张洁
- 作品数：11 被引量：36H指数：4
- 供职机构：南京邮电大学计算机学院更多>>
- 发文基金：国家电网公司科技项目国家自然科学基金更多>>
- 相关领域：自动化与计算机技术电气工程更多>>
- 基于烟花算法优化BP神经网络的光伏功率预测被引量：11
- 2021年
- 光伏发电功率受到气象状况及环境因素的影响,具有很强的随机性与间歇性,给电网的安全运行带来了一系列的问题。为了准确预测光伏发电功率,降低光伏并网的不利影响,实现电网系统的稳定运行,将烟花算法(FWA)引入到神经网络模型中,利用烟花算法局部搜索能力和全局搜索能力自调节的机制优化神经网络中权重和阈值的寻优过程,提出了一种基于烟花算法改进BP神经网络(FWA-BP)的光伏发电功率预测模型。通过某光伏电站实测数据进行仿真实验,结果表明,与传统BP神经网络和遗传算法优化BP神经网络相比,FWA-BP神经网络模型的预测结果更接近实际值,均方根误差、平均绝对百分比等误差指标更低,模型更稳定,从而说明该方法可以快速准确地实现对光伏发电功率的预测。
- 张洁郝倩男
- 关键词：光伏发电功率预测遗传算法BP神经网络
- 基于改进RFM模型的电商用户价值分类的研究被引量：3
- 2022年
- 互联网行业数据量的不断积累膨胀,使得企业内保存了大量的原始数据和各种业务数据。如何有效地对这些数据加以利用,并构建出精准的用户画像系统是每个电商企业发展战略中的重要一环,能够帮助企业更准确地洞察用户的需求,而RFM模型对用户价值的精确分类又是构建用户画像系统的关键。该文提出了一种基于改进的RFM模型的电商用户价值分类方法。该方法通过增加对用户分析的指标,先利用层次分析法对指标进行两两打分、构成判断矩阵、确定各个指标的权重值,然后以肘部法则和轮廓系数为标准,选择出聚类效果最佳的K值,用K-Means‖聚类算法对用户价值进行分类。最后,通过对某电商用户行为数据集进行实验并与其他RFM模型进行对比实验,结果分析表明,该RFME模型与传统的RFM模型和一些改进的RFM模型相比轮廓系数更高,价值分类体系更加客观,具有更精确、更快速的用户分类效果。
- 师奥翔张洁
- 关键词：RFM模型用户分类
- 一种应用于云计算环境下的服务发现架构被引量：5
- 2013年
- 提出了一种应用于云计算环境下的服务发现架构(Servicediscoveryarchitecture,SDA),主要思想是将云服务按照功能等特性划分为不同的云服务域(Cloudservicedomain,CSD),每个CSD中设置一个子服务目录,CSD之上设置一个根服务目录,通过设置两级服务目录,实现云计算环境下海量云服务的快速查找。通过数学建模,理论分析和数据仿真,对该服务发现架构进行性能分析。仿真结果表明,服务通告(Serviceannouncement,SA)的平均更新间隔时间对用于存储SA的缓存区的大小、服务发现(Servicediscovery,SD)的成功率以及SD过程产生的网络负载情况等性能有影响,并且当SA的平均更新间隔时间略小于SA的平均生命周期的二分之一时,可使上述各项性能达到最佳折中。
- 张洁何利文黄斐一刘斌
- 关键词：云计算云服务
- 基于注意力机制的加密流量识别
- 2024年
- 随着人们网络安全意识的提高,加密流量呈爆炸式增长,流量加密在保护用户隐私的同时,也为安全检测带来了新的挑战。针对传统基于机器学习的流量识别方法存在需要手动设计分类特征、分类准确率不高等问题,提出一种基于卷积神经网络与自注意力机制(Convolutional Neural Network and Self Attention,CSA)的加密流量分类方法,依据网络流量的层次结构特性,采用卷积神经网络提取数据包内字节流的空间特征、自注意力机制提取数据包之间的时序特征。在公开数据集ISCX VPN-NonVPN上的实验结果表明,CSA模型的分类准确率达到了95.0%,相较基准深度模型,准确率和F1值皆有明显的提升。
- 袁子豪张洁
- 关键词：卷积神经网络
- 基于二次聚类的大规模电动汽车有序充电调度策略优化被引量：4
- 2017年
- 针对大量电动汽车无序充电造成的充电站利用率不均衡问题,提出一种大规模电动汽车有序充电调度策略。首先,以电动汽车充电需求的位置为聚类指标,借助归一化相似度进行层次聚类和基于K-means算法的二次划分,以实现属性相似的电动汽车的汇聚。进一步地,通过Dijkstra算法获取电动汽车到达各个充电站的最优路径,以充电站内电动汽车的均匀分配和电动汽车充电路程最短作为目标函数,构建了基于电动汽车聚类的充电调度模型,通过遗传算法求取最优解。与未进行电动汽车聚类的充电调度策略进行的仿真对比实验结果表明,在车辆较多时所提方法的计算时间可减少一半以上,具有较高的实用性。
