分布式电能交易方法和支持技术研究

来源 :华中科技大学 | 被引量 : 0次 | 上传用户:caochangzheng
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
区块链作为一种新兴的分布式数据存储技术,具有去中心化、开放、透明、安全、共享、可追溯等特点,其不仅在金融领域广泛应用,而且在能源领域,尤其是在能源互联网领域逐渐受到重视。利用区块链来实现分布式电能的去中心化交易,有可能引发能源互联网领域从网络架构到交易方式的一次大变革。本文以电能预测、电能交易、电能传输为研究主线,以区块链为核心,同时结合人工智能、电能路由等方法和技术,阐述了分布式电能从生产到交易最后到传输的技术体系。此外还将分布式交易系统进行模块化设计,指出了各个部分的难点,并根据分布式电能交易的特点对各个模块所用的技术进行改进,旨在更好的促进分布式电能交易的实现,并为面向新能源平滑消纳的物联机制的研究提供支持。
  主要研究工作包括:首先探讨了基于区块链与电能路由的分布式电能交易系统体系架构,该体系涵盖应用服务模块、基础组件模块、区块链平台模块以及电能路由模块,旨在满足电能的生产预测、交易、传输以及各种配套服务的需求。其次针对新能源(光伏)发电的预测及配网侧个体负荷预测,以长短期时间模式神经网络(LSTNet)为基础设计了双周期模式的LSTNet,并提出基于区块链的预测模型在线更新架构,使得电能预测精度得到有效提升,并且该模型能更好的适应分布式电能交易的环境。然后设计了基于区块链的分布式电能交易模式,采用双边拍卖作为交易方式,利用区块链的智能合约来实现分布式电能的点对点自动交易及结算,有效提升了交易双方的经济效益,并且免除了中心节点的单点故障风险。接下来针对分布式电力交易的特点,设计了基于委托权益证明改进的共识算法,实验表明交易的安全性得到提升,其能有效阻止恶意节点的攻击。最后设计了电能路由的物理结构,结合分布式电能交易的特点,提出了基于线路容量约束最短路径算法的路由算法,实验表明其能够减小传输损耗、增大传输容量,并促使节点保持诚信。
其他文献
随着车联网、无线通信技术的不断发展,涌现了一系列诸如超高清视频、自动驾驶等计算密集型、时延敏感型应用。传统集中式的云计算架构因过重的主网络负载和过长的服务响应时延,无法满足海量终端和新兴应用所需的低时延、高带宽等需求。有研究提出,联合车联网和雾计算形成车载雾计算(Vehicular Fog Computing,VFC),将计算、存储以及通信等功能从云端下沉到无线网络边缘,为移动终端提供邻近的实时计算服务,从而减轻网络负担,降低响应时延。VFC作为一种新的应用范式,在车联网中具有广阔前景。然而,VFC架构中
输电线路场景下,防震锤、绝缘子、导线等关键设备的损坏间接影响供电系统的正常稳定运行。定期巡检输电线路,可以有效的避免供电系统故障。如今通常采用无人机巡检输电线路,并拍下输电线路场景下的巡线图像,最后人工查看巡线图像中的缺陷。因此,为了提高输电线目标缺陷检查效率,需要研究输电线关键目标检测,实现目标的快速定位,最终提高输电线路巡检工作效率。
  在输电线关键目标检测研究过程中,以手工特征为主的传统目标检测方法,只能针对特定类型并且具有易区分特征的目标,其鲁棒性较差。当前主流的基于深度神经网络的目标检测
深度学习的神经网络相较于传统神经网络方法显著的特点是计算量大,因此迫切需要计算系统具备更高的性能、更低的功耗来运行深度神经网络,本文的研究目标在于设计基于忆阻交叉阵列的深度神经网络电路,达到速度和能效的大幅提升,通过该电路实现图像语义分割、文本情感分析任务。
  本文将忆阻交叉阵列和深度学习中应用广泛的全卷积神经网络、长短期记忆神经网络结合,设计基于忆阻交叉阵列的深度神经网络,使用忆阻作为神经网络的突触,可降低整个电路系统的能耗和延迟。在实现全卷积神经网络设计过程中,本文利用忆阻交叉阵列实现包括卷积
