研究生数学建模优秀论文参考(第六届).zip
研究生数学建模优秀论文参考(第六届),供参考和学习
中国科学引文数据库(CSCD)来源期刊遴选(2021-2022年度).pdf
经过中国科学引文数据库(Chinese Science Citation Database,简称CSCD)定量遴选、专家定性评估, 2021-2022年度中国科学引文数据库收录来源期刊1262种,其中中国出版的英文期刊245种,中文期刊1017种。 中国科学引文数据库来源期刊分为核心库和扩展库两部分,其中核心库926种(以备注栏中C为标记);扩展库336种(以备注栏中E为标记)。
中国科学引文数据库来源期刊每两年遴选一次。每次遴选均采用定量与定性相结合的方法,定量数据来自于中国科学引文数据库,定性评价则通过聘请国内专家定性评估对期刊进行评审。 定量与定性综合评估结果构成了中国科学引文数据库来源期刊。
中国科学引文数据库(CSCD)来源期刊遴选报告(2021-2022年度)
PARL-develop.zip
PAL是一种灵活高效的强化学习框架.具有可重复性的特点。我们给出的算法能够稳定地再现许多有影响的强化学习算法的结果。大规模的。支持数千CPU和多GPU的高性能并行训练的能力.可重复使用。存储库中提供的算法可以通过定义前向网络直接适应新任务,并自动建立训练机制。可扩展的。通过继承框架中的抽象类,快速构建新的算法。PARL is a flexible and high-efficient reinforcement learning framework.
rlpack-master.zip
rlpack是一个基于tensorflow的强化学习算法库,解耦算法和环境,方便调用。安装依赖包
安装所需依赖软件包,请看environment.yml. 建议使用Anaconda配置python运行环境,可用以下脚本安装。
$ git clone https://github.com/liber145/rlpack
$ cd rlpack
$ conda env create -f environment.yml
$ conda activate py36
安装rlpack
$ python setup.py install
以上流程会安装一个常用的
新一代人工智能技术在电力系统调度运行中的应用评述_赵晋泉.pdf
摘要:以深度学习、强化学习为代表的新一代人工智能技术及其应用是当前电力系统领域的研究热点。人工智能技术具有不依赖物理机理,计算速度快,辨别效率高等优点。但人工智能固有的可解释性差、稳定性弱等缺点也制约了其在电力系统一些场景的应用。文中梳理了新一代人工智能技术在电力系统负荷和新能源预测、故障诊断、在线稳定性评估、频率及电压优化控制和电网运行方式制定等调度运行场景中的应用,并进行了分析和评述。总结了现有研究中存在的问题,指出人工智能技术的应用应当以问题为导向,以场景为基础,以应用为目的。最后,对未来人工智能技术在电力系统调度运行中的应用作出了展望。
电磁场理论课件第四章哈工大版.pdf
哈工大课件电磁场基本理论第四章PPT:在电磁学里,电磁场(electromagnetic field)是一种由带电物体产生的一种物理场。处于电磁场的带电物体会感受到电磁场的作用力。电磁场与带电物体 (电荷或电流)之间的相互作用可以用麦克斯韦方程和洛伦兹力定律来描述。
谐波激励下变压器结构件杂散损耗的模拟与验证.pdf
基于TEAM (testing electromagnetic Problem 21 基准模型,从实验和仿真计算两方面系统地研究
多谐波激励下变压器结构件杂散损耗建模与验证方法。考虑
线圈涡流损耗的影响,提出一种基于实验更准确地确定结构
件杂散损耗的改进方法。搭建硅钢叠片磁、损耗特性测量系
统,基于测量数据建立多谐波激励下的损耗模型并予以验
证。基于P21C-M1 和 P21C-EM1 模型分别进行谐波激励下