- 张洁杨春玉鞠非徐小龙
- 关键词：电动汽车DIJKSTRA算法K-MEANS算法
- 基于TS-FOA算法的光伏组件参数辨识
- 2022年
- 基于参数辨识技术对光伏组件进行辨识可以快速准确地得到光伏组件的模型情况,这对光伏阵列的功率计算、最大功率点跟踪和故障排除等都具有十分积极的作用,然而光伏组件数据的监控测点多、数据大且复杂,传统的参数辨识方法在搜索过程中灵活度较差,难以满足精确度需求。基于光伏组件数学模型,针对传统智能算法精确度低和易陷入局部最优解等问题,提出禁忌搜索算法和果蝇算法结合(TS-FOA)的参数辨识方法。TS-FOA算法进行了两种算法的融合:引入FOA算法,保证前期全局搜索能力,实现初期搜索的快速迭代;引入TS概念对传统FOA算法进行优化,进一步减少迭代时间,并可以避免迭代后期陷入局部最优解的问题,提升寻优效率。在算例分析中,使用光伏电站测试数据,验证该算法在实际工程中的适用性,同时与其他基础算法进行多方面对比,结果表明TS-FOA相较于传统算法能提供更加精准、快速的参数辨识效果。
- 张洁罗俊杰
- 关键词：光伏组件参数辨识功率预测禁忌搜索算法
- 基于AE-WGAN的定向对抗样本生成及利用被引量：3
- 2020年
- 由于对抗样本存在通过不易察觉的微小扰动破坏模型准确度的特性,在很大程度上影响深度学习在高安全性需求领域中的应用和部署,例如无人驾驶系统、无人机和入侵检测等。为了生成一种含有轻微语义扰动的对抗样本,文中利用对抗生成网络,设计并实现了一种高质量映射转换的AE-WGAN(Auto Encoder WGAN),然后利用隐层编码迁移算法(Latent Encodings Targeted Transfer,LE-TT)生成定向对抗样本,实现无需获取目标模型内部信息即可定向改变模型预测结果的黑盒攻击。基于经典图像数据集MNIST、CIFAR-10的对抗样本生成结果表明:LE-TT算法不仅展现出良好的黑盒攻击效果,还具有良好的可转移性;此外,作为一种半监督数据扩增方式,该算法生成的对抗样本被赋予正确的标签后,加入模型再训练后提升了对已知分布外数据的泛化能力。
- 张洁张志昊
- 关键词：半监督学习
- 基于时空约束的电动汽车充电策略被引量：7
- 2016年
- 针对电动汽车行驶过程中的充电需求在时间和空间上的随机性问题,提出了一种基于时空约束的电动汽车最佳充电选择策略,该策略可以使电动汽车在最短的时间内获得最佳充电服务;在此基础上,建立了充分考虑电动汽车充电行驶路径、电动汽车充电站内排队等待时间和电动汽车充电过程的充电行为总用时最短的充电选择模型(time-spatial charging selection model,TSCSM)。仿真结果表明,与就近充电选择策略相比,该充电选择策略在缩短电动汽车充电行为全过程总用时方面具有显著优势。
- 鞠非杨春玉徐小龙张洁刘凌燕
- 关键词：电动汽车
- 一种基于评分信息熵的融合协同过滤算法被引量：3
- 2021年
- 相似度计算是协同过滤推荐算法的基础,但由于用户之间共同评价项目数量稀少,导致传统的协同过滤算法无法准确计算用户之间的相似度,从而造成推荐质量不佳。通过在Pearson相似度计算公式中加入用户之间联系的惩罚因子,并在此基础上与评分信息熵进行融合,提出一种新的用户之间相似度计算方法。实验结果表明,该算法能够更准确地计算用户之间的相似度,从而提高推荐结果质量。
- 张洁李港
- 关键词：协同过滤相似度计算评分预测
- 基于A3C的有序充电算法
- 2023年
- 由于电动汽车的日益普及,其充电问题已成为电力系统的新的用电挑战。实际生活中,充电站一般都被认为是电动汽车有序充电行为的调度主体。为解决传统模型驱动的充电算法无法应用于电动汽车随机进站的问题,提出将数据驱动的无模型深度强化学习算法A3C(Asynchronous Advantage Actor-critic,异步演员评论家算法)应用于有序充电。该算法利用特征函数来近似模型所需要的价值函数和策略函数,解决因随机进站而引起的空间维度变化的问题。通过需求响应机制关联充电费用和需求,实现两者的动态调度。为避免因为经验回放而导致的数据相关性过强,利用多线程实现模型与多个环境进行互动,提高了模型的收敛性。最后以某地区充电站实测数据为例进行仿真分析。结果表明,该算法在只基于历史充电数据的情况下能优化充电行为,较大程度地抑制充电负荷方差,实现削峰填谷,同时在满足用户需求的基础上提高充电站收益。
- 张文龙张洁
- 关键词：有序充电数据驱动
