2023年澳门太阳集团9728网站

信息技術研究生論壇（十七）

場次一、

時間：2023年7月17日（星期一）9:00-12:00

地點：澳门太阳集团9728网站601教室

報告題目一：一種基于 PANet的嵌入注意力機制的輕量級非侵入式負荷監測模型

報告人：餘武清

報告簡介：目前基于深度學習的非侵入式負荷監測的模型，要麼陷入超大的待訓練的超參數，要麼訓練時間過長，同時對不同房屋的泛化性能不理想。研究旨在提出一種基于 PANet 的輕量級網絡模型，并引入注意力機制，提高網絡對多狀态電器的分解精度。輕量級（十萬級别的超參數）的網絡模型不僅大幅提升了能源分解準确率，更能準确預測電器的開關狀态，相比其他現有的方法，模型的泛化能力顯著提高，即在不同建築物或不同房屋内的負荷分解性能顯著提高。提出的注意力機制能進一步提升負荷分解性能，特别是對于目前大部分模型分解較差的多狀态電器（如 dishwasher 和 washing machine）,依然能保證較好的分解準确率。

報告題目二：基于分層分類及注意力機制的非侵入式負荷識别模型

報告人：餘武清

報告簡介：使用 VI 軌迹作為負荷特征，将無功電流、有功功率等特征使用 RGB 顔色編碼進 VI 軌迹之後，首次提出将 VI 軌迹對稱化處理，同時将電流的諧波特征映射至 VI 軌迹中的背景空相素中，提升負荷的差異性。此外提出一種基于輕量級 Swin transformer 的分層分類，通過使用 k-means 算法對軌迹圖進行預分類，可以減少分層分類中手動将軌迹圖分為幾個更抽象的類别的操作。實驗結果表明，提出的方法能有效緩解類内多樣性較大的缺點。

報告題目三： 電力系統優化運行中的機組組合問題

報告人：賀子賢

報告簡介：機組組合是電力系統優化調度的經典問題之一，是電廠指定發電計劃首要解決的問題。機組組合是一個混合整數非線性規劃問題，屬于NP難問題。機組組合問題的提出是在20世紀40年代，随着電力系統結構越來越複雜、規模越來越大，對發電的經濟運行調度問題随之産生。以優化理論為指導，科學合理的研究機組組合問題，在滿足能源供應需求的同時，促進電網安全穩定運行，提高能源的優化配置，推進電力系統的節能減排，降低機組的運行成本，提高能效，使機組處于優化運行狀态，具有重要的理論研究意義和實際應用價值。

報告題目四：電力系統機組組合中的對稱性

報告人：賀子賢

報告簡介：機組組合常常被建模為一個混合整數規劃問題，在現實世界中，往往存在很多相同的發電機組（即，具有相同的性能參數以及相同的成本系數的機組），這些機組的存在會給問題帶來大量的對稱性，而對稱性會嚴重影響分支割平面法的求解效率。如何利用機組中的對稱性來加快求解速度是當前提高機組組合問題求解速度的關鍵之一。對于電力系統優化運行具有重大意義。

報告題目五：基于分布式魯棒優化的發電自調度模型

報告人：劉翔宇

報告簡介：在實際發電工作中，發電公司為了在保證競價成功的同時實現利潤最大化，需要制定一種能夠應對各種情況的經濟自調度策略。而分布式魯棒優化（DRO)可以有效地求解不确定環境下的經濟調度問題，能在不确定性條件下為發電公司提供足夠魯棒與經濟的調度方法。在這項工作中，我們提出将DRO應用于負載不确定性下的發電自調度策略中，提出了基于線性矩的DRO模型，并證明了算法的理論上界是原問題的外近似。

報告題目六：基于分布式魯棒優化的配電網經濟自調度模型

報告人：劉翔宇

報告簡介：配電網作為對社會直接供電的網絡，其穩定與否在很大程度上影響着社會生産活動的正常運行。為了有效處理配電網中諸如負載變化、分布式發電機（DG）、線路故障等不确定性因素，我們使用基于KL散度的分布模糊集來處理配電網不确定因素，提出了三相不平衡的DNR分布式魯棒模型，在考慮模糊集内DG輸出與負載變化最差的分布下，計算配電網所能獲得的最優配置。

報告題目七：基于深度學習的解混合整數規劃問題方法

報告人：李佩倫

報告簡介：混合整數線性規劃（MILP）被廣泛用于組合優化問題的建模。在實踐中，隻有系數變化的類似MILP實例被常規求解，并且機器學習算法能夠捕獲這些MILP實例中的常見模式。在這項工作中，我們将ML與優化相結合，并提出了一種新的預測和搜索框架，用于有效地識别高質量的可行解決方案。具體來說就是利用圖神經網絡來預測每個變量的邊際概率，然後在預測解周圍的一個适當定義的球内搜索最佳可行解。