导磁和非导磁构件杂散损耗的数值模拟,磁场及损耗结果对
比验证了方法的有效性。基于仿真及测量结果,分析谐波对
杂散损耗的影响,得到谐波激励下导磁构件中附加损耗的分
布及其对杂散损耗的影响。
基于时域卷积网络精细化光伏发电功率预测_刘文杰.pdf
针对传统光伏功率预测算法模型没有与时间序列结合而引发精度不高的问题,提出了一种基于时域卷积
网络精细化的光伏发电功率预测方法。该预测模型利用卷积神经网络并融合了因果卷积和膨胀卷积;在卷积特征
上,使用跨层连接;在损失函数上,增加了自适应影响因子;在特征工程上,将数值气象预报发布的多个预测数
据与时间特征结合进行多特征预测。根据新疆、华东两个光伏电场数据集的预测结果显示,与支持向量机算法和
未加入时域特性的神经网络算法对比,该算法在光伏功率预测精度上均有不同程度的提升,充分证明了有效性。
感染后咳嗽发病机制_诊断与治疗研究进展_赖克方.pdf
咳嗽是感冒最常见的症状, 60% ~ 90% 的感冒
患者伴有咳嗽症状[1-2]。多数感冒患者急性期症状
消失后,咳嗽症状仍然迁延不愈,临床上称之为感冒
后咳嗽。这部分患者的临床检查结果显示肺部无其
它器质性改变,咳嗽时间维持在3 ~ 8 周之间,常可
以自愈.
Extreme learning machine: Theory and applications.pdf
很明显,前向神经网络的学习速度通常远低于要求,这一直是其应用的主要瓶颈。这背后的两个主要原因可能是:(1)基于慢梯度的学习算法被广泛用于训练神经网络;(2)使用这种学习算法,网络的所有参数都是迭代调整的。与传统的学习算法不同,本文提出了一种新的单隐层前馈神经网络(SLFNs)的学习算法ELM,该算法随机选择隐节点并解析地确定slfn的输出权值。理论上讲,该算法在极快的学习速度下具有良好的泛化性能。基于一些人工和真实的基准函数逼近和分类问题(包括非常复杂的应用)的实验结果表明,新算法在大多数情况下都能产生良好的泛化性能,并且比传统的常用学习算法学习速度快数千倍前馈神经网络。
Extreme Learning Machine: A New Learning Scheme of Feedforward Neural Networ.pdf
很明显,前向神经网络的学习速度通常远低于要求,这一直是其应用的主要瓶颈。这两个主要的原因是:1)神经网络的学习速度慢,这两个原因都是基于神经网络的迭代学习。与传统的学习算法不同,本文提出了一种新的单隐层前馈神经网络(SLFNs)的学习算法,该算法随机选择输入权值并解析地确定slfn的输出权值。从理论上讲,该算法在极快的学习速度下能够提供最佳的泛化性能。基于真实世界标杆函数逼近和分类问题(包括大型复杂应用)的实验结果表明,新算法在某些情况下可以产生最佳的泛化性能,并且比传统的前馈神经网络学习算法学习速度快得多。
智能电网中的物联网技术应用与发展_何奉禄.pdf
随着智能电网与“互联网+”技术的深入融合和发展,物联网技术在智能电网建设中的应用成为近年来研
究的热点。首先介绍了物联网技术的概念,总结了当前物联网技术在电力系统源侧、网侧和荷侧等三个方面中的
主要应用。在此基础上,从传感器、通信、云/边缘计算三个方面对物联网领域关键技术特点及其发展趋势进行了
分析,进而提出了未来物联网技术在智能电网数据采集、通信和计算处理方面的优势与应用前景。最后,从物联
网技术与智能电网深度融合的角度,阐述了智能电网的发展愿景。
基于深度时序差分强化学习的非置换流水车间调度问题研究_肖鹏飞.caj
流水线是制造系统中广泛采用的一类生产模式。业已证明机器数超过三台的流
水车间调度问题为NP难问题,对该问题的研究有重要的理论和工程价值。传统调度
问题解决方法包括数学建模、启发式和元启发式算法等,能在较短时间内获得较优
解,但难以应对任务、资源等不确定因素的动态变化。深度强化学习直接依据输入状
态进行行为策略选取,更贴近实际制造系统加工状态响应式的生产调度过程。因此,
