期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于同态加密的综合能源系统完全分布式低碳经济调度
1
作者 胡景成 范耘豪 +1 位作者 朱同 陈珍萍 《中国电力》 北大核心 2025年第2期164-175,共12页
针对综合能源系统分布式调度过程中的隐私泄露问题,考虑分布式调度节点功率受限特性,提出了一种基于同态加密的完全一致性低碳经济调度方法。首先,对系统中供能单元和用能负载进行功率分析,建立综合经济性和低碳性的能源系统调度模型,... 针对综合能源系统分布式调度过程中的隐私泄露问题,考虑分布式调度节点功率受限特性,提出了一种基于同态加密的完全一致性低碳经济调度方法。首先,对系统中供能单元和用能负载进行功率分析,建立综合经济性和低碳性的能源系统调度模型,引入供需不匹配状态估计变量,提出一种完全分布式一致性低碳经济调度算法。其次,利用同态密码学设计基于同态加密理论的信息交互策略,使节点在不泄露自身隐私数据的前提下与邻居节点安全地交换状态信息。同时同态加密技术允许直接在密文上进行运算,并确保解密后的结果与明文的直接计算结果一致,从而保证了低碳经济调度的准确性。最后,通过数值仿真实验验证了所提调度算法的有效性。 展开更多
关键词 综合能源系统 低碳经济调度 一致性算法 同态加密机制 碳交易机制
在线阅读 下载PDF
基于一致性的综合能源系统低碳经济调度 被引量:19
2
作者 贺文 陈珍萍 +2 位作者 胡伏原 景苏川 顾敏明 《电力系统保护与控制》 EI CSCD 北大核心 2023年第19期42-53,共12页
综合能源系统(integrated energy system,IES)是解决能源损耗和环境污染问题的有效途径。为提高IES的经济性和环保性,提出了一种基于一致性的IES低碳经济调度策略。首先,在IES中引入阶梯式碳交易机制,在碳交易成本函数构造中,提出一种... 综合能源系统(integrated energy system,IES)是解决能源损耗和环境污染问题的有效途径。为提高IES的经济性和环保性,提出了一种基于一致性的IES低碳经济调度策略。首先,在IES中引入阶梯式碳交易机制,在碳交易成本函数构造中,提出一种随着碳排区间而递增的成本系数,通过成本的非线性递增来限制碳排放量。其次,综合考虑能量传输过程中的损耗问题,构建一种结合用能需求和传输损耗的供需平衡约束条件。然后,将电、热、气供能单元的增量成本作为一致性变量,利用领导一致性算法对IES进行分布式调度,进而实现各单元的供能最优输出。最后,结合不同的实验案例验证了所提低碳经济调度策略的有效性。 展开更多
关键词 综合能源系统 低碳经济调度 一致性算法 增量成本 碳交易机制
在线阅读 下载PDF
融合多源因素的编码器-解码器沉降长时预测模型
3
作者 徐浩钧 顾敏明 +2 位作者 程洪福 李晨露 胡伏原 《微电子学与计算机》 2025年第2期39-49,共11页
石质文物假山长期曝露于室外,受多源因素影响易形成不均匀沉降,因此假山沉降传感器监测与长时精准预测对石质文物保护十分必要。现有沉降长时预测方法难以有效解决噪声和瞬时波动造成的精度降低与应用可靠性问题。为此,本文提出一种融... 石质文物假山长期曝露于室外,受多源因素影响易形成不均匀沉降,因此假山沉降传感器监测与长时精准预测对石质文物保护十分必要。现有沉降长时预测方法难以有效解决噪声和瞬时波动造成的精度降低与应用可靠性问题。为此,本文提出一种融合多源因素的编码器-解码器沉降长时预测模型。在多源因素编码器中设计动态多源因素融合模块将深度特征进行融合并实时计算沉降、温度、振动、裂缝等多源因素与目标数据的动态相关性;在时域增强解码器中构建多头自适应平滑模块,通过多头注意力的方法自适应学习各时间步的平滑指数,保留时间序列长期趋势,减少传感器带来的噪声和瞬时波动。本模型以环秀山庄沉降监测系统的实测数据集进行验证,结果表明该模型相较于基线方法在评价指标均方根误差(Root Mean Squared Error,RMSE)指标、平均绝对误差(Mean Absolute Error,MAE)指标以及连续排序概率评分(Continuous Ranked Probability Score,CRPS)最高分别提升了19.1%、19%以及16.3%,且符合实际应用需求。 展开更多
关键词 沉降长时预测 多源因素 编码器-解码器 注意力机制 多头自适应平滑 石质文物保护
在线阅读 下载PDF
面向深度学习的三维点云补全算法综述
4
作者 胡伏原 李晨露 +2 位作者 周涛 程洪福 顾敏明 《中国图象图形学报》 北大核心 2025年第2期309-333,共25页
点云因其丰富的信息表达能力已成为三维视觉的主要表现形式,然而实际采集到的点云数据往往因各种因素导致稀疏或残缺,严重影响点云后续处理。点云补全算法旨在从残缺点云数据中重建完整点云模型,是3D重建、目标检测和形状分类等领域的... 点云因其丰富的信息表达能力已成为三维视觉的主要表现形式,然而实际采集到的点云数据往往因各种因素导致稀疏或残缺,严重影响点云后续处理。点云补全算法旨在从残缺点云数据中重建完整点云模型,是3D重建、目标检测和形状分类等领域的重要研究基础。目前,基于深度学习的点云补全算法逐渐成为三维点云领域的研究热点,但补全任务中模型结构、精度和效率等挑战正阻碍点云补全算法的发展。本文对深度学习背景下的点云补全算法进行系统综述,首先根据网络输入模态将点云补全算法分为两大类,即基于单模态的方法以及基于多模态的方法。接着根据三维数据表征方式将基于单模态的方法分为三大类,即基于体素的方法、基于视图的方法以及基于点的方法,并对经典方法和最新方法进行系统的分析和总结,同时结合热点模型,如生成对抗网络(generative adversarial network,GAN)、Transformer模型等进一步分类对比,评述各类模型下点云补全算法的方法特点与网络性能。再对基于多模态的方法进行实际应用分析,结合扩散模型等方法进行算法性能对比。然后总结点云补全任务中常用的数据集及评价标准,分别以多种评价标准对比分析现有基于深度学习的点云补全算法在真实数据集与多种合成数据集上的性能表现。最后根据各分类的优缺点提出点云补全算法在深度学习领域的未来发展和研究趋势,为三维视觉领域的补全算法研究者提供重要参考价值。 展开更多
关键词 点云补全 体素方法 多模态方法 Transformer模型 扩散模型
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部