关键词： 电动汽车充电   有序充电   遗传算法  

摘要： 大量电动汽车的充电负荷无序接入,会对电网造成很多负面影响,因此需要对居民进行有序充电策略研究。本文先根据居民区车主行为特性搭建充电负荷模型,并对无序充电进行仿真计算分析。再利用遗传算法模拟仿真出不同时段下的有序充电结果,分析论证优化的可行性。

关键词： 无线传感器网络   伪装认可攻击   模糊理论   遗传算法  

摘要： 由于无线传感器网络(WSNs)的通信链路并不如有线网络一样私密可控,在面对伪装认可攻击(FEIAs)时鲁棒性不强。针对这种情况,提出基于遗传算法与模糊理论的自适应防御(ACS)方案。针对ACS方案容易对FEIAs产生误判的问题,重点分析了安全参数选择,并对此方案进行模拟仿真。仿真结果显示提出的结合型防御算法相较于传统ACS方案减少了存储需求和计算复杂度,能提高检测精度,同时能在单一WSN模型中有效实现,实现模糊系统的自适应优化。

关键词： 风电场   电池储能   遗传算法   容量配置   分组控制   不平衡度  

摘要： 为解决风电出力的波动性和不确定性问题,提出一种基于电池储能分组控制策略并计及其运行不平衡性的风电场电池储能容量优化配置方法。首先,在比较分析不同电池储能分组策略基础上,提出风储联合系统三电池组分组控制策略及充放电运行模式,并构建计及经济成本、衰减指标和寿命期限的多目标电池储能容量配置优化模型;然后,采用变分模态分解法处理风电数据,并通过非支配排序遗传算法与CRITIC-TOPSIS综合决策法联合求解获取最佳的电池储能容量配置方案;最后,通过与现有分组控制策略对比,验证该文所提出的三电池分组策略在改善电池储能充放电不平衡性以及减缓损耗方面的有效性,并对比不同目标和不同决策方法下的电池储能配置方案,结果表明该文提出的多目标优化模型与综合决策方法在延长电池使用寿命的同时保证经济性方面具有明显优势。

关键词： 智能电网   数据分析   负荷预测   特征提取  

摘要： 为了提升智能电网负荷预测准确率,提出了一种基于深度学习的短期电力负荷预测模型。在长短时记忆网络和卷积神经网络基础上,构建混合CNN-LSTM预测模型结构。利用基于叠加卷积降噪自动编码器对电力数据进行特征提取,提出包含2个堆叠的LSTM层和1个线性输出层的负荷预测模型。24 h短期负荷预测结果表明,所提模型MAE、RMSE、MAPE和R2指标分别为232.08、292.19、0.0322、0.909,与XGBoost模型相比,性能分别提升74.8%、73.8%、70.8%和10.9%。

关键词： 政治思想史   政治学研究   语言学转向   西方学术界   科学研究   行为主义   学术地位   实证研究  

摘要： 回顾20世纪后半叶以来政治思想史研究在西方学术界的发展,其在政治学、历史学等相关主学科中学术地位的下降,可能是所有研究者都不得不面对的事实。自行为主义兴起以来,政治学研究就开始由传统政治学研究转向政治科学研究,实证研究.

关键词： 车载光学测量设备   任务调度   多目标优化   遗传算法  

摘要： 针对车载光学测量设备任务调度方案优化问题,提出了一种基于非支配排序的遗传算法(non-dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)的多目标遗传算法。首先,建立了包含约束、优化指标在内的观测任务调度问题的数学模型。其中,针对多优化指标进行巧妙处理,将某些不作为最优指标的优化指标作为指标约束进行处理。其次,基于NSGA-Ⅱ中的快速非优超排序方法计算多目标适应度函数与选择算子,多目标优化求解得到的Pareto最优解集即为任务调度方案集。最后,通过仿真算例对所提算法进行了求解验证。仿真结果表明,该算法能够有效解决任务调度方案优化问题,为车载光学测量设备的工程实践提供了一定的参考。

关键词： 电子信息化技术   智能网络   个性化体验  

摘要： 阐述智能网络与计算技术在案例课程教学中的应用特点,包括提供更加个性化的学习体验、提高教学质量和学习效率。从创建数字化环境、实施个性化指导和利用计算机技术方面,提出创新策略。

关键词： 云计算   交通监控   车流量   交通数据  

摘要： 本文针对传统交通监控系统画质低、准确率低和延迟高等问题,设计出一种基于云计算技术的智能交通云联网监控系统。在硬件设计方面,使用解码器与监控器为系统提供支持;在软件设计方面,从特征分类、模型训练和隐患检测等方面完成监控程序与外设间的数据交换,进而应用云计算对交通数据信息进行准确识别与分类。试验结果表明,与传统交通监控系统相比,本文系统监控画质良好、稳定性高,识别准确率也具有一定优势,能够满足智慧交通建设所需。

关键词： 大数据   人工智能   计算机网络技术  

摘要： 在大数据时代,人工智能技术在计算机网络中扮演着越来越重要的角色。本文探讨了人工智能在网络优化与调度、网络入侵检测和网络数据融合中的应用。通过智能算法,如机器学习和遗传算法,优化了路由策略,提高了网络效率。同时,利用深度学习等技术增强了入侵检测的准确性,加强了网络安全。此外,通过大数据技术和人工智能算法对多源网络数据进行整合和分析,实现数据的实时融合和有效利用,以期促进人工智能技术在计算机网络领域的进一步研究和应用,提高网络安全和性能。

关键词： 造纸厂   管理优化   Pareto排序   遗传算法  

摘要： 传统造纸厂管理优化通常只针对单一目标,忽略了质量和安全等重要方面。因此,提出了一种面向造纸厂的多个目标优化方法,并结合Pareto排序以及遗传算法搜索机制改进的Pareto-遗传算法作为求解方法,以实现对造纸厂监管系统的优化设计。研究结果显示,使用Schaffer's F6 Function进行测试时,改进的Pareto-遗传算法在72次迭代后达到最大适应度值0.93,优于其他两种算法。进一步将工期、成本、质量和安全多目标问题分解为两个子问题,成功获得3组Pareto最优解,为管理者提供不同需求下的优化方案。同时,提出的造纸厂管理系统优化设计方案能够提升造纸厂管理的效率和安全性,具有重要的理论价值和实际应用前景。