加强建筑工程项目管理的措施研究

项目管理是企业管理工作的基础,也是公司深化管理的一项重要内容。因此,必须加强建筑工程的项目管理,才能使企业立足于建筑市场并产生一定的经济效益。文章围绕建筑工程项目管理,对其当前建筑工程项目管理存在的问题进行了深入的探讨,并针对问题提出了加强和改进的措施,最后得出结论：只有不断加强和改进建筑工程项目管理,才能使企业立足于市场,并产生一定的经济效益。     

基于GA-RBF神经网络的变压器温升预测

以预测变压器温升为目的,提出了一种基于遗传算法(GA-Genetic Algorithm)优化径向基函数(RBF-Radial Basis Function)神经网络的预测模型。首先用GA算法优化RBF神经网络中的隐层节点个数、输出权重、隐层基函数中心及宽度这四个参数的初值,然后利用优化后的RBF神经网络对样本进行训练,这样克服了传统神经网络参数选择的随机性。以S9-1000/10低损耗电力变压器为例作温升试验,将预测值与实测值对比,并与基于传统的BP神经网络预测值对比,结果表明,该方法得到的变压器温升预测值与实测值更接近,该预测模型具有更高的精度和适应能力。     

一种减小TSC+TCR型SVC注入谐波的新方法

针对晶闸管投切电容器(TSC) + 晶闸管相控电抗器(TCR)型静止无功补偿器(SVC)中的TCR在正常运行时会产生大量的特征谐波注入电网的问题,提出一种减弱TSC+TCR型SVC接入配电网进行动态补偿时注入配电网谐波的新方法,首先建立了TCR三角形连接时的触发延迟角与吸收无功功率及总谐波畸变率(THD)之间的关系,然后采用改进粒子群优化(PSO)算法优化TCR三角形连接时的触发延迟角α1、α2和α3组合来减小SVC补偿时产生的谐波。算例仿真结果表明,当配电网安装SVC时,采用改进PSO算法可使产生的谐波最小化,且能降低成本,从而实现稳定的动态无功补偿。     

基于人工蜂群算法的配电网无功优化

针对配电网电压质量较低的问题,建立了完整的无功优化模型。首先提出了一种新的无功补偿候选点的方法,即先基于网损最小选择无功补偿点,在此基础上再用动态优化选择无功补偿点;然后建立以网损最小、并联电容器容量最小、电压水平最好、两类电压稳定裕度最大的无功优化目标函数,用模糊方法将含有量纲的多目标问题转化为没有量纲的单目标问题;接着用人工蜂群(ABC)算法确定无功补偿点和容量。最后对IEEE-33节点配电网系统进行了测试分析,并与其它两种优化算法相比较,结果表明使用该优化算法,配电网无功配置方案较优,线路损耗明显降低,电压质量和电压稳定裕度明显提高。     

新农村电网中分布式电源的选址定容

为满足国家建设智能电网的要求,未来的新型农村电网应充分考虑分布式电源的发展,实现分布式电源与配电网的互动。针对未来分布式电源在农村电网中应用的可能性,提出了用序优化理论结合二次电流矩粗糙估计的方法来解决配电网中分布式电源的选址和定容问题,对标准10kV33节点配电网系统进行了测试分析,结果证明该方法能够有效地确定分布式电源的接入位置和容量,接入后网损减小,且对电压有支撑作用。