建筑类院校景观学专业人才培养模式构建

在回顾我国景观学专业的发展、探讨其学科内涵及特征的基础上,应对风景园林类专业多元化办学的现实背景,阐述了作为地方性建筑类工科院校的山东建筑大学景观学专业人才培养目标.汇聚学科优势,提出了"以设计为主导、以理论为支撑、以融贯为外延"的景观学人才培养模式,结合课程体系设置,对多元办学背景下的建筑类院校景观学人才培养特色进行了积极的探索.     

发电系统短期可靠性评估的等效机组法

本文提出了等效机组的概念,有效地解决了发电系统短期可靠性评估中的“状态爆炸”难题该方法不仅提高了短期可靠性评估的速度和精度,而且极大地压缩了计算存贮量,使发电系统短期可靠性评估更趋于实用化.通过对示例发电系统进行短期可靠性评估,其结果证明了该方法的正确性和有效性.     

电能扰动检测和识别线调频三角样条小波方法

线调频小波变换是傅里叶变换和小波变换的一般情况,它具有更灵活的时频局部化特性.但连续线调频小波变换实质上是积分的数值计算,传统的方法是用多项式插值函数代替被积函数求积分.对电能扰动信号来说,计算的精度不高,影响检测效果.文中用连分式有理插值函数替代被积函数,提高了积分精度.最后,以三角样条小波函数作为线调频小波变换的母函数,并用线调频三角样条小波变换来检测和识别电能扰动,它的等高线可以清楚地显示出干扰发生时刻和持续时间.     

主馈线分段开关的设置研究

配电网主馈线分段开关的设置可以提高系统的可靠性，但它在提高系统的可靠性的同时也增加了系统的投入；如何协调配网的可靠性与投资成本而合理地设置主馈线分段开关，是配电网中必须面对的问题，该文对此问题进行了研究。文中通过对不同情况下某段主馈线上分段开关是否设置对系统停电损失所造成的影响的分析，将主馈线分段开关的可靠性效益与可靠性成本相结合，最终得到了主馈线分段开关该如何设置才使系统的综合经济效果最佳的定理。结果表明：仅在某段不设分段开关与所有段均设分段开关两种状态下系统的年停电损失之差小于分段开关的年费用时，应该在该段馈线首端装设分段开关。文末给出了该定理应用的一实例。     

全局安时无功优化调度的MAS方法

电力系统无功优化调度问题在数学上属于一种具有多目标、多不确定因素、多约束、多极值、非线性的组合最优化问题。通常的寻优方法遇到了许多困难，因此目前无功优化调度技术的应用还停留在计算规模较小的地区局部电网中。为实现电网全局实时的无功优化调度，提出一种基于分布式人工智能中多Agent系统(MAS)的无功优化调度模型。将全网无功调度按区域分解为若干个相互关联的调度子系统进行分布式求解，全局调度系统采用网络控制结构，各调度子系统则采用分层控制结构。在各子网局部实现无功优化的基础上，采用多Agent智能协调技术实现全网的全局无功优化。     

天广直流输电系统换相失败的研究

换相失败是逆变器最常见的故障之一,分析了天广直流输电系统中直流电流、越前触发角、直流系统降压运行、直流系统满载率、换流变压器短路阻抗以及换流变压器变比等因素对广州换流站换相失败的影响,所得的结果跟仿真研究中的结果相近.得到的天广直流输电系统换相失败一般规律对其运行有一定的借鉴意义.     

电力市场中考虑机组启停约束的购电策略

在电力市场环境下，电网以最小化购电费用为目标，而发电公司以最大化售电收益为目标，如何寻找二者之间的市场成交点是一项复杂而重要的工作。制定发电计划时，机组的启停是必须考虑的问题。基于此，文中对电力市场中考虑机组启停约束的购电策略进行了研究，并建立了相应的数学模型，提出了机组报价对电网总购电费用灵敏度的概念，以及考虑机组启停约束的购电算法，得出的结论对制定发电计划有一定的指导意义。     

实时无功优化软件ORP的开发与应用

介绍了实时无功优化软件ORP在某省电网中的应用,讨论了开发该软件的意义以及几个实时应用问题,阐明了通过调度生产管理系统DMIS调用SCADA系统实时数据以及如何进行人工干预的具体实现方法,讨论了无功优化计算程序的实现等问题.最后通过试运行证明了ORP的实用价值.     

电机故障信号小波变换边界问题及解决方法

小波变换比Fourier变换具有良好的时频局部化特性，是处理突变信号的有力工具。近年来，小波变换在电力系统故障信号的处理中得到广泛地应用。而故障信号的采样区间是有限的，小波变换在处理电力系统故障信号时存在两个边界问题：即靠近端点附近突变点很难识别出来；信号分解、压缩及重构时误差较大。因为传统处理方法将有限区间的信号通过补零、对称延拓和平滑扩充外来数据区间而造成人为误差，除Harr小波外任何正交的紧支撑小波不具有对称性或反对称性，因而不具有线性相位或广义线性相位，易出现信号恢复时失真现象。提出的区间双正交小波方法同时具有正交性、紧支撑性及对称性，实验结果表明这种小波误小、精度高。     

基于支持向量机混合模型的短期负荷预测方法

将支持向量机专家系统混合模型应用于短期负荷预测采用方法分为2个阶段:应用神经网络中的聚类算法将历史数据分割成不相连的数据域;对每个数据域选择最佳核函数预测单个SVMs。实际数据验证表明,该方法与单个多项式核、高斯核和3次样条核的SVMs预测相比具有预测精度高、支持向量少和计算量小等优点。