考虑频率死区的储能单元协同控制策略

新能源并网比例的不断攀升降低了电力系统惯量,导致系统调频能力下降。为此,开展了储能参与调频的研究。储能参与调频受到单元数量、荷电状态(state of charge,SOC)、充放电策略等因素影响,提出一种考虑频率死区的储能单元协同控制策略,根据SOC一致性对储能单元进行分组,不同组别单独执行下垂控制或虚拟惯量控制,简化出力控制指令。依据系统频率偏差或频率变化率进行控制指令切换,并分别设置频率偏差和频率变化率死区,以减少小扰动干扰导致储能系统频率充放电。基于Matlab/Simulink进行仿真验证,结果表明:所提控制策略简单便于执行,能够快速响应调频需求,并且能保证储能电池使用寿命。

Abel数域的导子计算公式

基于Kronecker-Weber定理本文利用素数在Abel数域中的分歧指数明确给出Abel数域的导子计算公式.特别地,二次数域的导子公式可以容易地从该公式推导出来.

一种分组多策略蝙蝠算法

针对蝙蝠优化算法存在维度敏感、稳定性差、收敛精度低等问题,提出采用分组策略对蝙蝠进行等级划分的算法,并采用混合搜索策略避免搜索跳过最优解,加入惯性权重策略,提升了种群多样性。采用六个基准函数进行仿真,结果表明所提出的DGMBA算法性能优于ELBA、BA、FPA和PSO算法。对该算法进行秩检验,结果证明该算法比较稳定,是较为有效的算法。

数据库查询优化中的智能预取技术

提出了一种新的用于关系数据库查询缓冲和预取的方法。首先将数据查询语句抽象成由四元组组成的查询模板,同时保存了查询语句的实际参数。基于这些模板和参数,提出了两种智能预取算法以适应两类不同的数据查询需求。第一个算法基于蚁群规则,该算法能够用于预测将来具有最高可能性的查询。经过监控某个特定应用对于数据库所发生的大量查询,实际的模板数要远远小于发生的查询数。当通过考虑查询模板和跟踪历史查询记录来预测未来可能发生的查询时,提出了第二类算法。该算法基于惯性规则,它使用BP网络来跟踪用户的查询历史。相对于前面的算法,该算法更适合多应用共存的场合。在模拟实验中发现对于单个应用而言,查询具有很高的模板依赖性,而对于多应用场合,惯性规则具有更好的适应性。

企业家的战略创新与群体创新——克服组织惯性的途径

组织惯性往往阻碍企业对动态环境的适应性。从企业战略形成的角度,探讨克服企业的战略惯性,以适应动态环境的企业战略创新问题。给出了企业层次的战略创新概念,分析了企业战略的企业家创新和群体创新,并提出两者相结合的观点。

基于部分惯量中心等值的多机系统特征根计算

根据不同频率振荡模式的正交性质，针对每一振荡模式将系统机组分成两群，利用部分惯量中心（ＰＣＯＩ）将两个机群分别等值成两台发电机，在等值两机系统上进行特征根的计算。给出了１０机新英格兰系统的计算结果，证明了该方法的有效性。最后分析了误差原因，并提出了进一步提高计算精度的一些方法。

曲柄群驱动机构单元化平衡

为实现曲柄群驱动机构的模块化设计与生产,定义曲柄单元为该机构的基本单元,以曲柄单元为基础研究曲柄群驱动机构模块化设计中的摆动力平衡问题。研究了影响平衡块质量及配置位置的因素。分析表明,当在所有曲柄的反方向配置参数相同的平衡块时,平衡块的质量矩与机构中的曲柄个数,曲柄的质量与长度,运动连杆总质量有关。得出一种满足模块化设计与生产的方法,该方法能快速有效地实现曲柄群驱动机构单元化平衡。

团购网站顾客忠诚影响因素的实证研究

通过对298个网络团购顾客的问卷调查,基于惰性和容忍区视角探讨了服务质量、顾客信任和转移成本对顾客忠诚的影响及作用机制。结果表明:服务质量、顾客信任、转移成本和顾客惰性对顾客忠诚有显著的正向影响;顾客惰性在服务质量、顾客信任、转移成本与顾客忠诚之间起着部分中介作用;顾客容忍区显著调节顾客惰性与顾客忠诚之间关系。

