排序方式: 共有101条查询结果,搜索用时 15 毫秒
1.
随着智能家电的广泛应用,实现用电行为优化已成为家庭智能用电的重要研究内容。从经济性和舒适性两个方面入手,提出一种智能用电环境下用电行为多目标优化模型。首先,分析了家庭用户的负载特性,并定义了可中断和可转移电器的运行约束。然后,考虑家电负载和用电习惯等各方面的约束条件,设计了家电关联最小化电费支出模型和用户用电舒适度模型,实现了多目标优化。最后,提出基于持续搜索多目标粒子群算法进行优化模型的求解。算例分析表明,多目标优化模型能有效降低用电费用并提高用电舒适性。 相似文献
2.
由于泛在电力物联网融入了社会的不可预知因素,导致互联环境复杂多样,终端设备接入类型与数量激增,时刻面临网络攻击和非安全数据入侵等安全隐患。因此,已有的安全检测与防护技术不再完全适用于如今的泛在电力物联网,文中从生物免疫学新视角探讨了泛在电力物联网安全技术。首先,类比病原体入侵生物体时免疫系统的免疫过程,阐述了生物免疫学与泛在电力物联安全防护的关联;其次,分析了感知层、网络层、平台层和应用层面临的安全挑战,并基于免疫学归纳了抗原识别、免疫响应和免疫记忆3方面的关键技术;最后,构想了泛在电力物联网全方位智能联动的安全免疫体系,并对研究方向进行了展望。 相似文献
3.
叉指数优化选择是传统MMSE-Rake(最小均方差Rake接收机)算法的重要组成部分,广泛应用于UWB(超带宽)Rake接收机中。为了提高在低速传输条件下UWB系统对多径信号接收的快速识别能力,提出了一种基于优化抽头系数的MBER(最小误比特率)改进算法,该算法可在不降低多径分辨率的前提下,通过简化Rake叉指数实现快速定位。仿真结果表明,在低速CM3(NLOS信道)和CM4(特殊情况下NLOS信道)多径模拟信道传输条件下,改进后的算法在性能上优于传统MMSERake算法,不仅降低了Rake接收机的复杂度,还提高了信号接收的实时性。 相似文献
4.
为提高非高斯噪声条件下机动目标跟踪的精度,提出基于交互式多模型极限迭代无偏有限脉冲响应滤波(IMM-极限迭代UFIR)算法。采用对噪声统计特性不敏感的极限迭代无偏有限脉冲响应滤波(UFIR)作为其子滤波器,对各模型进行状态估计,最后通过对各模型的输出结果综合得到机动目标状态。仿真结果表明,在噪声条件复杂的情况下,该算法比交互式多模型卡尔曼滤波(IMM-KF)具有更高的跟踪精度和稳定性,计算量小于IMM-PF,算法能较好地兼顾跟踪精度和计算量两方面性能。 相似文献
5.
针对智能电网知识的共享与重用问题,本文提出了一种基于本体的智能电网文本知识获取方法。首先,以《电力主题词表》和《中国分类主题词表》为基础,基于Protégé构建一个初始种子本体,用Jena对此本体进行解析,生成概念树;然后,利用ICTCLAS进行中文分词,生成概念词集;最后,提出基于How Net的GSS匹配算法,并将概念词集与概念树进行匹配,将获取到的概念和属性添加到种子本体中,完成一次知识获取。通过抓取智能电网领域相关网页进行实例验证,获得了较好的效果。 相似文献
6.
随着大数据时代的来临,传统的实体识别技术由于电网数据体积大以及类型复杂等特性已经无法有效地进行数据预处理。近年来兴起的Hadoop技术能够对大数据进行较好的处理。因此提出一种基于Hadoop的电力大数据属性实体识别算法。该算法利用改进离散化算法选取出信息准确率较高的离散点,并提出了一种离散化评价指标。最后,在Hadoop平台上对某风电机组的监测数据进行了属性实体识别。实验证明,该算法在实验正确性和断点数目方面表现良好,并且具有较好的加速比,适用于电力大数据的属性实体识别处理。 相似文献
7.
针对电力市场用户群庞大,交易过程中售电套餐选择困难的问题,提出一种基于电力交易用户最优特征子集的售电套餐推荐方法。首先,定义了电力交易用户最优特征子集,并设计基于加权递增项目覆盖率最优子集的发现算法,合理地从海量交易用户中筛选出最优用户特征子集。然后,提出一种基于属性相关的售电套餐相似性计算方法,通过聚类和确定套餐属性权重的方式计算套餐相似度,得到套餐项目的相似度矩阵。最后,基于最优特征子集和相似度矩阵实现了售电套餐的精准推荐。实验验证表明了电力交易用户最优特征子集的有效性和所提推荐算法的准确性。 相似文献
8.
针对电力市场用户群庞大,交易过程中售电套餐选择困难的问题,在Spark环境下设计了一种售电套餐推荐方法,同时也解决了售电套餐推荐过程中在大数据环境下的可扩展性及实时性问题。首先,计算出每个套餐属性的权重值,从而计算得到售电套餐综合相似度。然后,计及用户和套餐两方面提出一种售电套餐推荐方法,实现售电套餐的精准推荐。实验表明,提出的推荐方法能够明显提高推荐的准确度,并且在分布式环境下具有良好的推荐效率和可扩展性。 相似文献
9.
风电场输出功率预测精度的提高能够极大的减轻风力发电对电网的冲击,提高风电并网的安全性和可靠性。针对KNN(K-Nearest Neighbor algorithm)算法存在的不足进行改进,提出了FKNN(Fast K-Nearest Neighbor algorithm)算法并将其应用到风电短期功率预测当中。首先,FKNN算法基于相似数据原理,针对每个预测样本,只需遍历一次训练样本集,得出K值最大时的相似历史样本优先级队列。然后,通过逐渐缩减优先级队列的长度,产生其他K值对应的相似样本优先级队列。其次,从产生的优先级队列中获取多数类样本,并应用其输出功率的平均值对预测样本的输出功率进行预测。最后,通过对吉林省某风电场的大量历史数据进行预测分析,充分证明该算法的简单性和实用性。 相似文献
10.
特征选择是文本分类过程中极其重要的一个环节。本文提出了一种新的特征选择算法,该算法基于一个特征频度相对于其它特征频度的差值的总和衡量其相对贡献率的大小,从而进行特征选择。本文使用了基准数据集20-Newgroups,在朴素贝叶斯和支持向量机两个分类器上对该方法进行了验证。实验结果表明,与信息增益、互信息,几率比和DIA相关因子等四种流行的特征选择算法相比,该算法有效降低了文本的特征维数,提高了分类精度。 相似文献