基于二阶锥松弛和Big-M法的配电网分布式电源优化配置

提出一种基于二阶锥松弛和Big-M法的配电网DG（distributed generation,DG）优化配置的有效方法。通过适当处理PQ、PV、PI和PQ（V）4种类型DG的并网潮流约束,精确计及DG的运行控制方式对优化配置的影响。利用二阶锥松弛方法,将交流潮流约束、ZIP负荷约束和PI、PQ（V）型DG并网潮流约束转化为二阶锥规划问题,并通过适当设置优化目标函数,保证松弛误差趋于零。为了解决DG优化配置中的混合整数非线性约束、PV型节点无功功率越限和无功补偿整数约束问题,利用Big-M方法将其转化为便于有效求解的混合整数二阶锥规划问题。通过多个测试场景表明,所提出的二阶锥松弛方法具有非常高的求解精度,而且具备求解多类型DG多区域优化配置问题的能力。并且发现,适当调整DG的功率因数可以显著降低系统损耗;采用多DG分散配置比单DG集中配置的降损效果更好;增加电压偏移质量优化目标后,可以使电压分布更加扁平,显著提高系统电压质量。采用IEEE-33节点和PG＆E69节点配电系统的仿真结果验证了所提出方法的可行性和有效性。

劣构问题情境培养高阶思维能力的初中生物学教学探索

在初中生物学课程改革进入新阶段的背景下,培养学生的科学思维和实践能力成为初中生物学课程与教学重要的目标之一。本文以“生物的命名和分类”为例,围绕“生活中人们如何购买到真正三文鱼”这一劣构问题,构建情境进行教学,将劣构问题良构化,在问题解决过程中培养学生的分析、综合、创新等高阶思维能力,落实生物学学科核心素养。

基于信息熵的工单标签大数据并行分类系统设计

为避免工单调度过程中标签数据相互干扰,设计基于信息熵的工单标签大数据并行分类系统。整合大数据采集器、并行处理器元件内传输的业务工单标签信息参量,设定信息熵查询序列条件,通过变分模态分解业务工单调度数据信息,得到并行参数优化处理结果,实现软件执行环境搭建。结合相关硬件设备结构,完成工单标签大数据并行分类系统设计。系统性能测试结果表明,设计系统的信息熵序列能够有效降低工单标签信息参量之间的干扰强度,符合按需分类业务工单标签信息参量的实际应用需求。

基于偏序约简的智能电网大数据预处理方法

针对电力一次系统和电力信息系统的数据所具有的多维度、时空混杂等特征,建立了一种基于偏序约简的大数据属性约简预处理方法。该方法综合利用了MapReduce的可并行化优点,着眼于并发事件间的独立性,可以满足电力大数据属性维度与约简方面的覆盖要求。最后,分别以某光伏发电系统监测数据、变压器故障诊断数据和智能变电站通信系统实时性与可靠性预测数据为例,对属性约简进行模拟计算,并通过Hadoop平台进行测试,表明所提出的电力大数据属性约简方法性能优良。

大数据偏序结构生成原理

形式概念分析是一种强有力的数据分析和可视化工具,自提出至今已被应用到数据挖掘、知识发现等领域。但由于概念间复杂的关系使得概念格中的连线错综复杂,尤其是在处理大的形式背景时显得尤为混乱。形式背景中所包含的属性间关系、对象间关系以及对象-属性关系是形式背景的本质关系,本文在人类认知事物哲学原理的指导下,构建了以描述属性间关系和区分对象为基本目的的偏序结构图,并描述了其构建方法。该种图形层次分明、结构清晰,不存在线的交叉连接,具有比较好的可视化效果,尤其计算方法简单,存在应用到大数据的潜能,为大数据数据分析和知识发现提供了一种潜在工具。

大数据背景下物流服务订单分配

针对已存在的多级物流服务供应链订单分配中没有充分考虑客户的最佳配送时间和需求的问题,提出了在大数据背景下,利用大数据的知识分析客户的点击量、浏览时间和销量之间的关联性,预测客户的需求、分析客户的位置数据来预测客户的最佳配送时间.基于大数据的预测结果,以物流服务集成商最小化服务成本为目标,建立三级物流服务供应链的订单分配优化模型,并通过实例仿真进行了验证.结果表明,基于大数据预测的销量和配送时间更贴近客户实际需求,在保证客户服务质量的情况下,获得问题的最优解.

