双层模型

摘要： 汛前消落水位是连接梯级水库枯水期和主汛期的关键水位。现有消落水位研究多强调消落期发电效益,而不考虑主汛期弃水风险,且难于考虑机组检修、生态流量等复杂约束条件,导致研究成果在实际中难以应用。为此,以梯级水库的发电量最大和弃水量最小为目标,提出一种双层优化调度模型:外层优化水库群汛前消落水位,内层采用DDDP-SA算法优化水库群枯水期至主汛期的调度轨迹,同时由历年机组检修情况确定出力约束,综合确定梯级水库汛前消落水位区间。以清江梯级水库为例,推荐的水布垭及隔河岩水库的汛前消落水位区间分别为368~371 m、185.5~187 m。提出的方法能为梯级水库汛前消落水位制定提供技术支撑。

摘要： 本文通过考虑电转气设备接入后对风电场运行效益的积极作用,将风电投资商作为电转气设备的运营主体,建立促进风电消纳的双层优化模型。其中,配置层模型以风电运营商投资收益最大为目标函数,采用飞蛾扑火算法得到电转气设备安装容量,运行层模型以系统运行成本最小为目标函数,采用原对偶内点法计算得到系统运行参数,通过中间变量在双层模型间进行传递直至迭代搜索到最优配置方案。以修改的IEEE39节点电力系统网络及20节点天然气网作为仿真算例,分析电转气设备配置前后以及不同风险水平下的优化结果。

摘要： 随着轨道交通快速发展和小汽车保有量的增长,公交客流量持续下滑,公交公司的利润也随之下降。文章建立了双层规划模型:上层模型以最优化公交公司利润为目标;下层模型考虑用户选择行为,对城市地面混合交通网络流量进行均衡分配,并基于Frank-Wolf算法对模型进行求解,最后结合算例,通过敏感度分析研究公交发车频率对公交公司利润影响。

摘要： 随着多个微电网接入主动配电网(acitve distribution network, ADN)系统运行,微电网与ADN之间的相互作用关系越加明显,使得求解ADN系统经济调度难度加大。为更好平衡微电网和ADN的经济关系,提高ADN系统的经济调度求解效率,提出一种考虑分时电价机制的多微电网与ADN双层模型。根据优化目标的不同,将整个ADN系统分为上、下层,层与层通过联络线的传输功率来实现整个系统的最优调度。其中下层以各微电网内可控电源出力、买/卖电收益及有功平衡为约束建立并网微电网的数学模型,采用基于Tent映射和正态分布交叉(normal distribution crossover, NDX)算子结合非支配排序遗传算法Ⅱ (non-dominated sorting in genetic algorithm-II,NSGA-II)求解。上层以ADN系统买/卖电的功率和ADN系统最优潮流为约束建立ADN系统最优潮流模型,通过二阶锥规划(second order cone programming, SOCP)松弛技术与Gurobi工具求解系统最优解。最后以改进IEEE 33节点的配电网系统作为算例进行验证,结果表明:所提的双层模型具有一定的可行性;与固态电价下的ADN系统经济性相比,动态分时电价机制下ADN系统的经济性更好。

摘要： 风电大规模集中并网使输电网中电源出力的不确定性显著增强,并且当前考虑风电和负荷不确定性的输电网规划模型大多采用直流潮流,规划结果的准确性有待提高。以交流潮流为基础,构建了考虑风电和负荷不确定性的输电网多目标柔性规划双层模型。上层模型是以建设投资等年值费用、年网损费用和运行效率为目标的输电网多目标规划模型,采用带精英策略的非支配排序遗传算法求解,并将帕累托最优规划方案集合传递给下层;下层模型是以弃风和切负荷量最小为目标的多场景校验模型,用来校验帕累托最优规划方案集合对于风电和负荷不确定性的承受能力,根据下层模型的弃风和切负荷期望值修改上层模型的约束条件,从而将风电和负荷不确定性的影响传递给上层模型。对下层模型的交流潮流约束进行二阶锥松弛,将非线性且非凸的规划模型转化为具有凸可行域的二阶锥规划模型,利用Cplex求解器进行高效求解。最后,用调整后的39节点系统验证了所提模型的有效性。

