教学课程资源库 更多>>

关键词： 未来产业   时序性培育   技术成熟度   未来能源   CRITIC-TOPSIS法  

摘要： [研究目的]文章提出一种针对未来产业的精准遴选与时序性培育的研究方法,旨在通过科学的方法论支持,为国家产业布局提供决策依据。[研究方法]基于TRIZ的S型曲线进化原理,构建高潜能未来产业的时序性遴选方法,通过耦合情景分析的Logistic模型研判技术演进阶段,并结合影响度、战略度、成长度、市场度和增长度五维特征,构建潜能评估体系,通过CRITIC-TOPSIS法评估“准成熟技术”的培育潜能,并以未来能源领域进行实验验证。[研究结果/结论]实验结果表明,智能微电网和绿色燃料等近期技术已具备市场化基础,需加速市场化进程;高效光伏电池、氢能和电化学储能等中期技术在2035年前潜能突出,宜推动集群化发展;核裂变和深远海风能等远期技术需布局策源与验证;虚拟电厂和压缩空气储能等长远期技术尚待突破,需持续跟踪。方法验证结果显示,该方法在稳健性和适用性方面表现良好,能够为未来产业的时序性培育和战略敏捷性提升提供科学依据。

关键词： 物理指标   深度学习   冲击地压   坚硬顶板   数据驱动  

摘要： 为了深入研究坚硬顶板地质条件下工作面的冲击地压预警问题，本研究结合深度学习技术，提出了基于显式特征的物理预警指标和数据驱动的隐式特征时序预警指标融合的冲击地压时序预警方法，探究了大能量微震事件发生前多项物理预警指标的演化规律。利用GA-BP（遗传算法优化BP神经网络）算法筛选出βn、P（b）、A（b）、b值这四个适应于该坚硬顶板工作面的物理预警指标、并利用CNN-T-SNE（卷积神经网络结合t分布随机邻域嵌入）算法从微震和支架工阻数据中提取时序预警指标，采用星雀算法（Nutcracker Optimization Algorithm，NOA）、长短记忆神经网络（Long Short-Term Memory，LSTM）等深度学习算法，建立了坚硬顶板型冲击地压时序预警模型，并对模型预测性能进行了验证和实例分析。研究结果表明：（1）采用GA-BP算法对微震信息指标进行反馈式迭代优选，基于预测F1值筛选出的物理预警指标为：βn、P（b）、A（b）、b，其预测F1值为0.88、RMSE（均方根误差）为0.038，筛选出的物理预警指标对冲击预警的敏感性较强，在大能量事件发生前，b值、P（b）值、βn值处于低值或快速下降状态，仅A（b）值处于极大值或者接近极大值；（2）通过CNN-T-SNE算法从微震和支架工阻数据中提取时序预警指标，T-SNE（T-Distributed Stochastic Neighbor Embedding）算法将CNN（Convolutional Neural Network）提取的特征进行降维可视化，不同的危险等级被明显区分开并有效增强了预测精度，其时序特征指标的预测F1值为0.91、RMSE为0.021，微震和支架工阻指标的预测F1值为0.80、RMSE为0.085，预警准确率提高了12%；（3）采用NOA算法对LSTM网络的学习率、批量大小、Dropout Rate三个超参数进行寻优，其最优学习率为0.033、最优批量大小为8、最佳Dropout Rate为0.2，并通过LSTM-NOA网络对物理预警指标和时序预警指标进行训练学习，预测时长设定为1天，其F1值为0.96，与传统LSTM网络的预测方法相比，其F1值提高0.04，预警准确率提高了4%，且对大能量事件的敏感性更强。

关键词： 花瓣式配电网   园区综合能源系统   故障自愈   故障阻塞   激励型需求响应   主从博弈  

摘要： 为消除花瓣式配电网的故障阻塞，实现花瓣式配电网与园区综合能源系统(PIES)协同优化运行，提出了一种基于双层优化模型的故障自愈策略。分析了花瓣式配电网发生故障阻塞的原因及其与PIES功率交互的过程。设计了基于“重构-激励”双层优化模型的动态故障自愈策略流程。其中，考虑负载均衡度、网络损耗及开关操作简便性，建立了基于网络重构的上层优化模型；考虑配电系统运营商与PIES聚合商的利益均衡，引入主从博弈思想，通过激励电价实现双方博弈互动，建立了基于激励型需求响应的下层优化模型。使用MATLAB软件搭建算例模型进行仿真，结果表明所提策略有效消除了故障阻塞，实现了花瓣式配电网故障后快速自愈及优化运行。