过热器蒸汽温度状态观测器的鲁棒性分析

工程中过热蒸汽温度作为被控对象通常是n阶大惯性环节,且状态不可测。以常规手段,通常很难达到理想的控制效果。该文以这个实际工程问题为研究背景,根据状态观测器和鲁棒观测器设计的理论,研究过热器蒸汽温度动态特性状态重构的实用技术,分析采用高阶惯性环节作为过热器的状态观测器的适用性。得出在保持系统稳定的前提下,惰性区时间常数的允许变化范围。通过分析得知状态观测器确定时,此范围只和状态反馈增益阵有关。仿真试验验证了理论分析结果的正确性。

基于序lasso的时间序列分析方法

传统的lasso法因其解的稀疏性、变量选择的稳定性被广泛应用在高维、复杂、多变的大数据的降维及分类中,但在处理时序大数据时,lasso法因不考虑变量的时序关系而受限制。鉴于这一缺点,本文在处理时序数据时采用序lasso方法。序lasso将不同特征的不同时间点的数据作为输入变量,能够有效地估计出每个特征最合适的时滞间隔,它的优点是在恢复真实系数上消除了尾部的波动性。基于实际的时序数据上的实验结果证明了本文的模型和算法。

有人说过“大他者”吗?——论精神分析化的政治哲学

近二十多年欧陆思想的最大亮色之一,就是一种精神分析化的政治哲学之兴起,齐泽克、拉克劳、巴迪欧等皆是该浪潮的领军人物。文章尝试探讨如下后设性问题:聚焦个体心智问题的精神分析理论向政治哲学的跨界性应用,在何种意义上可被视作是正当的?通过对拉康主义精神分析之核心概念"大他者"的深入分析,文章尝试揭开精神分析本身所蕴含的政治哲学向度,并在这个基础之上进一步回应如下问题:何以受拉康精神分析影响的这批当代政治哲学家,皆成为欧陆政治思想激进一脉的领军人物?

校企合作之实施经验—丰富“订单培养”形式,开展“校企科研合作”

本文结合陕西国防工业职业技术学院化工学院的办学实践,介绍了"订单培养"的两种不同形式和"校企科研合作"实施方法,总结了"订单培养、校企科研"的合作办学经验。

恒电流密度法制备大孔径高度有序阳极氧化铝模板

采用恒电流密度法,分别在草酸和磷酸的电解液中制备了阳极氧化铝模板(AAO),借助扫描电镜(SEM)观察了膜的微观形貌,结合恒电压法制备的AAO模板,研究了电解液、电流、电压等对膜的影响,并且探讨了恒电压和恒电流密度法的形成机理。结果表明:利用恒电流密度法制得的模板孔径大约在80～200nm,厚度在30～100μm,并且孔径均匀,有序性好。

偏序结构环形图:一种大数据偏序结构可视化新方法

偏序结构图因其良好的知识可视化特性已在知识发现、数据挖掘等领域得以广泛应用。但在对大数据所形成的超大形式背景进行研究和分析时,偏序结构树形图存在的一些不足,使大数据可视化效果欠佳,不利于对大数据进行数据挖掘和知识发现。本文对偏序结构树形图进行改进,提出了可用于大数据分析的偏序结构环形图。对实例形式背景绘制出偏序结构环形图,并与其偏序结构树形图比较。实验结果表明,该方法清晰、直观,可视化效果较好,能更有效地呈现出大形式背景中的重要信息,可以应用在大数据的数据挖掘和知识发现中。

电力企业投诉工单文本挖掘模型

以客户投诉工单和回访不满意工单为样本,引入LDA文档主题生成模型对文本信息进行中文自然语言处理和数据挖掘,发现问题属性类别,通过大数据对文本挖掘结果进行分析和监控,构建适合电力公司的投诉工单文本挖掘模型,实现对工单进行分类筛选、便签判断和初步归因。

轨道车辆五大部件SAP中实现

鉴于轨道车辆的特殊性,轨道车辆的生产是围绕着车辆五大部件组织生产的,工艺人员需要将设计BOM结构拆分为适应生产实际的五大部件MBOM。工位制多级半成品MBOM是网络订单运算和实现主生产线节拍化生产的基础,进而运算出各层子件的采购订单下达时间、自制件的生产订单下达时间,可有效保证物料供应的及时性,实现各层级订单的节拍化生产。

