基于贪心萤火虫算法的分布式文件系统存储优化节能方法

    公开(公告)号:CN106547854A

    公开(公告)日:2017-03-29

    申请号:CN201610912588.7

    申请日:2016-10-20

    申请人: 天津大学

    IPC分类号: G06F17/30 G06N3/00

    摘要: 一种基于贪心萤火虫算法的分布式文件系统存储优化节能方法:建立HDFS集群存储数据块与DataNode节点的超图存储模型;依据存储数据块访问次数Nv确定各存储数据块的活跃副本所述活跃副本 是处于活跃状态的DataNode节点上的存储数据块副本个数;建立HDFS活跃副本覆盖的超图横贯模型;求解超图存储模型的活跃副本 覆盖极小集。本发明准确表述了存储数据块和DataNode节点间的多对多的关系,突破现有方法数据块的副本个数恒定的局限。在保证数据块可用性的前提下,使用贪心萤火虫算法求解超图模型的活跃副本 覆盖极小集,依据极小覆盖集确定最优的DataNode节点开启集合,实现HDFS集群节能。

    基于压缩感知的电力系统谐波压缩信号重构与检测方法

    公开(公告)号:CN103983850B

    公开(公告)日:2016-08-31

    申请号:CN201410201815.6

    申请日:2014-05-13

    申请人: 天津大学

    IPC分类号: G01R23/16

    摘要: 一种基于压缩感知的电力系统谐波压缩信号重构与检测方法,包括:将电力系统谐波原始信号和由二进稀疏随机测量矩阵作为电力系统谐波数据压缩采样的测量矩阵,同时送入混频器进行模拟域下的压缩采样,进而对模拟信号进行A/D转换,得到压缩采样值;确定压缩感知稀疏基为离散傅里叶变换基;进行基波滤除的初始化;进行基波滤除;检测基波分量的频率、幅值和相位;滤除压缩采样值中的基波成分;对谱投影梯度法进行参数初始化;利用谱投影梯度法重构出谐波分量的稀疏向量估计值;检测谐波分量的频率、幅值和相位;完成对电力系统谐波原始信号的重构。本发明解决了现有恢复算法均未考虑谐波信号中基波分量对信号重构的影响而使恢复效果不十分理想这一缺陷。

    一种集总控制多类型异构电力通信网络的运行决策系统

    公开(公告)号:CN102064883A

    公开(公告)日:2011-05-18

    申请号:CN201010265311.2

    申请日:2010-08-27

    申请人: 天津大学

    IPC分类号: H04B10/08 H04B10/12

    摘要: 本发明提供了一种集总控制多类型异构电力通信网络的运行决策系统,属于通信网络领域和电力领域,所述系统包括:主控板、公务板、时钟板、光群路板、电群路板、交叉连接板、光缆检修执行控制器、设备检修执行控制器和中心控制器;本发明提供的集总控制多类型异构电力通信网络的运行决策系统实现了多个异构类型通信网络运行状态下的集总管理,故障综合判断和定位,以及网络资源的总体优化配置,系统简化了多个异构子网同步运行的电力通信网络的操作、降低了运行维护难度、缩短了网络建设的开发周期、方便了管理人员对电力通信网络的运筹、直观的分析故障、方便决策者制定决策方案。

    一种低压HPLC台区拓扑识别方法及系统

    公开(公告)号:CN113779751B

    公开(公告)日:2024-09-13

    申请号:CN202110853927.X

    申请日:2021-07-28

    申请人: 天津大学

    发明人: 杨挺 冯少康

    摘要: 本发明涉及一种低压HPLC台区拓扑识别方法及系统,包括以下步骤:步骤1、根据台区档案对所有电表进行编号;步骤2、采样得到频率响应序列;步骤3、对频率响应序列进行小波降噪;步骤4、利用陷波频点特性确定发收中间分支数和分支长度;步骤5、利用平均信道衰减特性计算收发节点间总线长度;步骤6、计算中间各载波电表间的距离,增删中间分支节点;步骤7、进行台区拓扑识别。本发明能够在不需要中间节点安装识别装置的情况下,实现线路长度自动测量、准确快速识别台区的拓扑结构。

    面向非侵入式负荷监测的功率数据稀疏化压缩观测方法

    公开(公告)号:CN116842369A

    公开(公告)日:2023-10-03

    申请号:CN202310597387.2

    申请日:2023-05-25

    申请人: 天津大学

    发明人: 李大帅 杨挺

    摘要: 本发明涉及一种面向非侵入式负荷监测的功率数据稀疏化压缩观测方法,包括以下步骤:步骤1、获取功率监测数据,并判定其用电行为模式;步骤2、对基于简单功率行为模式样本数据进行小波稀疏基初始化;步骤3、基于步骤1和步骤2的完成训练样本用电行为模式的判定结果和小波基的初始化后的结果,进行改进K‑SVD训练并生成稀疏基;步骤4、基于步骤3对样本数据集Y进行训练得到稀疏字典D,进行基于改进稀疏基的功率监测数据压缩观测。