全文获取类型
收费全文 | 212篇 |
免费 | 14篇 |
国内免费 | 9篇 |
专业分类
电工技术 | 151篇 |
综合类 | 64篇 |
矿业工程 | 1篇 |
能源动力 | 10篇 |
水利工程 | 2篇 |
无线电 | 1篇 |
一般工业技术 | 1篇 |
自动化技术 | 5篇 |
出版年
2023年 | 1篇 |
2022年 | 3篇 |
2020年 | 4篇 |
2019年 | 3篇 |
2018年 | 4篇 |
2017年 | 4篇 |
2016年 | 4篇 |
2015年 | 2篇 |
2014年 | 13篇 |
2013年 | 7篇 |
2012年 | 9篇 |
2011年 | 6篇 |
2010年 | 11篇 |
2009年 | 19篇 |
2008年 | 28篇 |
2007年 | 21篇 |
2006年 | 15篇 |
2005年 | 20篇 |
2004年 | 19篇 |
2003年 | 10篇 |
2002年 | 3篇 |
2001年 | 4篇 |
2000年 | 7篇 |
1999年 | 2篇 |
1998年 | 1篇 |
1995年 | 3篇 |
1994年 | 4篇 |
1993年 | 2篇 |
1992年 | 2篇 |
1991年 | 3篇 |
1987年 | 1篇 |
排序方式: 共有235条查询结果,搜索用时 109 毫秒
1.
2.
月度售电量直接反映电力企业的经营效益,准确的电量预测对于电力企业合理安排购售电方案、确定融资缺口具有重要意义。鉴于各地区月度售电量时间序列不但有随时间逐渐增长的趋势,还受节假日、气温等因素的影响存在随机项,为了提高电力企业月度售电量的预测精度,采用小波分析理论将月度售电量时间序列分解为近似序列和细节序列,并通过对分解后子序列的特征进行分析,分别采用相匹配的GM(1,1)模型和ARIMA模型对子序列进行预测,然后通过序列重构得到月度售电量的预测值。经实际算例验证,该组合预测方法的平均误差率为3.7%,与神经网络等常用单一预测方法相比能明显提高预测精度,具有较强的适应能力。 相似文献
3.
运用解释结构模型化技术对电能在终端能源中的竞争力影响要素进行了系统分析,并构建了阶层结构图。通过结构图不仅可以对复杂的影响要素系统进行分层,直观地看到各要素之间的层次和相互影响关系,还可以从中找出对电能竞争力产生影响的源头要素和电力企业的可控要素,既可以为电力企业提升策略的设计提供清晰的思路框架,也可以为相关政策的制定调整提供参考。 相似文献
4.
充分发挥层次分析法与支持向量机各自的优势,将两种方法有机结合起来并综合运用于学生创新能力的评价。研究结果表明,这种组合方法是可行和有效的,可很好地应用于高等学校学生的评价工作。 相似文献
5.
供电公司运营效率与影响因素分析 总被引:1,自引:0,他引:1
运营效率是衡量企业投资效益和资源配置的核心指标,因此,有效提高运营效率是增强供电公司竞争力的重要途径之一。结合供电公司的实际情况,构建了基于SE-DEA的供电公司运营效率评价模型,借助MATLAB数学分析软件,从投入和产出的角度对8家供电公司的运营效率进行比较,详细地分析了影响其效率的主要因素,并针对问题提出了优化运营的有效措施。实例结果表明,此方法实现了对所有决策单元的充分评价与排序,可以对供电公司运营效率进行有效的评价,为管理者提供科学、有效的信息和决策的依据。 相似文献
6.
随着石油、天然气价格不断上涨,电能在终端消费市场具有一定的竞争力。提高清洁能源利用,推广电能替代可缓解我国常规能源紧缺、环境污染的现状。 相似文献
7.
对当前火电厂的节能技术进行了概述,并提出了科学、可行的节能项目评价指标体系,对火电厂节能项目的节能减排评价工作具有一定的指导和规范作用。 相似文献
8.
在电网企业提出资产全寿命周期管理理念的背景下,结合电网企业资产的特点和管理需求,从资产协同管理存在的问题入手,通过分析资产在不同阶段管理对象和管理方式的差异,提出针对电网企业的基于资产全寿命周期管理理念的基建工程资产管理业务协同模型,并通过对资产协同管理关系模型和资产协同管理机制的研究,实现各部门跨专业、跨业务的协作和交接,建立闭环的资产流程管理模式,实现电网企业资产管理模式从条块化管理向流程化服务管理的转变,对提高资产管理效率和效益具有重要的指导意义。 相似文献
9.
智能优化灰色模型在中期用电量预测中的应用 总被引:3,自引:0,他引:3
传统GM(1,1)模型在参数a的绝对值较小的情况下近期用电量预测精度较高,中期用电量预测往往误差较大,一定程度上是由于GM(1,1)模型的背景值x(1)(k)取前后2个时刻的平均值造成的.引入向量θ得背景值序列的精确计算式,将GM(1,1)模型推广为GM(1,1,θ)模型.应用微粒群优化这一智能算法求解最优向量,从而构建GM(1,1,θ)模型,并将该模型应用于山东省中期用电量预测.实例分析表明,与传统GM(1,1)预测模型相比,智能优化模型较好地得到了预测点的预测结果,更适用于中期用电量预测. 相似文献
10.