本文首次提出一种深度时序差分强化学习方法,用于求解非置换流水车间单目标、多
目标和动态调度问题。
10kV配电室资料.pdf
一、10kV配电室高压设备
常用高压柜柜型
中置柜中高压断路器
环网柜内负荷开关
高压柜内CT、PT、零序CT
高压避雷器
高压熔断器
高压接地开关
综合保护装置
高压仪表室其他装置
南网广东2020年校园招聘公告-附件(大纲).docx
南网广东2020年校园招聘公告-附件(大纲),供大家参考和学习,当然本科生和研究生会有所不同,不过认真复习总是对的。
水火风光多源发电调度系统大数据平台架构及关键技术_申建建.pdf
水风光等可再生能源高速发展使得电力调度数据出现
爆发式增长,并呈现出多源、异构、高维等大数据典型特点,
如何应对电力大数据的集成管理及高效应用是我国电网运
行的重大技术挑战之一。为此,围绕水火风光复杂发电调度
系统,解析超大规模电站群调度大数据特征及相互关系,设
计调度管理功能体系,构建发电调度大数据平台架构,提出
满足不同业务场景共性需求的多源数据校验和多平台协同
存储技术、面向发电调度分析场景的大数据融合处理技术以
及面向发电计划编制场景的大数据分析决策技术,实现电力
大数据的采集、存储、分析及知识提取等一体化功能。以云
南省调400 余座大中型电站为工程背景,应用大数据平台架
构和关键
信息_物理_社会融合的智慧能源调_省略_及其知识自动化_框架_技术与挑战_程乐峰.pdf
着眼于能源5.0 前瞻性基础理论,重点研究基于信
息–物理–社会融合系统(cyber-physical-social systems,CPSS)
的智慧能源调度机器人(robot of energy control,RoboEC)群
体及其知识自动化的关键理论方法。包括:构建面向下一代
能源电力系统的平行CPSS 理想框架及工程可行性框架体
系;提出基于数据驱动及自校正引导方法的新型高精度镜像
计算实验方法,实现镜像系统对真实物理系统的趋优引导;
研究面向未来能源电力系统集中/分散调度模式下的知识自
动化流程和平行机器学习方法,实现RoboEC 群体的知识自
我探索和群体智慧水平的自动提升;
梯级水电站群长期优化调度云计算随机动态规划算法_周东清.pdf
为了应对随机动态规划算法在解决梯级水电站群长期
发电优化调度时的 “维数灾”问题,并行化方法得到了广泛研究。单机多核并行算法扩展性不强;传统的分布式并行
算法编程复杂,缺少负载均衡和容错机制。云计算平台作为
新的分布式计算平台能够充分利用资源,具有诸多优势。为
了探索云平台下的分布式并行随机动态规划模型,该文基于
消息传递接口(message passing interface,MPI)和Spark 框架
分别实现了传统集群计算和云计算分布式随机动态规划算
法,后者将计算模型转换为数据处理模型进行计算,并通过
三库优化调度实验对算法进行了比较。算法分析及实验结果
表明,基于云计算的分布式并行随
基于深度强化学习的电网紧急控制策略研究.pdf
:提出一种基于深度强化学习的电网切机控制策略,所
提控制策略依据电网运行环境信息,通过数据分析得到切机
控制策略。首先介绍强化学习框架,阐述学习算法原理,并
详细介绍Q-Learning 方法。然后介绍深度学习基本概念和
深度卷积网络原理,提出利用深度卷积网络提取电网运行特
征,构建切机策略的思路。再结合深度学习和强化学习,构
建深度强化学习框架,其中深度学习采用深度卷积神经网络
模型用于提取特征,强化学习采用双重Q-Learning 和竞争
Q-Learning 模型计算Q 值,通过比较Q 值大小得到切机控
制策略。最后,利用IEEE 39 节点系统验证了方法的正确性。
基于两阶段支持向量机的电力系统暂态稳定预测及预防控制_周艳真.pdf
针对数据驱动的电力系统暂稳分析,考虑到安全域概
念下的暂稳预测和预防控制对输入特征的不同要求,以及充
