面，本研究认为植物的选择和布局可以促进社区参与和文化活动。此外，植物还具有经济价值，提高城市房地产价值和吸引力。本研究认为，未来的城市景观设计需要结合技术创新，利用智能系统和绿色基础设施，以更有效地管理植物。总的来说，植物将成为未来城市景观设计的核心元素，为城市环境的可持续性、宜居性和美丽性提供重要支持。

关键词：植物资源城市景观设计生态可持续性城市空气质量社交互动

中国对RCEP其他成员国汽车出口贸易的影响因素及潜力研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中国对RCEP其他成员国汽车出口贸易的影响因素及潜力研究

作者：蔡子巍内蒙古财经大学

学位级别：硕士

加快构建面向全球的高标准自由贸易区网络是党的二十大报告中提出的重要任务。RCEP作为人口总量最大的自由贸易区经济体量和贸易总额均占全球总量的近三分之一。RCEP协议全面生效实施后将成为最具有发展潜力的自由贸易区,有利于推动贸... 详细信息

加快构建面向全球的高标准自由贸易区网络是党的二十大报告中提出的重要任务。RCEP作为人口总量最大的自由贸易区经济体量和贸易总额均占全球总量的近三分之一。RCEP协议全面生效实施后将成为最具有发展潜力的自由贸易区,有利于推动贸易自由化、便利化进程,促进区域贸易投资增长、经济复苏和繁荣发展。因此,探究中国对RCEP其他成员国的汽车出口贸易潜力和效率及其影响因素,具有十分重要的现实意义,也有利于助推中国经济构建高质量发展格局。本文首先对我国对RCEP汽车出口的现状进行了全面剖析,涵盖了成员国概况、出口总体态势、汽车产品出口结构以及出口国家结构等多个维度;随后探讨了影响我国汽车出口的关键因素,从理论层面进行了系统分析;在此基础上构建了引入贸易非效率项的随机前沿引力模型,用以估算我国对RCEP汽车出口的贸易潜力值;通过实证分析进一步探讨了汽车出口中贸易非效率项的影响因素,以明确我国对RCEP汽车出口的主要障碍所在。研究结果表明,我国对RCEP的汽车出口总规模呈现出迅猛的增长态势;其次,进口国的国内生产总值、人口规模以及我国与进口国是否拥有共同语言等因素均对我国对RCEP的汽车出口规模产生了积极的推动作用,而我国的人口数量及与进口国之间的地理距离则对我国向RCEP国家的汽车出口规模构成了制约;最后,我国对RCEP不同国家的汽车出口贸易潜力值可以分为出口潜力成长型以及出口潜力待开发型,这两组国家间的汽车出口贸易潜力存在较大差异。据此,本文对我国对RCEP其他成员国汽车出口贸易促进方面提出了如下建议:优化我国汽车产品出口贸易结构,提升出口供给能力;加快地区间互联互通的基础设施建设;加大并优化我国在RCEP国家的投资力度与投资结构;因国制宜,差异化开拓RCEP国家市场等。

关键词：汽车出口 RCEP 贸易潜力随机前沿模型

基于异质聚类与Stacking的双集成光伏发电功率预测

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

电网技术 2023年第1期47卷 275-283页

作者：武新章王泽宇代伟赵子巍郭苏杭张冬冬广西大学电气工程学院广西壮族自治区南宁市530004

光伏功率预测是实现能源优化分配与电网稳定运行的关键基础。然而传统方法中数据预处理不精细以及预测算法对数据挖掘不到位的问题,往往致使准确率不足。针对上述问题,该文提出基于聚类集成和预测集成的双集成光伏功率预测方法,以异质... 详细信息

光伏功率预测是实现能源优化分配与电网稳定运行的关键基础。然而传统方法中数据预处理不精细以及预测算法对数据挖掘不到位的问题,往往致使准确率不足。针对上述问题,该文提出基于聚类集成和预测集成的双集成光伏功率预测方法,以异质集成的方式提升了气象分类和功率预测的精度。首先,基于重标记法和投影法,构建了融合Kmeans、高斯混合模型(gaussian mixture model, GMM)、AGNES(agglomerative nesting)和BIRCH(balanced iterative reducing and clustering using hierarchies)4种异质算法的聚类集成框架,并依据滑动时间窗口筛选离群日,建立典型气象模型。其次,基于Stacking集成学习框架,在采用k折交叉验证法规避过拟合的基础上,构建由门控循环单元(gated recurrent unit,GRU)、随机森林(random forest,RF)、XGBoost和Light GBM组成的预测集成模型,深度挖掘光伏数据的潜在规律。最后以澳大利亚某光伏电站为例进行仿真,结果表明双集成功率预测的准确性比传统模型有较大提升,证明了聚类集成和预测集成的有效性。