報告題目八：使用圖神經網絡表示線性規劃

報告人：李佩倫

報告簡介：學習優化是一個快速發展的領域，旨在使用機器學習解決優化問題或改進現有的優化算法。特别是，圖神經網絡被認為是一種适用于變量和約束是排列不變的優化問題的ML模型，例如線性規劃（LP）。給定LP的任何大小限制，構造一個GNN，将不同的LP映射到不同的輸出。正确構建的GNN可以可靠地預測廣泛類中每個LP的可行性、有界性和最優解。證明是基于最近發現的Weisfeiler–Lehman同構檢驗和GNN之間的聯系。

報告題目九：基于深度學習的配電網重構

報告人：銀金嬌

報告簡介：可再生能源和動态負荷的快速增長凸顯了配電網運行中的短期電壓穩定( STVS )問題。随着計量、通信和控制技術的進步，基于深度學習的配電網重構( DNR )成為維護系統安全經濟運行的有效手段。然而，傳統的STVS是針對特定的網絡拓撲使用時域仿真進行評估的，無法顯式地表示為函數進行優化，使得在DNR中考慮STVS變得困難。提出了一種高效的基于深度學習的方法來解決這個問題。

報告題目十：基于分布魯棒的微電網優化問題

報告人：銀金嬌

報告簡介：提出的魯棒協調運行方法可以在兩種運行模式下不違反任何運行約束的情況下最小化運行成本，具有實際應用的主要優勢。此外，值得注意的是，隻有足夠大的不确定性集合才能保證對高不确定性程度的完全運行魯棒性，所提出的魯棒協調運行方法在并網和孤島運行模式下均能實現對不确定性的魯棒最優解。

報告題目十一：基于改進swin-transofrmer網絡識别甘蔗和雜草

報告人：張夢華

報告簡介：在智能農業快速發展的背景下，迫切需要自動化除草設備來處理農田雜草。準确識别圖像中作物和雜草的系統是自動除草設備的關鍵部分。在這篇文章中，我們針對swin-transformer應用

到甘蔗農田中雜草識别存在的問題，做出了一些改進。swin-tranformer的計算複雜度大，識别速度慢，我們将其中的一部分用卷積網絡替換，減小了網絡的參數和訓練時間，具有了很強的實際應用參考意義。

報告題目十二：基于掩模多頭注意力機制的甘蔗農田中密集雜草預測

報告人：張夢華

報告簡介：在實際的甘蔗農田中雜草與甘蔗的葉片相互遮擋，交叉，重疊。現在的方法沒有很好的解決雜草和甘蔗邊界細節的精确分割。我們在Unet網絡中引入了Mask-attention機制來獲得精确的邊界信息指導模型在訓練過程中的參數訓練，并引入了SE注意力機制加強通道之間的競争，在編碼網絡中學習到更多有用的特征信息，以至于解碼網絡能夠精确分割作物和雜草。

場次二、

時間：2023年7月17日（星期一）9:00-12:00

地點：騰訊會議：188-588-976

報告題目一：基于TrustRank算法的車輛信任值評估模型

報告人：解曉鋒

報告簡介：提出了一種評估車輛可信度的信任模型，計算局部信任值時，在當前貝葉斯信任的基礎上引入懲罰因子和調節函數降低開關攻擊對評估結果的影響，考慮到信任的時間相關性，引入時間滑動窗口對局部信任值進行更新，并基于TrusRank算法評估車輛的綜合信任值。

報告題目二：基于聯盟鍊的分布式信任管理架構研究

報告人：解曉鋒

報告簡介：首先介紹基于聯盟鍊的分布式信任管理架構研究的背景和意義。傳統的基于RSU或基于車輛收集評級信息的信任架構具有很大的局限性，本文設計了基于聯盟鍊的分布式車聯網信任管理架構，分三層來實現分布式運行。新的信任管理架構中，通過RSU收集車輛之間的互評信息，并通過PBFT共識算法将評級信息寫入區塊鍊賬本中，并保證評級信息的全網可信共享。其次，改進了PBFT共識機制，将主節點選取與RSU收集評級信息量關聯，增強了主節點選取的随機性，從而使攻擊者難以對主節點發起集中式攻擊。最後，理論分析了系統具有分布式、隐私性、一緻性、防篡改等安全屬性，且能抵抗針對RSU側和車輛側的攻擊，并仿真驗證了所提方案的有效性。