排序方式: 共有19条查询结果,搜索用时 437 毫秒
11.
我国高等院校现行的体育课教学,无论是组织领导体系、教学大纲、教学内容、教学方法等,基本上都是五十年代学习苏联而沿袭下来的。它采用以学生各专业组成的自然行政班为教学单位,男、女生分开授课的方式。长期以来已经形成了传统的习惯,这种方式,存在着严重的形式主义。它忽视了学生的体质情况、兴趣爱好和运动技能上的差异,在教学中不能满足学生的个性和求知欲,出现了有的学生“吃不了”,有的学生 相似文献
12.
针对含新能源发电系统的电动汽车充电站充电功率优化问题,本文提出了一种充电功率在线实时优化策略,依据新能源发电出力及电动汽车当前充电状态动态调整未来24小时内充电站各充电桩充电功率。该在线优化策略依据电动汽车充电负荷特点,设计了基于状态依赖的决策变量分类方法,降低了每次优化待优化向量维度;改进了微分演化算法,分别对有效决策变量组合以及决策矩阵中有效元素进行优化,旨在快速、准确地对充电站中各充电桩未来24小时内的充电计划进行实时优化。该优化策略对降低充电站运行成本、改善因电动车充电引起的负荷波动具有一定的参考价值。 相似文献
13.
针对多负载无线电能传输系统存在负载之间功率分配不均及取放负载时对其他负载有影响的问题,提出了基于赫姆霍兹线圈LCC-S型多负载无线电能传输系统。首先,利用电路互感模型对该系统进行了建模分析,推导出了流过发射线圈的电流、输出电压及效率的表达式,研究了工作频率和负载个数对效率的影响,该系统还具有恒压输出的特性。其次,为了使发射线圈产生的磁场更加均匀,发射线圈采用赫姆霍兹线圈,利用有限元仿真软件设计了两种赫姆霍兹线圈,这两种赫姆霍兹线圈在轴中心附近的较大范围内产生均匀的磁场。最后通过仿真验证了理论分析的正确性。 相似文献
14.
基于PRF的RFID轻量级认证协议研究 总被引:7,自引:0,他引:7
无线射频识别(radio frequency identification,RFID)认证协议可实现读写器和标签之间的身份识别,保证只有合法的读写器才能访问标签的数据.由于标签的成本限制,设计最轻量级的RFID认证协议是面临的主要挑战.为了达到不可预测性隐私,标签至少需要具有伪随机函数PRF的能力.首先提出了一种基于PRF的RFID轻量级认证协议的基本框架,给出了抽象描述.基于对消息认证函数Fi的实例化,提出了一种新的RFID轻量级认证协议ELAP.与现有协议相比,该协议可以实现读写器和标签之间的双向认证,并能抵抗已知的所有攻击方式.在效率方面,标签只需要进行2次消息摘要运算,让标签的计算代价达到了最小. 相似文献
15.
16.
本文主分析了调度自动化主站的电压无功自控系统的发展趋势,阐述了在当前形势下,加强电压无功自控系统发展的重性,针对目前调度自动化主站的电压无功自控系统发展的趋势进行研究。笔者通过研究,总结和归纳自身多年工作经验,提出一些加强电压无功自控系统的对策。希望通过本文的分析能帮助相关电力单位提高电压无功自控系统工作水平和质量,能更好地应对工作中存在的问题。 相似文献
17.
为降低传感器网络的数据积聚量、提高数据并行聚集精度等问题,本文提出了一种考虑节点信誉度的传感器网络数据并行聚集方法。将传感器网络数据并行聚集过程分为两个阶段,采用减法聚类的方法来获取节点簇头。通过保障簇头地理位置合理分布的基础上,完成提升节点分簇效率。然后利用以云理论为基础的节点信誉度量模型获取信誉云的数值特征值,量化局部窗口内传感器节点的信誉度。在数据传输阶段,以多属性决策过程描述簇头节点确定下一跳数据转发节点的建模过程,结合节点信誉度分析结果,确定整体评价最佳的簇头节点转发聚集数据。仿真结果表明:本文方法的精度最高可达到98.1%,由此可知,利用该方法可实现高精度的传感器网络数据并行聚集。 相似文献
18.
为了应对电力系统扰动带来的稳态及暂态电压波动问题,以静止无功补偿器(static var compensator,SVC)、电容器组(capacitor bank,CB)、有载调压变压器(on load tap changing,OLTC)和同步调相机(synchronouscompensator,SC)为综合性无功补偿装置,提出了一种考虑多种无功补偿装置协同优化的电压控制方法。建立多目标电压控制模型,引入多目标权重系数计算方法,并基于水循环算法(water cycle algorithm,WCA)进行模型求解。通过仿真算例验证了所提方法的有效性。 相似文献
19.
通过在配电网末端接入用于系统调压等辅助服务的储能装置,能有效解决可再生能源的高度间歇性和负荷需求波动导致的配变过载问题。基于强化学习的Q-learning算法,针对储能电池运行情况进行建模仿真,通过单时段优化内嵌的Q值得到各时段储能电池荷电状态的最优调度方案。实例试验分析表明,当迭代次数达到一定数量时,利用Q-learning算法能够达到理论上的最优解。最后,通过将Q-learning算法与动态规划算法生成的标准最优调度方案进行对比,证明了Q-learning算法能够与动态规划算法达成一致最优解。 相似文献