关键词：光伏功率预测聚类集成异质集成 Stacking k折交叉验证法

基于特征降维与分块的输电网概率最优潮流深度学习方法

在线全文

学校读者我要写书评

暂无评论

电力自动化设备 2023年第8期43卷 174-180页

作者：武新章郭苏杭代伟王泽宇赵子巍石博臣张冬冬广西大学电气工程学院广西南宁530004

概率最优潮流需要对非线性最优潮流问题进行重复求解,计算量较大,从而限制了其应用。提出一种基于特征降维、分块和深度神经网络辅助预测的最优潮流两阶段求解方法。在第一阶段,提出基于深度神经网络的最优潮流部分关键决策变量的优先... 详细信息

概率最优潮流需要对非线性最优潮流问题进行重复求解,计算量较大,从而限制了其应用。提出一种基于特征降维、分块和深度神经网络辅助预测的最优潮流两阶段求解方法。在第一阶段,提出基于深度神经网络的最优潮流部分关键决策变量的优先辨识策略,以解决深度学习中因特征维度过高而导致的数值湮没问题,进而以最优潮流的结果特征为导向,基于关联性分析和聚类分析挖掘最优潮流输入与输出特征的关联性匹配度,并构建样本数据的分块特征库,以降低学习难度。在第二阶段,利用深度神经网络完成部分关键决策变量的分块映射,基于潮流模型恢复剩余状态变量,并对计算结果不收敛、不满足约束的情况进行修正,以恢复可行性。根据最优潮流两阶段求解方法构建概率最优潮流求解方法。仿真结果表明所提方法在最优潮流、概率最优潮流的求解速度和求解精度上均有较好的表现。

关键词：最优潮流概率最优潮流深度神经网络关联分析聚类分析潮流修正

基于改进的Transformer神经网络辅助的两阶段机组组合决策方法

在线全文

学校读者我要写书评

暂无评论

电力自动化设备 2023年第3期43卷 172-179页

作者：武新章赵子巍代伟谢代钰郭苏杭王泽宇张冬冬广西大学电气工程学院广西南宁530004 广西电网电力调度控制中心广西南宁530023

为了解决大规模电力系统机组组合的“维数灾”问题,提出基于Transformer神经网络的两阶段机组组合决策方法,该方法兼顾求解精度与速度。在第一阶段,考虑机组组合时段耦合的特性,提出基于多头注意力机制的特征向量构建方法,进而基于Trans... 详细信息

为了解决大规模电力系统机组组合的“维数灾”问题,提出基于Transformer神经网络的两阶段机组组合决策方法,该方法兼顾求解精度与速度。在第一阶段,考虑机组组合时段耦合的特性,提出基于多头注意力机制的特征向量构建方法,进而基于Transformer神经网络的全局视野与并行化优势,提出一种改进的Transformer神经网络来预辨识机组启停值。在第二阶段,基于预辨识的机组状态设计置信度阈值,并将机组启停判定可信度定义为启停可信与启停不可信状态,对于启停可信机组的状态进行直接确定,对于启停不可信机组的状态,通过机组组合物理模型进行求解来保证求解的可行性。IEEE 30节点和IEEE 2 383节点系统的仿真结果验证了所提方法的有效性。

关键词： Transformer神经网络深度学习机组组合数据驱动特征构造

鄂尔多斯盆地中部三叠系延长组7段烃组分的运移分异作用

在线全文

学校读者我要写书评

暂无评论

石油与天然气地质 2024年第1期45卷 157-168页

作者：师良范柏江李忠厚余紫巍蔺子瑾戴欣洋延安大学石油工程与环境工程学院陕西延安716000 中国石油青海油田公司采油三厂青海茫崖816400

鄂尔多斯盆地延长组7段页岩体系是泥岩、页岩和砂岩的组合体。为了深入揭示页岩油组分在不同岩性中的运移分异现象,针对鄂尔多斯盆地中部地区开展了典型烃类组分的运移分异研究。研究表明:在不同的岩性中4类族组分含量存在差异。砂岩中... 详细信息