基于不能直接判定区间灰数大小的灰矩阵博弈的纯策略解及其风险

运用灰色系统思想和系统工程的理论,揭示了人们在灰信息条件下的博弈心理与博弈决策规则;提出了区间灰数的优势、均势和劣势的概念;证明了与某一区间灰数相对的另一区间的各种灰数势之和为1,且灰数势大小关系的集合是一个全序集。在此基础上,定义了灰数势意义下的纯策略解,且证明了这一纯策略解(或称灰势鞍点)存在的充要条件。最后,以煤价在一定范围内波动情况下的某单位冬季取暖用煤贮量的决策为例,对其灰数势意义下的纯策略解及其风险问题进行了研究。

阴谋论的心理学探索

阴谋论最初非心理学术语,但自上世纪90年代以来渐渐进入心理学研究者的视野。在心理学的研究视角下,阴谋论被视为个体对将重大事件解释为有组织的密谋行动这类说法的接受与相信。研究者开发了阴谋论的测量工具,包括具体和一般层面的阴谋论问卷。对于阴谋论影响因素的探讨发现阴谋论与随和性、开放性、直觉思维、秩序需求等人格、认知、动机因素密切相关。且大量研究还探讨了阴谋论的影响后效,发现其会对个体在政治、健康、环保等层面的行为产生影响。未来研究者应加强对阴谋论的实验研究;且应逐步在国内开展研究,以探讨中国人阴谋论倾向的特殊成因;最后应积极探索阴谋论的干预策略,这将会给培养国民理性平和的社会心态带来启示。

大数据分割式极限学习机算法

在海量数据输入背景下,为提升极限学习机算法的学习速度,降低计算机内存消耗,提出一种分割式极限学习机算法。将海量数据分割成K等份,分别训练极限学习机并获得单一外权,基于算术平均算子得到分割式极限学习机的综合外权;为避免异常数据对极限学习机输出结果的影响,采用有序加权平均算子融合单一极限学习机的输出信息,使分割式极限学习机的输出结果更为稳定。数值对比仿真显示:分割式极限学习机比传统极限学习机的学习速度、拟合精度和内存消耗都高,验证了该方法的有效性和可行性。

大数据知识发现

随着信息技术的快速发展,人类面临的数据呈爆炸式增长,大数据的时代已经来临。大数据研究成为当今科学和经济社会发展的重大战略方向和必然趋势。大数据的巨大价值在于依据数据间关联性而建立的复杂结构关系网络中所蕴含的知识。大数据知识发现是一个非常重要和亟待解决的问题。本文总结了以燕山大学为核心的大数据研究团队部分最新工作,重点给出了大数据偏序结构理论及其相关工作的简要介绍,为快速、准确了解该团队的研究现状提供参考。

大数据技术条件下的城市治理:数据规训及其反思

城市治理在于构建一种良好的秩序,而构建城市秩序即秩序规训的方式与经济发展水平直接相关。最初的秩序规训是道德规训,其次是行为规训,再次是法制规训。即便是法制规训也由于受法制制定者主观因素的影响而难以达到有效规训的目的,但技术的进步则可以弥补这种缺陷。大数据技术用于城市治理的实践中就是采取数据规训的方式来成功实现城市的秩序规训。技术自古以来对人类而言就是一把双刃剑,在为人类的发展提供便捷服务的同时,也会因人类不同成员的私利而对人类产生危害。这就是技术的异化现象。大数据为构建一个有序的城市发挥着积极的作用,正是大数据的数据规训功能使城市环境处于一种“绝对安全”之中,但数据规训是以牺牲个人隐私为前提的,从而导致环境的绝对安全与内心的恐惧并存。大数据条件下的城市治理短期内可能无法使人类摆脱这种恐惧,但城市治理终究要回归以人为本的本质,使技术在伦理的规训下更好地为人类服务。

大数据视频图像关键帧的检索模型优化仿真

传统的检索方法在建模时,主要通过视频图像特征提取视频图像的关键帧,忽略了视频图像采集过程中受到光照等因素的影响,使得图像特征发生变化情况,导致建模误差大的问题。提出基于视频元数据信息的大数据视频图像关键帧的检索建模方法。先对采集的样例大数据视频进行图像划分,获取图像子区域的灰度均值,将编号相同的子区域直接进行连接,组成大数据图像视频的关键帧时序特征曲线,通过异常因子去除视频图像中的突变干扰,在引入视频元数据信息算法计算视频图像关键帧元数据,并进行视频元数据信息对比,建立大数据视频图像关键帧的检索模型。仿真结果表明,采用改进算法检索效果好,误差低。