分兼顾数据挖掘模型的直观性与准确性,该文提出两阶段支
持向量机用于暂稳预测及预防控制。在第一阶段,采用可控
特征和直观模型挖掘运行方式与暂态稳定的内在联系,并用
于制定预防控制策略;第二阶段,采用复杂模型构建准确率高的暂稳预测模型;此外,第一阶段模型能够为第二阶段的
暂稳预测模型的训练提供样本筛选的依据,从而缩短了预测
模型的训练时间
大数据技术在配电网中的应用综述_费思源.pdf
大数据技术是目前国内外各个领域的一个研究热点。
该文基于大数据技术,探讨其在配电网中的应用。首先,在
阐述大数据技术对于配电网发展的重要意义基础上,总结配
电网技术目前在国内外的应用现状;然后,分析大数据技术
在配电网运行、检修、规划和资产管理4 个方面的指导作用;
其次,明确在配电网中发展大数据技术的3 项主要关键技
术;最后,从政策的角度提出支持大数据技术在我国配电网
中应用和发展的几点建议,同时展望大数据技术在配电网其
他方面的应用可能。
能源转型中我国新一代电力系统的技术特征_周孝信.pdf
我国能源生产和消费面临转型,构建新一代电力系统
是实现这一重大转变的关键步骤。新一代电力系统是其发展
历程的第三代,大幅提高非化石能源电力占比,形成非化石
能源为主的电源结构是其重要标志,在智能电网发展的基础
上构建更加智能化和多能互补的能源互联网是其发展方向。
根据当前及未来电力系统发展面临的主要问题和关键因素
分析,提出了新一代电力系统的主要技术特征:适应高比例
可再生能源接入、具有高比例电力电子装备、支撑多能互补
综合能源网,以及与信息通信技术进一步深度融合。高效低
成本太阳能风能发电技术、高效低成本长寿命储能技术、高
可靠性低损耗电力电子技术、高强度低成本绝缘技术和超导
输电技术,以及
考虑后效性影响的梯级水库短期优化调度耦合模型研究_纪昌明.pdf
针对同一梯级中“以电定水”与“以水定电”运行模式并存的状况,本文从梯级总能量的角度出发,结合蓄能
最大与发电量最大准则,构建了梯级水库短期优化调度耦合模型;为提高模型计算精度,考虑了水流滞时、尾水
位变化后效性等影响因素,采用BP神经网络对下库入库流量、上库尾水位进行了精确计算,并提出了伴随POA
算法对有后效性的梯级水库短期优化调度耦合模型进行求解。潘口、小漩梯级水库实例计算表明:所建的耦合模
型能够很好地契合实际生产需求,有效提高梯级水电站的发电效益;与现有算法相比,伴随POA 算法在计算时
间、计算精度等方面具有一定的优势,能够满足生产实践的要求。
大规模水电系统优化调度降维方法研究_理论分析_冯仲恺.pdf
中国水电系统规模持续扩张,使得已有方法在求解大规模水电调度问题时,存在严重维数灾及早熟收敛等
不同程度局限,亟需分析已有方法以便发现其瓶颈所在,为探寻能均衡求解效率与计算精度的实用化方法提供有
益参考。为此,首先深入研究了线性规划、二次规划和动态规划等多种方法的计算复杂度,然后定量对比分析了
各方法在不同情景下的适用性,最后提出“四维一体可拓降维”总体思想,并给出具体的降维方法与策略,建议从
空间维、时间维、状态维和组合维等4个方面开展综合研究,以切实服务于大规模水电系统优化调度的高效优质
求解。
基于正则极限学习机的非平稳径流组合预测_孙娜.pdf
针对径流时间序列固有的强非线性和非平稳性特征,提出了一种将集合经验模式分解(EEMD)、样本熵
(SE)和正则化极限学习机(RELM)相结合的非平稳日径流预测方法(ES-RELM)。为充分提取径流序列的局
部信息以提高预测精度,利用EEMD-SE 将径流序列分解为一系列差异度明显的子序列,然后根据各子序列的迥
异特征构建了不同的RELM 模型对各子序列进行预测,最后将各个子序列的预测结果叠加从而得到最终预测结
果。将该模型应用于金沙江下游控制站屏山站的日径流预报中,与九种模型对比结果表明,该方法能有效提高日
径流预报精度,是一种高效稳定的径流预报模型,为实现高精度实时径流预报提供了可能.
