2023年天游注册代理1958
信息技术研究生论坛(十七)
场次一、
时间:2023年7月17日(星期一)9:00-12:00
地点:天游注册代理1958601教室
报告题目一:一种基于 PANet的嵌入注意力机制的轻量级非侵入式负荷监测模型
报告人:余武清
报告简介:目前基于深度学习的非侵入式负荷监测的模型,要么陷入超大的待训练的超参数,要么训练时间过长,同时对不同房屋的泛化性能不理想。研究旨在提出一种基于 PANet 的轻量级网络模型,并引入注意力机制,提高网络对多状态电器的分解精度。轻量级(十万级别的超参数)的网络模型不仅大幅提升了能源分解准确率,更能准确预测电器的开关状态,相比其他现有的方法,模型的泛化能力显著提高,即在不同建筑物或不同房屋内的负荷分解性能显著提高。提出的注意力机制能进一步提升负荷分解性能,特别是对于目前大部分模型分解较差的多状态电器(如 dishwasher 和 washing machine),依然能保证较好的分解准确率。
报告题目二:基于分层分类及注意力机制的非侵入式负荷识别模型
报告人:余武清
报告简介:使用 VI 轨迹作为负荷特征,将无功电流、有功功率等特征使用 RGB 颜色编码进 VI 轨迹之后,首次提出将 VI 轨迹对称化处理,同时将电流的谐波特征映射至 VI 轨迹中的背景空相素中,提升负荷的差异性。此外提出一种基于轻量级 Swin transformer 的分层分类,通过使用 k-means 算法对轨迹图进行预分类,可以减少分层分类中手动将轨迹图分为几个更抽象的类别的操作。实验结果表明,提出的方法能有效缓解类内多样性较大的缺点。
报告题目三: 电力系统优化运行中的机组组合问题
报告人:贺子贤
报告简介:机组组合是电力系统优化调度的经典问题之一,是电厂指定发电计划首要解决的问题。机组组合是一个混合整数非线性规划问题,属于NP难问题。机组组合问题的提出是在20世纪40年代,随着电力系统结构越来越复杂、规模越来越大,对发电的经济运行调度问题随之产生。以优化理论为指导,科学合理的研究机组组合问题,在满足能源供应需求的同时,促进电网安全稳定运行,提高能源的优化配置,推进电力系统的节能减排,降低机组的运行成本,提高能效,使机组处于优化运行状态,具有重要的理论研究意义和实际应用价值。
报告题目四:电力系统机组组合中的对称性
报告人:贺子贤
报告简介:机组组合常常被建模为一个混合整数规划问题,在现实世界中,往往存在很多相同的发电机组(即,具有相同的性能参数以及相同的成本系数的机组),这些机组的存在会给问题带来大量的对称性,而对称性会严重影响分支割平面法的求解效率。如何利用机组中的对称性来加快求解速度是当前提高机组组合问题求解速度的关键之一。对于电力系统优化运行具有重大意义。
报告题目五:基于分布式鲁棒优化的发电自调度模型
报告人:刘翔宇
报告简介:在实际发电工作中,发电公司为了在保证竞价成功的同时实现利润最大化,需要制定一种能够应对各种情况的经济自调度策略。而分布式鲁棒优化(DRO)可以有效地求解不确定环境下的经济调度问题,能在不确定性条件下为发电公司提供足够鲁棒与经济的调度方法。在这项工作中,我们提出将DRO应用于负载不确定性下的发电自调度策略中,提出了基于线性矩的DRO模型,并证明了算法的理论上界是原问题的外近似。
报告题目六:基于分布式鲁棒优化的配电网经济自调度模型
报告人:刘翔宇
报告简介:配电网作为对社会直接供电的网络,其稳定与否在很大程度上影响着社会生产活动的正常运行。为了有效处理配电网中诸如负载变化、分布式发电机(DG)、线路故障等不确定性因素,我们使用基于KL散度的分布模糊集来处理配电网不确定因素,提出了三相不平衡的DNR分布式鲁棒模型,在考虑模糊集内DG输出与负载变化最差的分布下,计算配电网所能获得的最优配置。
报告题目七:基于深度学习的解混合整数规划问题方法
报告人:李佩伦