关键词： 知识图谱   多跳推理   时空注意力   Transformer   路径可解释性  

摘要： 知识图谱多跳推理旨在通过挖掘实体间的复杂路径关系补全缺失三元组。现有方法在路径特征提取和实体邻域粒度信息融合方面存在不足，导致推理结果缺乏可解释性和准确性。针对上述问题，提出一种融合关系路径与实体邻域信息的知识图谱多跳推理方法MGPC。首先，设计基于语义相关性的候选路径筛选机制，通过计算中心实体与候选答案实体的语义相关性评分，提取与查询高度相关的候选路径集，并将其嵌入低维空间以增强可解释性。其次，基于时空注意力机制，挖掘候选关系路径中心实体局部邻域粒度信息，并结合长短期记忆网络捕获关系路径的局部多粒度邻域特征与全局依赖关系，生成融合全局-局部语义的路径嵌入。最后，引入Transformer编码器建模全局路径与中心实体的关联性，通过去噪层优化全局路径嵌入表示，选择高置信度的推理路径，进而提高推理结果的可解释性和有效性。在三个基准数据集上将所提出的方法与10个主流基线方法进行比较，实验结果表明，MGPC在多跳推理任务中优于主流基线模型，在MRR、Hits@1方面分别平均提升了3.1%、4.0%，验证了方法的有效性。

关键词： 能源互联网   电-碳-氢交易市场   耦合关系   交易模式   定价策略  

摘要： 【目的】当下世界各国都在积极推动能源转型和低碳发展，电力交易、碳交易和氢交易的耦合已成为我国能源行业发展的必然趋势。但多个系统下能源互济和信息交互的复杂度大大提升，为电-碳-氢耦合交易市场的发展带来了新的挑战。【方法】首先介绍电-碳市场和电-氢市场的研究现状，深入分析电-碳-氢市场的研究方法、耦合机制、交易模式、定价和出清机制；其次针对制约其发展的物理层面和信息层面的双重核心困境，提出构建面向能源互联网的电-碳-氢耦合交易市场的方案，分析能源互联网的参与机制和具体方法；最后从技术层面和市场层面提出支撑面向能源互联网的电-碳-氢市场发展的关键技术和研究要点。【结果】物理层面，能源互联网解决了电-碳-氢交易市场由于资源众多、交互关系繁杂而无法明确市场交易机制和决策规律的问题，实现能源产销规律和机制的厘清；信息层面，能源互联网基于信息技术和数据平台实现了电-碳-氢市场之间的数据匹配共享和信息透明公开，推动了能源分布式自主灵活交易，引导资源优化配置。【结论】探索针对面向能源互联网的电-碳-氢耦合交易市场关键技术和研究要点是打破现有市场发展困境的有效途径，为电-碳-氢交易市场构建方案的完善和发展提供可行的参考路径。

关键词： 情感分类   BERT   字符级信息   融合向量   注意力  

摘要： 当前基于深度学习的文本情感分类方法尚未充分利用字符级信息和情感来源信息，仍有改进空间。因此，提出了一种基于预训练模型BERT的面向多情感字符级信息的注意力方法（Character-BERT-Sentiment-Attention, CBSA）。该方法通过捕捉字符级信息丰富文本语义信息，拼接融合BERT预训练的单词级向量，得到语义向量，然后将上下文词与4种情感来源信息（情感词、否定词、程度副词、连接词）整合到门控循环单元（Gated Recurrent Unit, GRU）神经网络中，通过注意力机制构建融合情感资源信息的句子表示，最后通过Softmax分类层预测情感极性。该方法对字符级信息与多情感来源信息进行提取，获得来自不同表示子空间的情感相关信息，从而使情感预测更加准确。在5个数据集上的实验结果表明，本文提出的方法在分类准确性上有了明显的提高。

摘要： 为降低对中国锂供应链的依赖并强化美国本土的电池产业,美国能源部(DOE)近期宣布向加州EnergySource Minerals公司提供14亿美元贷款,支持其开发地热卤水直接提取锂(Direct Lithium Extraction,DLE)技术.该项目计划在加州帝国郡索尔顿海地区建设年产能20kt的氢氧化锂工厂,预计2026年启动试验,2027年实现全面投产.此举标志着美国在锂资源自主化战略上的重要布局.

关键词： 共识   合作   第三方干预   和平制造者博弈   社会亲近程度  

摘要： 个体间或国家间的合作往往受到第三方干预的影响。其中,观点的共识对于合作达成以及第三方介入至关重要。本研究在基于和平制造者博弈的框架下,引入了基于观点的分组,以探究共识对合作的影响。研究发现,在不同实验局及不同对手情境下,参与者的行为存在显著差异,这与理性经济人假设下的预测不符。进一步的分析表明,共识的形成主要通过产生共同的群体身份,影响个体与他人的社会亲近程度,从而影响个体的合作行为和第三方的干预行为。此外,通过增加共同的群体身份,当事方的合作行为得到促进,同时第三方的干预也得到增加,从而提高了整体社会效率。