基于人工智能代理的负荷态势感知及调控方法.pdf
负荷态势感知是需求侧资源管理愈加精细化发展需求下的关键技术之一。针对典型负荷动
态态势估计及其调控需求,提出一种基于人工智能Agent的负荷态势感知方法,并构建人工智能
Agent与云端平台协作的实现架构。通过用户侧负荷模型的学习认知,进而建立负荷空间集,并提
出时域特征拓展的随机森林算法以实现对于负荷运行状态的评估分析,为负荷调控提供决策依据。
进而根据评估结果及电力系统调控需求,在云端平台实现差量计算,并基于态势指标计算结果遴选
优化组合,实现负荷精准控制。最后,通过仿真验证了所提方法能够准确预测负荷行为并达到良好
的负荷整形效果。
人工智能在电力系统及综合能源系统中的应用综述.pdf
推进能源生产和消费革命,构建清洁低碳安全高效的能源体系,需要发展更加智能的新一代
电力系统及综合能源系统。人工智能(AI)是当前最具颠覆性的科学技术之一,在计算智能、感知
智能和认知智能方面具有强处理能力。人工智能技术在电力系统和综合能源系统中的应用,将改
变能源传统利用模式,促进系统进一步智能化。文中主要从人工智能概述、电力系统及综合能源系
统对人工智能的需求,以及人工智能在能源领域中的应用几个层面进行综述和分析,最后对人工智
能在电力系统及综合能源系统中应用所面临的挑战进行了分析和展望。
人工智能应用于电网调控的关键技术分析.pdf
当前以深度学习为代表的新一代人工智能技术快速发展,作为引领新一轮科技革命和产业
变革的战略性技术,已上升为国家战略,备受各行各业关注。电网调控运行作为电力系统运行的
“决策大脑”,是集大量数据、机理分析、运行规程和专业经验相结合的综合性决策控制,与以数据驱
动、知识引导为特征的新一代人工智能发展思路和演进方向十分相近。在分析新一代人工智能技
术特点、电网调控运行业务场景及需求的基础上,提出了未来基于人工智能的调度控制系统设计思
路、总体架构和主要功能,并从高性能计算、调控大数据、基于深度学习的电网预测及辨识、基于知
识图谱的智能辅助决策以及基于语音交互的调度助手等方面,对其关键技术和潜在应用场
基于模糊聚类分析与BP网络的电力系统短期负荷预测_姚李孝.pdf
:提出了一种基于模糊聚类分析和BP 网络的短期负荷预
测方法。考虑了温度、相对湿度以及日类型等影响负荷的因素,
通过模糊聚类分析将负荷历史数据分成若干类,找出同预测日
相符的预测类别,然后建立相应的BP 网络模型,用附加动量
和变学习速率的方法预测每小时的负荷。对于西安地区实际负
荷的预测结果的分析表明该方法有较高的预测精度,取得了令
人满意的结果。
基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断_刘长良.pdf
为了精准、稳定地提取滚动轴承故障特征,提出了基
于变分模态分解和奇异值分解的特征提取方法,采用标准模糊C 均值聚类(fuzzy C means clustering,FCM)进行故障识
别
基于变分模态分解和SVM的滚动轴承故障诊断_王新.pdf
针对滚动轴承振动信号的非平稳特征和现实中难以获得大量故障样本的实际情况,提出了基于变分模态
分解( Variational mode decomposition,VMD) 与支持向量机( Support vector machine,SVM) 相结合的滚动轴承故障诊断方法。
该方法融合了变分模态分解和支持向量机的优势,通过变分模态分解将滚动轴承振动信号分解成若干个本征模态函数分
