To solve the problem of negative sequence current generated when an asymmetric fault occurs on the AC side of a converter station in a flexible DC grid,which causes large fluctuations in instantaneous power and DC side voltage and current,thereby affecting the stable operation of the system,a converter station level control strategy for flexible DC grids based on linear active disturbance rejection control(LADRC)was proposed.This strategy uses a proportional-integral(PI)controller and a second-order LADRC controller to control the outer loop and inner loop current,respectively.Taking the modular multilevel converter(MMC)as the controlled object,frequency domain analysis was conducted on the second-order LADRC controller to determine the reasonable values of the controller parameters.Finally,a four-terminal flexible DC grid model was built based on the PSCAD/EMTDC platform for example analysis.The results indicate that compared with traditional PI control,the proposed control strategy effectively suppresses negative sequence current,significantly reduces the second harmonic fluctuations of active and reactive power and DC side voltage,and improves the system's fault ride-through capability and dynamic response speed.
针对激光雷达(light detection and ranging,LiDAR)视场范围测量方法复杂,且测量误差大的问题,提出了基于数字图像处理的激光雷达视场范围无接触高精度测量方法.定义激光雷达视场范围测量参数,设计单位像素距离标定靶标.针对激光雷达扫描图像,使用高斯滤波和最大类间方差阈值分割法,进行噪声去除及目标分割;利用基于最大连通域面积的方法,进行目标轮廓提取;利用凸包算法和多边形逼近算法相结合的方法,实现目标边缘直线拟合;通过顶点识别算法和相机视场范围测量原理,得到激光雷达高精度视场范围.实验结果表明,该方法大幅度提高了测量效率,实现了激光雷达不规则多边形扫描视场任意方向无接触高精度测量,且测量误差在合理范围内.
面对复杂的道路交通环境和网络条件,如何在多个边缘服务器之间选择合适的目标进行迁移以及避免频繁迁移导致的高额开销是一个难题.为此,提出一种依赖轨迹信息的服务迁移策略,该策略根据车辆的轨迹信息和可迁移的边缘服务器的位置信息来优化迁移策略,从而选择更合适的目标边缘服务器.在此基础上,设计了一种基于竞争深度Q网络(dueling deep Q-network,Dueling DQN)的算法进行快速决策.仿真实验证明了该策略的有效性,与其他策略比较的结果表明,该策略可以权衡时延和迁移开销,取得最小的系统总开销.
针对面向篇章结构分析的对话文本语料库缺乏的问题,构建了第一个中文的日常生活场景下多方对话篇章结构语料库.同时,提出了一种基于图神经网络的篇章结构分析模型,针对日常生活场景下多方对话的特点,使用图注意力网络进行图网络设计和基本篇章单元编码;并且模型融入了角色识别特征及少量手工特征,使得篇章结构分析性能进一步提升.该模型在所构建的语料库上的实验结果与基线模型相比,篇章结构分析中的链接识别和关系识别两个任务的F1值分别提升了 7.8和3.6百分点.
针对纵向数据部分线性模型中,数据具有组内相关性和组间独立性,而模型中的非参数部分又较难处理的特性,基于Cholesky分解和最小二乘核估计方法,对纵向数据部分线性模型给出了 一种新的估计方法.用Cholesky分解处理纵向数据具有的组内相关性,通过最小二乘核估计法处理其非参数部分,得到了估计的显式表达式,且不再需要估计纵向数据中的工作协方差矩阵,简化了估计程序和估计所需时间.数值模拟表明,新的估计方法具有良好的估计性能.将估计方法运用到分析北京市空气质量数据中,得到了较好的估计结果,说明该方法在实际应用中具有可行性.