鄂尔多斯盆地延长组7段页岩体系是泥岩、页岩和砂岩的组合体。为了深入揭示页岩油组分在不同岩性中的运移分异现象,针对鄂尔多斯盆地中部地区开展了典型烃类组分的运移分异研究。研究表明:在不同的岩性中4类族组分含量存在差异。砂岩中饱和烃(SAT)含量高,非烃与沥青质(NSO+Asph)含量低。页岩和泥岩的SAT含量低,NSO+Asph含量高。砂岩的n C_(11-15)烃类组分含量较高,nC_(23-39)烃类组分含量较低;页岩和泥岩的nC_(11-15)烃类组分含量较低,nC_(23-39)烃类组分含量较高。页岩和泥岩的Pr/Ph,Pr/nC_(17)和Ph/n C_(18)等含量比值参数数值变化大,砂岩的数值变化小。页岩和泥岩的C_(27)/C_(29)规则甾烷含量比值较低,砂岩则较高。页岩和泥岩的藿烷Ts/Tm与Ts/(Ts+Tm)比值较低,砂岩则较高。页岩和泥岩的C_(32)升藿烷22S/(22S+22R)比值变化较大,砂岩则具有相对集中的数值。砂岩的伽马蜡烷指数较高且数值分布范围较广,而页岩与泥岩则相反;页岩和泥岩8β(H)-补身烷/8β(H)-升补身烷的含量比值普遍大于1,而砂岩的数值普遍小于1。综合研究认为,不同石油组分在烃源岩内部的分布差异是吸附差异和不同石油组分运移分异共同导致的。

关键词：运移分异烃组分页岩延长组7段三叠系鄂尔多斯盆地

数据驱动下考虑多预测误差带信息的多场景随机优化调度

在线全文

学校读者我要写书评

暂无评论

电力自动化设备 2024年

作者：赵书强赵蓬飞韦子瑜廖艺茗王子巍华北电力大学河北省分布式储能与微网重点实验室

针对高比例可再生能源接入电网后省级电网面临的风光功率预测不确定性大、调度决策难等问题，提出一种多场景随机优化调度模型。基于核密度估计方法引入调度预测误差带的概念，结合风光聚合场站预测出力和实际出力构建计及时间相关性的... 详细信息

针对高比例可再生能源接入电网后省级电网面临的风光功率预测不确定性大、调度决策难等问题，提出一种多场景随机优化调度模型。基于核密度估计方法引入调度预测误差带的概念，结合风光聚合场站预测出力和实际出力构建计及时间相关性的海量随机场景，结合改进的K-means聚类与同步回代消除算法进行场景缩减，引入布莱尔分数评价削减后随机场景的性能；基于风光随机出力场景，考虑供热系统中热用户舒适度，构建日前随机优化调度模型。基于新疆电网实际网架结构和风光实际历史出力数据进行算例验证，结果表明：所提方法生成的风光可再生能源出力随机场景可以更好地描述风光的预测轨迹；相较于传统日前调度方法，基于场景法的随机优化调度模型可有效提升风光可再生能源消纳率；以供热系统中热用户舒适度为导向，热电联产机组参与热力系统热电调节可进一步降低风光弃电率。

关键词：风电光伏发电预测误差带场景生成随机优化调度

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于学习的源代码漏洞检测研究与进展

计算机学报 2024年第2期47卷 337-374页

作者：苏小红郑伟宁蒋远魏宏巍万佳元魏子越哈尔滨工业大学计算学部哈尔滨150001

源代码漏洞自动检测是源代码漏洞修复的前提和基础,对于保障软件安全具有重要意义.传统的方法通常是基于安全专家人工制定的规则检测漏洞,但是人工制定规则的难度较大,且可检测的漏洞类型依赖于安全专家预定义的规则.近年来,人工智能技... 详细信息

源代码漏洞自动检测是源代码漏洞修复的前提和基础,对于保障软件安全具有重要意义.传统的方法通常是基于安全专家人工制定的规则检测漏洞,但是人工制定规则的难度较大,且可检测的漏洞类型依赖于安全专家预定义的规则.近年来,人工智能技术的快速发展为实现基于学习的源代码漏洞自动检测提供了机遇.基于学习的漏洞检测方法是指使用基于机器学习或深度学习技术来进行漏洞检测的方法,其中基于深度学习的漏洞检测方法由于能够自动提取代码中漏洞相关的语法和语义特征,避免特征工程,在漏洞检测领域表现出了巨大的潜力,并成为近年来的研究热点.本文主要回顾和总结了现有的基于学习的源代码漏洞检测技术,对其研究和进展进行了系统的分析和综述,重点对漏洞数据挖掘与数据集构建、面向漏洞检测任务的程序表示方法、基于机器学习和深度学习的源代码漏洞检测方法、源代码漏洞检测的可解释方法、细粒度的源代码漏洞检测方法等五个方面的研究工作进行了系统的分析和总结.在此基础上,给出了一种结合层次化语义感知、多粒度漏洞分类和辅助漏洞理解的漏洞检测参考框架.最后对基于学习的源代码漏洞检测技术的未来研究方向进行了展望.

关键词：软件安全源代码漏洞检测漏洞数据挖掘漏洞特征提取代码表示学习深度学习模型可解释性漏洞检测