基于Siamese LSTM的中文多文档自动文摘模型

在文本信息数量迅速增长的环境下,为提升阅读效率,提出一种基于深度学习的多文档自动文本摘要模型。在传统文摘模型的基础上将Siamese LSTM深度学习网络应用到文本相似度计算中,计算曼哈顿距离来表征文本相似度,并采用去除停用词的方法改进该网络模型以提升计算效率。实验结果表明,使用Siamese LSTM与传统余弦相似度等方法相比,生成的文摘在语义方面更贴近主题,质量更高,整个文摘系统的工作效率也显著提升。     

基于配电网电压质量的分布式储能系统优化配置研究

随着储能技术不断提升以及电网电压质量要求日益严格,配电网规模化接入分布式储能系统已成为发展趋势。首先,针对实际复杂工业过程,利用过程免疫时间（PIT）作为电压暂降耐受特性评估方法,分析储能系统接入对电网电压质量的影响;其次,兼顾系统运行的经济性,并考虑电压质量,建立储能系统选址定容双层优化模型,引入模糊综合评价法（FCEM法）确定目标权重;最后对IEEE-33节点配电系统进行算例分析,根据本文所建模型进行分布式储能系统优化配置后,有效提升了配电网电压质量和经济效益,并起到削峰填谷作用。     

含新能源接入的配电网中分布式储能系统控制策略

高比例间歇性新能源的接入,给配电网稳定带来了极大的影响,文章提出一种基于双层控制提高配电网电压稳定性的控制策略。双层控制分上下层执行,上层稳定电压,确定各节点电压满足安全运行条件和电压偏差最小时储能电站群总有功/无功功率;下层优化分配上层运行结果,考虑电网运行经济性及新能源利用率,对各储能电站进行功率分配。控制过程分时间尺度执行,并将运行结果上传至储能检测控制模块,此模块再根据各储能电站的实时状态最终确定各储能单元的工作模式及功率分配。在IEEE 33节点系统中对提出的控制策略进行验证,利用粒子群算法计算储能功率分配结果,结果证明,基于时间尺度的储能电站双层控制策略合理、有效。