量,轴承发生不同故障时,不同本征模态函数内的频带能量会发生变化,从包含有主要故障信息的模态分量中提取能量特
征作为SVM 的输入,判断轴承的工作状态和故障类型。试验结果表明,该方法在少量样本情况下仍能有效地对轴承的工
基于kmeans聚类与BP神经网络算法的办公建筑逐时电负荷预测_刘倩颖.pdf
基于青岛某办公建筑2015 年全年逐时总用电能耗及空调用电能耗数据,利用kmeans 聚类算法对其进行聚
类,将全年能耗水平分为四大类。利用求平均值法得到每一类典型设备使用率曲线。将典型曲线的数据、日前两
周数据以及气象数据一同作为BP 神经网络的输入,预测未来24 小时的建筑总用电和空调用电,该方法比单用日
前两周数据及气象数据进行负荷预测能获得更低的相对误差、均方根误差、平均绝对百分误差。BP 负荷预测相对
误差在5%以内,而kmeans-BP 负荷预测算法控制在±2.5%以内; BP 预测得到的均方根误差和平均绝对百分误差
范围分别在4.6~ 9.0 之间、2.3%~ 4.4%之间,km
利用卷积神经网络支持向量回归机的地区负荷聚类集成预测_沈兆轩.pdf
为提高地区负荷预测的运算效率和预测精度,本文提
出了一种基于卷积神经网络支持向量回归机的地区负荷聚类
集成预测方法。首先,通过聚类模型对地区内大量用户的真
实负荷数据进行分组并分析了不同聚类模型的效果。其次,
使用得到的聚类分组标签将用户数据分组集成并构建训练数
据。然后,基于改进的卷积神经网络构建了卷积神经网络支
持向量回归机模型。最后,分组进行负荷预测并将预测结果
求和得到地区最终预测月负荷,并与卷积神经网络模型、长
短期记忆神经网络模型、决策树模型、支持向量回归机模型
进行对比。本文使用扬中市高新区的负荷数据作为算例进行
分析,结果表明本文所提方法相较于现有算法具有更高的负
荷预测精度
基于多层聚类和改进BP神经网络的短期负荷预测_赵云.pdf
随着电网规模的扩大,数据量的急剧增加,漏采、误采等不良数据及数据冗余会对短期负荷预测产生负面影
响,造成预测准确度下降,预算结果无法正常使用. 针对这些现象,提出一种基于多层聚类和改进BP 神经网络的负
荷预测模型. 该模型基于多层聚类对原始数据进行预处理,选取形成与待预测数据相似的样本数据集,建立基于改
进BP 神经网络的预测模型. 多层聚类模型减小了输入改进BP 神经网络的数据量,避免了不良数据对预测模型造
成的影响,预测模型更贴近待预测数据特点;改进BP 神经网络避免了在训练过程中陷入局部最小解. 预测结果表
明:相比模糊C 均值聚类方法,多层聚类与改进BP 神经网络的负荷预测方法提高了
基于Wasserstein距离和_省略_类的风电_光伏经典场景集生成算法_王群.pdf
随着风电、光伏等可再生能源发电渗透率的增加,电
力系统运行需要考虑随之而来的不确定性。场景分析法因为
可明确体现不确定性因素的概率特征而被广泛采用,但是由于大规模场景会降低随机规划的求解效率,实用性受到限
制。
基于电力信息采集的计量管理_李哲.pdf
本文在对电力信息采集和电
能计量管理进行概述的基础上,
分析基于电力信息采集的计量管
理的现状,并提出针对性的实施
方案,以期对实践有所启发。
电力用户用电信息采集系统数据分析与处理技术_朱彬若.pdf
本文在对电力信息采集和电能计量管理进行概述的基础上,分析基于电力信息采集的计量管理的现状,并提出针对性的实施方案,以期对实践有所启发。