摘要： 纺织基太阳能空气集热器作为轻质柔软的太阳能集热器,在中低温集热领域具有潜在的应用前景。文章设计了新型双层纺织基太阳能空气集热器,并进行户外试验,探究单双层结构、间隔丝密度、空气质量流量对集热器性能的影响。研究结果表明:在空气质量流量为0.023 kg/(m^(2)·s)时,双层纺织基太阳能空气集热器热转移因子和总热损系数分别为0.97和5.87 W/(m^(2)·°C),集热性能优于同条件下单层结构集热器;进出口空气温差和集热效率随间隔丝密度的增加而增加;集热效率随空气质量流量的增加而增加,当空气质量流量为0.037 kg/(m^(2)·s)时,间隔丝密度为36根/cm^(2)的集热器集热效率为0.64。

摘要： 随着政府对“碳达峰”等环保政策的贯彻落实,电动汽车凭借节能环保等优点得到了迅速发展。由于电动汽车续航里程短,充电时间长,且路网中的补能需求与充电桩存在时空错配的现象,导致电动汽车补能排队时间长和驾驶员产生里程焦虑等一系列负效应。为此,本文首先从整体路网补能负效应最小化角度,通过引入激励手段实现最优补能方案,建立电动汽车补能诱导双层优化模型。其中,上层为路网补能负效应最小化诱导激励模型;下层为带有补能站点选择的混行路网均衡模型。然后,采用遗传算法求解上层模型,下层模型通过Frank-Wolfe算法求解,得出路网中补能车辆的最优诱导方案。最后,以经典Nguyen-Dupius路网为例验证模型,并进行灵敏度分析。结果表明,尽管本文提出的补能诱导模型增加了规划者的激励成本,但总社会补能负效应成本降低,证明了补能诱导的有效性。

摘要： 为解决城市轨道交通线网规划实践中,缺乏量化为主的成网技术流程,站点数量较多情况下规划工作复杂等问题,基于给定站点,将站点间邻接关系和网络上的边是否存在线路以0-1变量表示,并作为决策变量,分别以线网总里程最小化和运营效率最大化为目标,建立由网络设计模型和线路选择模型组成的初步辅助构建模型;并在站点可达性和工程可行性的约束下,设计基于聚类的最小生成树算法和网络修正方案,求解网络设计模型,提高网络生成速度,修正不合理的网络结构;并在运营可行性约束下,设计基于禁忌算法的双目标规划求解算法,求解线路选择模型,成功将其转化为单目标问题,提高算法寻优速度。将实际运营轨网站点和客流OD作为输入,双层模型可获得最优网络和线路方案,并与实例比较证明结果的合理性。结果表明,模型结果与已开通运营轨网近似,但线网总里程更低,运营效率更高,线网总里程降低1.7%,直达客流比增加0.7%,一次换乘客流比增加4.2%。

摘要： 封闭小区的开放可以增加城市道路网密度,缓解交通拥堵,但目前封闭小区开放方案的决策方式单一,且未考虑开放后给小区带来的汽车尾气和交通噪声污染问题。将交通环境影响纳入考量范围,以行程时间、尾气排放和交通噪声构成的总目标费用函数值最小作为优化目标。引入封闭小区是否开放、单双行和限速这3种决策方式,建立上层系统费用最优和下层用户均衡的封闭小区开放双层决策模型,并利用遗传算法和Frank-Wolfe算法分别对上、下层模型进行求解。对模型优化效果进行验证分析,结果表明,所建模型最优解的费用值相对偏差为0.67%,应用此模型后同比节省费用平均值为11.80%。对比分析得到:合理设置封闭小区开放的3种决策方式,可以减少车辆行程时间和绕行距离,降低出行者的出行费用和考虑交通环境影响的附加费用,且采取相对较高的限速值有利于降低出行总费用值。

摘要： 分布式电源在配电网中渗透率越来越高,导致配电网电压越限问题凸显,对此构建协同考虑主动配电网设备规划和运行的双层优化模型。上层模型考虑配电网中分布式电源、静止无功补偿器及电容器组的容量配置优化以减少配电网投资运行成本。下层模型考虑需求侧响应,有载调压变压器、储能及分布式电源等设备的协调控制,着重提高电压稳定性。针对模型特征,采用基于改进麻雀算法和二阶锥规划的混合优化算法进行求解。外部采用改进麻雀算法求解多维变量以提高求解速度,内部基于二阶锥规划求得配电网主动管理控制策略。最后采用改进的IEEE33节点系统进行仿真验证。结果表明,所提出双层优化方法可以有效提高配电网运行经济性,改善配电网电压分布,平抑负荷峰谷差。