随着大数据时代的到来以及深度学习算法在工业界的普遍应用,机器学习模型的构建开始由理论驱动转为数据驱动。但是在处理在线问题时,不能同时使用大批量样本并且样本不能保存,所以常规离线算法很难发挥作用。在线迁移学习算法通过迁移源域知识,能够降低目标域在线任务对训练样本的要求,同时又能够辅助目标域在线模型的构建,近年来得到了很多关注。本文围绕文本分类问题,对已有的有监督在线迁移学习算法框架进行改进,并针对半监督在线迁移学习问题提出新的方法。
  现有的在线迁移学习算法框架大部分是基于多模型加权融合的集成方式构
随着互联网的快速发展,以微信、微博为代表的自媒体平台成为信息发布和传播的主要媒介。舆情从现实世界转移到网络虚拟空间,一些社会突发事件或公共问题往往成为社会舆论焦点,诱发网络舆情。舆情反转是网络舆情中的一种重要现象,反转事件的频繁上演,不仅损害媒体的公信力,也造成一定的社会负面效应。目前关于舆情反转的研究多以定性分析为主,较少从定量角度研究舆情反转的演化规律。因此,运用科学可靠的技术手段分析舆情反转的内在原因及演化过程,具有重要的研究意义。
  本文基于现实社会的个体视角,采用数学建模、计算机仿真分析
群智能指的是在由众多简单个体组成的种群中,个体遵循简单的行为规则并且彼此进行交互时,在宏观层面上涌现出来的智能现象。目前,对群智能的研究多集中于对群智能优化算法的研究,主要体现在提出的一些新型群智能优化算法,例如狼群算法、狮群算法,或是对已有的群智能优化算法加以改进,例如对经典的蚁群算法、粒子群算法、遗传算法等群智能优化算法加以改进,使其在某些性能指标上得到改善。本文针对以蜂群劳动分工为代表的群智能劳动分工展开相关研究,将关注点由群智能优化算法转移到对种群协调分工相关问题的研究。
  群智能劳动分工
随着经济和互联网的发展,客户订单数量激增且种类繁杂,配送中心为了降低物流成本同时提升服务质量,以快速高效的将商品配送到客户手中,就需要对其作业流程进行优化。其中订单拣选作业是配送中心人工成本最高的部分,因此制定合理的订单拣选作业解决方案,不仅可以提高订单拣选效率,同时也能提高订单准时性。然而,目前多数关于订单拣选作业的研究都忽略了拣货员之间的路径冲突,并且订单拣选作业的优化目标都比较单一。因此本文重点研究考虑路径冲突的拣选路径优化问题,建立符合实际情况的优化模型并求解,对于指导配送中心的订单拣选作业具有非
近年来,深度神经网络已经在人类日常生活中得到广泛普遍的应用。但有研究表明这些模型并非完全可靠,它们容易受到对抗样本的攻击而做出违背人类直觉的判定。研究对抗攻击既可以作为衡量神经网络鲁棒性的基准,促进建立结构更合理、鲁棒性更强的模型。又可以作为保护人类隐私的手段,遏制利用深度神经网络恶意窃取个人信息的违法现象。
  理想的对抗样本应在保持攻击成功率的同时不影响人类的正常判定,即兼具隐蔽性和攻击强度。针对对抗样本的隐蔽性,本文提出了一种基于注意力机制的空间转换对抗样本(A-stadv)生成算法。该算法首
温度能够反映生物体的新陈代谢和健康状况等,因此活体内温度的准确测量,一直是众多科研人员努力的方向。由于生物体的电阻特性、不透明性等,以及出于安全性、舒适性等考虑,磁学温度测量/成像逐步成为最具前景的医学影像方法之一。因此本文对基于磁纳米粒子磁化响应和基于核磁共振机理的两种磁学测温方法进行研究,以外加激励磁场对磁纳米粒子磁化响应的温度敏感性的调控规律为出发点,优化了磁纳米粒子直流测温模型的测温性能,并重点探究了将氧化铁磁纳米粒子作为温度传感器实现高灵敏度的核磁共振温度测量和温度成像的可行性。具体内容如下:<
高技术战争条件下,攻防对抗双方呈现出高机动、智能化与群集化的发展趋势,在未来高动态对抗环境下,对抗双方面对的将是机动性更强、智能化水平更高、群集规模更大的对手。对于攻击方而言,需要提升对目标的拦截能力,一方面可以通过改进导航、制导控制系统提高命中精度,提升单发拦截概率;另一方面可以采取多对一方式,通过协同拦截提高对目标的毁伤概率。反之,对于防御方而言,一方面可以通过提高预警能力,释放诱饵与干扰或实施最优躲避机动,增加攻击方的脱靶概率;另一方面可以采取主动防御方式,发射防御导弹,对攻击方实施主动拦截,同时进