【摘 要】
：
为了研究电力网络中级联故障产生的机理,提出了一个含能量耗散和容量扩充的级联故障模型,并用元胞自动机方法进行模拟。结果显示,在能量耗散和容量扩充这两种因素的驱动下,系统能够达到自组织临界状态。该模型较好地解释了电力系统中出现的自组织临界现象。此外,还进一步研究了级联故障的控制措施,结果发现,通过对系统中的重要节点进行控制并采取适当的分流策略,能够大大降低级联故障的规模。
【机 构】
：
贵阳学院计算机科学系,贵州大学理学院
【基金项目】
：
贵州省科学技术基金资助项目（20102129）, 贵州省教育厅自然科学基金资助项目（20090060）
论文部分内容阅读
为了研究电力网络中级联故障产生的机理,提出了一个含能量耗散和容量扩充的级联故障模型,并用元胞自动机方法进行模拟。结果显示,在能量耗散和容量扩充这两种因素的驱动下,系统能够达到自组织临界状态。该模型较好地解释了电力系统中出现的自组织临界现象。此外,还进一步研究了级联故障的控制措施,结果发现,通过对系统中的重要节点进行控制并采取适当的分流策略,能够大大降低级联故障的规模。
其他文献
针对传感器网络节点的分布式结构,给出了基于特征融合的多节点联合调制识别方法。首先利用似然比推导了特征融合的联合识别准则;然后依据准则给出了多节点调制识别的仿真性能;最后和基于决策融合的多节点调制识别方法进行了比较。仿真结果表明,在没有过多增加网络通信负载的情况下,特征融合相比决策融合提高了识别性能。
针对单一价值评价的聚焦爬虫搜索策略存在主题漂移等问题进行了研究,充分利用量子进化算法所具有的智能性,提出一种新的聚焦爬虫爬行算法。该算法充分结合网页在互联网上的分布特点,利用立即价值和未来价值两类评价标准的优势,根据聚焦爬虫实际运行过程中的搜索情况,在线调整这两种标准在综合价值中的比重。实验仿真结果表明,相对于单一价值的搜索策略,量子进化算法获得较高的页面查全率和信息查准率,能较好地解决现存问题,
介绍了一种密码服务库,指出了其缺少椭圆曲线加密算法组件,并对其进行了相应的改进,将椭圆曲线集成加密方案(elliptic curve integrated encryption scheme,ECIES)加入到核心密码算法组件库之中。正确设计了ECIES加密体制结构,实现了ECIES组件的功能调用,提升了该密码库密码服务能力的完整性。
提出了一种轻量级的插件机制,该机制能够动态扩展设备API和有效管理插件的生命周期,并且通过名字空间机制来解决命名冲突问题。测试结果证明,该方案是有效的。
针对现有的权值函数采用人为指定的核函数,难以准确地反映图像复杂处像素间的色度相似关系,提出了利用自然彩色图像特性构建权值函数的方法。根据自然图像的像素在RGB空间的分布特征,提取出色度与灰度的局部线性关系,并利用其作为先验知识结合最小二乘法推广至整幅图像,进而获得一种新的权值函数。该权值函数能将相近的两像素间的灰度差异、位置差异及周围像素的灰度分布统一到色度相似程度的计算中。实验结果表明,该权值函
提出一种带OCL约束的状态图测试线索的自动生成方法。该方法自动解析类图和带OCL约束的状态图的XML模型文件,获取相应的状态节点邻接表,再结合状态对—事件约束集合生成带OCL约束的测试线索。实例研究表明,通过OCL约束冲突判断可避免不可行测试线索的生成,减少测试用例数目,达到降低测试成本的目的。实验结果证明了该方法的可行性和有效性。
详细分析LEACH协议,针对LEACH协议随机产生簇头导致网络中出现局部区域簇头分布不均、簇的规模不一、整个网络能耗不均衡、网络寿命缩短等问题,提出了一种聚类区域自适应调整的WSN能耗均衡分簇算法。在算法的选举簇头阶段,将节点剩余能量、备选簇头与邻居簇头的间距相结合作为判据参数;在成簇阶段,将节点预加入的簇头到基站的距离考虑在内,比较多个数据流向,采用节能最优路径策略。仿真结果表明,该协议能够有效
混合无线传感器网络中的覆盖洞修补通常由网络内的移动传感器移动实现。现有文献中的算法只关注最小化所有移动传感器的移动能量消耗或最小化所有移动传感器中的最大能量消耗中的一个。为此,首先提出一种同时实现前述两个目标的离线算法,其次提出一种双目标的覆盖洞在线修补算法。双目标离线算法基于两个单目标算法的结合。双目标在线算法基于分层分离树上的在线匹配,能有效降低匹配开销。在线算法中感应区域的单元分隔摆脱了算法
基于雾会降低图像对比度以及边界模糊的实际情况,提出一种基于颜色空间的单幅图像去雾算法。首先计算每个像素在RGB颜色空间中距离灰阶线(原点与点(255,255,255)所确定的直线)的距离,确定深度图像;然后根据灰阶线距离计算每个像素在颜色空间中的新位置,进而获得去雾后的图像。算法具有良好的实用性和并行计算可行性。实验结果表明:算法显著增强了图像的对比度、颜色饱和度等,具有良好的去雾效果。
针对现有的孤立点检测算法在通用性、有效性、用户友好性及处理高维大数据集的性能还不完善,提出了一种快速有效的基于层次聚类的全局孤立点检测方法。该方法基于层次聚类的结果,根据聚类树和距离矩阵可视化判断数据孤立程度,并确定孤立点数目。从聚类树自顶向下,无监督地去除孤立点。仿真实验验证了本方法能快速有效识别全局孤立点,具有用户友好性,适用于不同形状的数据集,可用于大型高维数据集的孤立点检测。