报告简介:混合整数线性规划(MILP)被广泛用于组合优化问题的建模。在实践中,只有系数变化的类似MILP实例被常规求解,并且机器学习算法能够捕获这些MILP实例中的常见模式。在这项工作中,我们将ML与优化相结合,并提出了一种新的预测和搜索框架,用于有效地识别高质量的可行解决方案。具体来说就是利用图神经网络来预测每个变量的边际概率,然后在预测解周围的一个适当定义的球内搜索最佳可行解。
报告题目八:使用图神经网络表示线性规划
报告人:李佩伦
报告简介:学习优化是一个快速发展的领域,旨在使用机器学习解决优化问题或改进现有的优化算法。特别是,图神经网络被认为是一种适用于变量和约束是排列不变的优化问题的ML模型,例如线性规划(LP)。给定LP的任何大小限制,构造一个GNN,将不同的LP映射到不同的输出。正确构建的GNN可以可靠地预测广泛类中每个LP的可行性、有界性和最优解。证明是基于最近发现的Weisfeiler–Lehman同构检验和GNN之间的联系。
报告题目九:基于深度学习的配电网重构
报告人:银金娇
报告简介:可再生能源和动态负荷的快速增长凸显了配电网运行中的短期电压稳定( STVS )问题。随着计量、通信和控制技术的进步,基于深度学习的配电网重构( DNR )成为维护系统安全经济运行的有效手段。然而,传统的STVS是针对特定的网络拓扑使用时域仿真进行评估的,无法显式地表示为函数进行优化,使得在DNR中考虑STVS变得困难。提出了一种高效的基于深度学习的方法来解决这个问题。
报告题目十:基于分布鲁棒的微电网优化问题
报告人:银金娇
报告简介:提出的鲁棒协调运行方法可以在两种运行模式下不违反任何运行约束的情况下最小化运行成本,具有实际应用的主要优势。此外,值得注意的是,只有足够大的不确定性集合才能保证对高不确定性程度的完全运行鲁棒性,所提出的鲁棒协调运行方法在并网和孤岛运行模式下均能实现对不确定性的鲁棒最优解。
报告题目十一:基于改进swin-transofrmer网络识别甘蔗和杂草
报告人:张梦华
报告简介:在智能农业快速发展的背景下,迫切需要自动化除草设备来处理农田杂草。准确识别图像中作物和杂草的系统是自动除草设备的关键部分。在这篇文章中,我们针对swin-transformer应用
到甘蔗农田中杂草识别存在的问题,做出了一些改进。swin-tranformer的计算复杂度大,识别速度慢,我们将其中的一部分用卷积网络替换,减小了网络的参数和训练时间,具有了很强的实际应用参考意义。
报告题目十二:基于掩模多头注意力机制的甘蔗农田中密集杂草预测
报告人:张梦华
报告简介:在实际的甘蔗农田中杂草与甘蔗的叶片相互遮挡,交叉,重叠。现在的方法没有很好的解决杂草和甘蔗边界细节的精确分割。我们在Unet网络中引入了Mask-attention机制来获得精确的边界信息指导模型在训练过程中的参数训练,并引入了SE注意力机制加强通道之间的竞争,在编码网络中学习到更多有用的特征信息,以至于解码网络能够精确分割作物和杂草。
场次二、
时间:2023年7月17日(星期一)9:00-12:00
地点:腾讯会议:188-588-976
报告题目一:基于TrustRank算法的车辆信任值评估模型
报告人:解晓锋
报告简介:提出了一种评估车辆可信度的信任模型,计算局部信任值时,在当前贝叶斯信任的基础上引入惩罚因子和调节函数降低开关攻击对评估结果的影响,考虑到信任的时间相关性,引入时间滑动窗口对局部信任值进行更新,并基于TrusRank算法评估车辆的综合信任值。
报告题目二:基于联盟链的分布式信任管理架构研究
报告人:解晓锋
报告简介:首先介绍基于联盟链的分布式信任管理架构研究的背景和意义。传统的基于RSU或基于车辆收集评级信息的信任架构具有很大的局限性,本文设计了基于联盟链的分布式车联网信任管理架构,分三层来实现分布式运行。新的信任管理架构中,通过RSU收集车辆之间的互评信息,并通过PBFT共识算法将评级信息写入区块链账本中,并保证评级信息的全网可信共享。其次,改进了PBFT共识机制,将主节点选取与RSU收集评级信息量关联,增强了主节点选取的随机性,从而使攻击者难以对主节点发起集中式攻击。最后,理论分析了系统具有分布式、隐私性、一致性、防篡改等安全属性,且能抵抗针对RSU侧和车辆侧的攻击,并仿真验证了所提方案的有效性。