摘要： 车型分类在智能交通和计算机视觉领域有重要的应用,现有车型分类方法主要基于单一视角的视频序列,训练出的模型难以迁移到其他视角,而且大多数采用底层特征描述车辆,容易受到噪声影响.本文提出了一种基于单帧图像的、多视角的双层分类框架,并且提出了带有语义信息的中层特征提取方法.本方法在五个视角的车型图像数据集上做了广泛测试,实验结果表明,本文方法的分类准确率高于传统的词袋模型和随机森林模型.相对于单层分类框架和单视角的模型,本文提出的方法取得了更强的鲁棒性和推广性.

摘要： 车型分类在智能交通和计算机视觉领域有重要的应用,现有车型分类方法主要基于单一视角的视频序列,训练出的模型难以迁移到其他视角,而且大多数采用底层特征描述车辆,容易受到噪声影响.本文提出了一种基于单帧图像的、多视角的双层分类框架,并且提出了带有语义信息的中层特征提取方法.本方法在五个视角的车型图像数据集上做了广泛测试,实验结果表明,本文方法的分类准确率高于传统的词袋模型和随机森林模型.相对于单层分类框架和单视角的模型,本文提出的方法取得了更强的鲁棒性和推广性.

摘要： 车型分类在智能交通和计算机视觉领域有重要的应用,现有车型分类方法主要基于单一视角的视频序列,训练出的模型难以迁移到其他视角,而且大多数采用底层特征描述车辆,容易受到噪声影响.本文提出了一种基于单帧图像的、多视角的双层分类框架,并且提出了带有语义信息的中层特征提取方法.本方法在五个视角的车型图像数据集上做了广泛测试,实验结果表明,本文方法的分类准确率高于传统的词袋模型和随机森林模型.相对于单层分类框架和单视角的模型,本文提出的方法取得了更强的鲁棒性和推广性.

摘要： 车型分类在智能交通和计算机视觉领域有重要的应用,现有车型分类方法主要基于单一视角的视频序列,训练出的模型难以迁移到其他视角,而且大多数采用底层特征描述车辆,容易受到噪声影响.本文提出了一种基于单帧图像的、多视角的双层分类框架,并且提出了带有语义信息的中层特征提取方法.本方法在五个视角的车型图像数据集上做了广泛测试,实验结果表明,本文方法的分类准确率高于传统的词袋模型和随机森林模型.相对于单层分类框架和单视角的模型,本文提出的方法取得了更强的鲁棒性和推广性.

摘要： 车型分类在智能交通和计算机视觉领域有重要的应用,现有车型分类方法主要基于单一视角的视频序列,训练出的模型难以迁移到其他视角,而且大多数采用底层特征描述车辆,容易受到噪声影响.本文提出了一种基于单帧图像的、多视角的双层分类框架,并且提出了带有语义信息的中层特征提取方法.本方法在五个视角的车型图像数据集上做了广泛测试,实验结果表明,本文方法的分类准确率高于传统的词袋模型和随机森林模型.相对于单层分类框架和单视角的模型,本文提出的方法取得了更强的鲁棒性和推广性.

摘要： 城镇化的快速推进引起居民出行供不应求现象的产生,为解决这个问题,本文展开城乡公交一体化线网规划模型研究.本文以此为出发点首先建立了城乡公交一体化线网规划模型,上层模型以交通管理部门城乡公交线网建设投资总额最小为目标,下层模型以线网中路阻最小为目标.最后,基于遗传算法提出求解过程.通过分析,该模型能够为城乡公交建设提供一定的理论基础.

摘要： 城镇化的快速推进引起居民出行供不应求现象的产生,为解决这个问题,本文展开城乡公交一体化线网规划模型研究.本文以此为出发点首先建立了城乡公交一体化线网规划模型,上层模型以交通管理部门城乡公交线网建设投资总额最小为目标,下层模型以线网中路阻最小为目标.最后,基于遗传算法提出求解过程.通过分析,该模型能够为城乡公交建设提供一定的理论基础.

