一次微机开发过程的两种结果所引起的思考

随着市场经济的建立，按照市场需求开发产品，成为企业占据市场的重要步骤，本文介绍了八十年代中期发生在微机行业中的一次产品竞争过程，分析了竞争成败的原因，并由此得出：在技术不断翻新，市场竞争日趋激烈的情况下，市场需求已成为诸多因素的集中表现，并且是在产品进入市场以后才统一表现出来。本文正是要揭示“市场需求”中的内在因素，以增进人们对这一问题的认识。     

电路图交互式信息系统设计与实现

高技术条件下现代武器装备的技术资料甚为庞大复杂,这对武器装备的保障提出了更高要求,本文提出了电路图交互式信息系统的设计与实现方法;系统能够存储和检索电路图上任意个测试点数据,测试数据包括本文数据和波形图,并能实现电路图间信号流的跟踪,系统同时还能存储和检索装备维修的经典故障树数据,系统所有数据都存放在数据库中,便于信息共享:本系统对于快速维修装备,保证装备的完好率发挥着重要作用.     

计及机组可靠性的燃煤机组有序调停经济性调度研究

某省自实施有序调停以来,取得良好节能减排效果。本文就有序调停问题建立目标规划模型,并根据实际情况及研究调查,确定权系数,良好的对有序调停问题进行约束,并在此基础上,解决在传统线性规划问题中,找不到最优解的情况,本文所采用的模型在尽量满足约束条件的基础上,寻求满意解。在实例分析中,通过8台机组的小型网络决策过程,验证了这一方法的有效性,并得出节约的经济效益。     

基于灰色傅里叶变换残差修正的电力负荷预测模型

提出基于灰色傅里叶变换残差修正的负荷预测模型,首先运用滑动平均法对原始数列进行改进,减弱异常值的影响;然后运用傅里叶变换对一般灰色预测模型进行改进,通过对残差进行修正,消除样本数据中偶然因素的影响.算例分析表明,与一般灰色预测模型和马尔可夫残差修正模型相比,该模型的预测精度有所提高,证明了该模型的有效性和实用性.     

协同遗传算法在微网孤岛下的环保经济调度

主要研究了孤岛模式下的微网环保经济调度问题,即在满足微网安全运行约束和负荷需求的条件下,优化分布式电源的出力,使微网的发电成本和排放成本最小。分析建立了微网环保经济调度的数学模型,考虑了分布式电源的燃料消耗、维护费用、排放成本、微网运行约束条件以及负荷需求等因素。研究了协同遗传算法的多种群并行运算机制与合作池特征,并将其用于调度模型求解。仿真实验验证了算法的可行性和有效性。     

基于自主决策视角综合评价方法的垃圾发电厂选址研究

在传统观念中,垃圾是污染物,然而随着资源的日益匮乏,垃圾已经是一种很有前景的可再生资源。利用垃圾作为燃料进行发电,不但清理了工业生活垃圾,也满足了电量的供应。垃圾发电厂的选址关系到了整个垃圾发电厂的发展,并且可能引起社会问题进而影响发电厂的建设,具有重要的研究意义。在分析垃圾发电厂选址基本理论的基础上建立了垃圾发电厂选址评价的指标体系,并且运用改进的自主决策视角综合评价方法对垃圾发电厂的多个厂址进行了评价,得到了厂址优劣的排序结果。通过实例验证,说明了本文研究方法的可行性。     

高海拔地区电网工程人身保障方案及其效果评价

高海拔地区自然环境恶劣,施工条件艰苦,要顺利完成施工,对人身保障的要求很高,建立完善的人身保障体系是保证施工顺利完成的关键。首先对高海拔地区特殊环境进行了研究;其次,在对施工条件进行研究的基础上提出了高海拔施工的人身保障方案;最后,引入最小二乘支持向量机综合评价方法,对高海拔电网施工项目进行人身保障效果后评价,并且以青藏联网工程为例进行了实证分析,该方法在一定程度上减少了多指标评价的主观随意性,并且操作简单,可进行重复评价。     

区域能源互联网信息物理建模及控制策略

大力发展低碳经济是解决能源危机、环境污染、温室效应等问题的有效途径之一。在分析区域分布式能源系统一般结构的基础上,提出冷热电联供下基于多智能体系统的区域能源互联网架构模型。结合元胞自动机理论,给出考虑冷热电协同控制的能源路由器设计方案。提出一种集中分散相融合的分布式协调控制策略。仿真算例验证了所提模型和控制策略的有效性。     

基于耦合GPR-PSO的北京地区中长期电力需求预测

建立科学合理的中长期电力需求预测方法,是电力产业科学规划建设的前提。构建了基于高斯过程(GPR)和粒子群(PSO)的混合电力需求预测模型。采用PSO算法对协方差函数中的参数进行优化,将修正后的参数作为初始值在GPR模型中进行电力需求方面的培训。在贝叶斯框架下,对协方差函数中的参数再次进行优化。用训练好的GPR模型进行电力需求预测,并将结果与自回归积分移动平均模型和指数平滑模型进行比较。验证结果表明,基于高斯过程(GPR)和粒子群(PSO)的混合电力需求预测模型具有很好的稳定性和更高的预测精度。     

基于ARMA误差修正和自适应粒子群优化的SVM短期负荷预测

利用最小二乘支持向量机( LS-SVM)进行短期负荷预测的精度及其泛化性能很大程度上取决于其参数选择.对于支持向量机中的核参数和惩罚系数C采用基于适应度函数惯性权重自适应调整的粒子群优化算法进行选择.在对LS-SVM回归模型参数优化的基础上,建立自回归滑动平均(ARMA)误差预测模型来修正负荷预测结果从而提高预测精度.选择某地区夏季96点负荷数据作为训练样本和测试样本进行分析,并且选择SVM模型进行对比,实验结果表明,同标准的SVM回归模型相比,APSO-ARMA-SVM负荷预测模型能明显改善预测精度,能够推广到电价预测等其他预测领域.