摘要： 城镇化的快速推进引起居民出行供不应求现象的产生,为解决这个问题,本文展开城乡公交一体化线网规划模型研究.本文以此为出发点首先建立了城乡公交一体化线网规划模型,上层模型以交通管理部门城乡公交线网建设投资总额最小为目标,下层模型以线网中路阻最小为目标.最后,基于遗传算法提出求解过程.通过分析,该模型能够为城乡公交建设提供一定的理论基础.

摘要： 城镇化的快速推进引起居民出行供不应求现象的产生,为解决这个问题,本文展开城乡公交一体化线网规划模型研究.本文以此为出发点首先建立了城乡公交一体化线网规划模型,上层模型以交通管理部门城乡公交线网建设投资总额最小为目标,下层模型以线网中路阻最小为目标.最后,基于遗传算法提出求解过程.通过分析,该模型能够为城乡公交建设提供一定的理论基础.

摘要： 文章设计出铁路枢纽货运站业务优化思路,提出了货运业务分散度的概念,并在此基础上构造以业务分散度、系统运营成本为上层优化目标,货主运输费用为下层优化目标的多目标双层规划模型。以广州铁路枢纽货运站业务分工为例,利用该模型进行优化求解,完成枢纽货运站业务优化方案的设计。计算结果表明,模型对优化枢纽内铁路货运站业务分工、减少枢纽内系统交通流量负荷有显著作用,并与广州铁路枢纽货运站的发展规划格局相符。

摘要： 本发明提供了一种考虑双层碳排放优化分配模型的区域多系统双层分散优化调度方法，构建了一种区域多能源系统双层碳排放优化分配模型，上层区域多能源主系统主要考虑了配电网、配气网和配热网系统，基于实时环境监测而制定其实时碳排放约束，按照下层区域内各多能源子系统的历史碳排放量实时分解给下层区域内各多能源子系统，并且下层区域内各多能源子系统在优化的同时需满足其实时碳排放约束；最后采用改进的目标级联分析法来求解上层和下层之间区域多能源系统的双层分散优化调度模型。本发明既能降低区域多能源系统上层配网系统的总网络损耗，又能减少下层区域内各能源子系统的运行成本，同时确定区域多能源系统整体碳排放量的最优分配方案。

摘要： 本发明提供了一种考虑双层碳排放优化分配模型的区域多系统双层分散优化调度方法，构建了一种区域多能源系统双层碳排放优化分配模型，上层区域多能源主系统主要考虑了配电网、配气网和配热网系统，基于实时环境监测而制定其实时碳排放约束，按照下层区域内各多能源子系统的历史碳排放量实时分解给下层区域内各多能源子系统，并且下层区域内各多能源子系统在优化的同时需满足其实时碳排放约束；最后采用改进的目标级联分析法来求解上层和下层之间区域多能源系统的双层分散优化调度模型。本发明既能降低区域多能源系统上层配网系统的总网络损耗，又能减少下层区域内各能源子系统的运行成本，同时确定区域多能源系统整体碳排放量的最优分配方案。

摘要： 本发明公开一种基于啁啾调制相关解调方式和双层光声模型的材料热扩散率测量方法，所述方法运用强度啁啾调制的激光激励双层样品产生光声信号，并由耦合在双层样品后表面的压电换能器所探测，该光声信号与双层样品中上层材料的热物理特性、上下两层材料弹性性能及厚度、啁啾激励光特性相关；在啁啾激励光特性及上下两层材料厚度已知的情况下，通过将不同上下层弹性性能比和热扩散率的啁啾激光激励参考光声信号与测量得到光声信号做相关运算，则相关峰最大值所对应的热扩散率即为上层材料的热扩散率。本方法为双层样品中上层材料的热扩散率测量提供了一种无损、快速的测量方法。

摘要： 本发明公开了一种双层深度学习模型反推OD矩阵的方法、装置以及存储介质，其中该方法包括：自动划分OD节点，初始化OD参数矩阵，采用模拟器并行提取模拟OD节点间路段总流量，模拟OD节点历史属性序列的方法；利用下层分配概率预测模型抽取图结构历史融合表征，对初始OD参数矩阵进行自相关提取的特征；并融合以上特征预测流量分配概率矩阵的方法；采用并行模拟和经验池存储模拟数据训练下层分配概率预测模型，待收敛后将其固定，利用真实OD节点历史属性序列，真实OD节点间路段总流量，修正上层OD参数矩阵的方法；迭代上下层训练至OD矩阵参数收敛即为反推OD矩阵。该方法构建深度学习模型，融合交通时空信息，有效提升了反推OD矩阵的准确性。

摘要： 本发明公开了一种基于双层结构模型的任务卸载方法及装置，该方法包括：步骤S1，构建并初始化基于DNN的内层结构模型，初始化当前卸载情况矩阵，构建总任务矩阵；步骤S2，利用群体优化算法，根据环境变化和任务情况为内部结构模型调整模型超参数，对不同超参数组合的内部结构模型进行训练，使内部结构模型能够快速适应新环境，从而得到效果最好的内部结构模型；步骤S3，所述内部结构模型接受步骤S2提供的超参数，通过DNN模型完成模型的前向传播过程，分析出任务的卸载结果，并根据Memory机制和反向传播反馈训练DNN模型，从而实现利用深度强化学习模型对任务卸载问题进行实时高精度的决策。

摘要： 本发明提出一种基于熵权TOPSIS模型的双层能源绩效评估系统，基于计算机技术搭建的平台，利用数据处理及计算的工具从相关技术和经济数据中有效提取能够进行能源绩效评估的信息从而获得对新能源技术发展起客观表征作用的评价指标，其主要运行机制包括通过熵值法分别确定经济水平评价指标权重与不同目标层下能源分项绩效评价权重，再将经济指标分别与不同目标层下的能源指标结合，确定经济发展与不同分项能源绩效的综合权重，利用TOPSIS模型计算不同目标层下最优方案的第一层能源绩效评价指数；将第一层能源绩效评价指数作为客观指标，再次利用熵权法确定不同维度指数的权重，并利用TOPSIS模型计算目标的最优方案的第二层综合评价指数。

摘要： 本发明公开一种双层演化的动态图卷积神经网络模型构建方法及应用，该方法包括：以图卷积神经网络GCN为基础，利用循环神经网络RNN分别对GCN的网络参数和节点嵌入进行双层演化，捕捉图数据结构特征的变化，同时，保证节点嵌入在时间上的稳定性，利用节点嵌入演化结果与GCN生成的结果构造损失函数，修正GCN网络参数，形成无监督的动态图表示学习框架，完成双层演化的动态图卷积神经网络模型DEDGCN的构建。本发明的模型在学习节点动态性特征的同时可以捕获稳定性特征，利用节点的稳定性特征与图的结构性特征构建损失函数，使模型能够应用于无监督任务中，适用于多种场景下图数据的应用任务。

摘要： 本发明提供一种基于双层索引嵌入层的推荐模型分布式训练方法及GPU，所述方法包括：于服务器节点和计算节点对于嵌入层向量分别构造两层索引，其中，所述服务器节点内为静态索引，所述计算节点内为动态索引；在所述服务器节点引入采样器，根据采样数据制定分片策略；在所述计算节点引入乒乓缓冲区读取和写入嵌入层向量，并基于相邻迭代的输入预取所述嵌入层向量，形成数据预取流水线。本发明能够在确保模型预测性能不下降的前提下，提升了推荐模型训练的总吞吐量，增强了分布式训练的可扩展性，有效地支持大规模嵌入层推荐模型的训练。

摘要： 本实用新型公开了用于双层石膏板错缝工艺工法模型，包括模型组件，所述模型组件包括龙骨架，以及连接于龙骨架的第一板组和第二板组，所述第一板组设于第二板组和龙骨架之间。本实用新型的模型组件将补缝工法和腻子基本工艺的施工，保证整体工艺的牢固性、稳定性，接缝处不开裂，平整度好、美观，提高了石膏板基本性能，不论是使用石膏板吊顶，还是制作隔断，此工艺工法的实用性很强，节约成本，物美价廉，此工艺工法对家装“回”形吊顶的制作，是最后效的施工方案。

摘要： 本发明公开了一种基于双层模型结合多维度信息的在线ctr校准方法，包括以下：通过预估模块获取基准pctr结果，在此基础上利用匹配模块对其进行pctr划分，对同一pctr区间的样本视为同一分布，避免了样本稀疏性造成的模型不稳定。利用不同区间生成相应多维度信息，加之实时模块获取的实时信息，能够有效利用多维度信息区分样本。最终通过校准模块得到双层模型下更为准确的ctr校准结果，进而实现流量收益最大化。