欣母沛在治疗和预防高危人群产后出血中的价值分析

目的:探讨欣母沛在治疗和预防高危人群产后出血中的应用效果。方法:按照产后出血防治方案不同将本院妇产科分娩的268例高危产妇分为试验组165例和对照组103例,分别给予欣母沛联合缩宫素和单用缩宫素治疗,比较两组产妇术中失血量、产后2 h出血量、产后24 h出血量、临床疗效及不良反应发生情况。结果:试验组产妇术中出血量、产后2 h出血量及产后24 h出血量均显著低于对照组,差异具有统计学意义(P<0.05);试验组产妇临床疗效显著优于对照组,差异具有统计学意义(P<0.05);两组产妇不良反应发生率比较,差异无统计学意义(P>0.05)。结论:欣母沛可有效提升缩宫素宫缩止血效果,减少产妇术中失血量和产后出血量,不良反应小,安全性高,是防治高危人群产后出血的优选方案。

基于红皇后视角的竞争经验与组织生存的关系:来自我国客车行业的实证研究

竞争中的组织总是面临着复杂的环境与战略互动,为了生存,组织往往会通过学习或探索来提升组织绩效。一旦成功,这些在竞争中取得的经验就有可能提升组织的竞争力,反过来会使得其竞争对手采取行动。因此,组织的竞争者也变得更加具有竞争力,而这会再次引发焦点组织进一步采取新的行动。本文基于这种被称为“红皇后效应”的自我强化的进化视角,对组织竞争经验与组织生存之间的关系进行了探究,并研究了组织惯性对竞争经验与组织生存的调节作用。本文的主要结论有:第一,组织的近期竞争经验会对组织的生存产生有利影响,相反,组织远期的竞争经验则对组织生存不利;第二,组织竞争对手的竞争经验也会对组织的生存产生影响,竞争对手的近期经验不利于焦点组织生存,而远期经验则对焦点组织的生存产生有利影响;第三,组织参与的竞争组群种类越多,对组织的生存越不利;第四,组织惯性对组织竞争经验与组织生存之间的关系具有调节作用,组织惯性越大,近期竞争经验带来的有利影响越小。

基于动态搜索的自适应猫群算法

针对猫群算法(cat swarm optimization,CSO)中极易陷入局部极值和收敛的速度偏慢等问题,提出一种基于动态搜索的自适应猫群算法(adaptive cat swarm algorithm based on dynamic search,ADSCSO)。根据Logistic函数特点对分组率和惯性权重实行有范围的动态变化,提高算法收敛的速度;利用适应值的信息让变异率自适应变化,增加算法跳出局部解的几率。使用5个标准测试函数对CSO、仅加入动态搜索的猫群算法(cat swarm algorithm based on dynamic search,DSCSO)和ADSCSO进行比较测试,仿真数据表明,ADSCSO算法在收敛速度以及求解精度方面都具有一定程度的效果。

自适应惯性权重的分组并行粒子群优化算法

针对岛屿模型的并行粒子群算法没有根本改变粒子速度更新的问题,提出一种自适应惯性权重的分组并行粒子群优化算法。该算法在迭代过程中能自适应地选择加入分组的数量,同时对各组粒子的惯性权重按照组内最优位置的变化进行自适应调整。各组运用多线程技术并行处理,粒子间采用新的信息共享的方式。仿真结果证实,该算法具有较高的收敛速度和收敛精度。

RRR-RRR Ⅱ级杆组的等效系统动力学建模

将等效的思想与有限元的方法结合起来,用等效元素法建立了RRR Ⅱ级杆组的动力学等效模型,给出了其动力学微分方程,将建模的关键归结为二阶张量Tia和三阶张量Tibc的建立以及等效质量阵的组装。对给定的RRR-RRR六杆机构进行了建模和求解,给出了其动力响应曲线。实例表明,此方法与传统方法比较,无论从微分方程的列写,还是由计算机进行的解算,都显示出强大优势,解题效率高。

高斯差分变异和对数惯性权重优化的鲸群算法

针对鲸群优化算法在处理高维问题时存在收敛速度慢、容易陷入局部最优和收敛精度低等问题,提出一种基于对数惯性权重和高斯差分变异的鲸群优化算法。通过高斯差分变异对鲸鱼位置更新方程进行变异,增加了种群多样性,提高了鲸群算法的全局搜索能力,防止早熟现象发生;将对数惯性权重引入搜寻猎物阶段,平衡全局搜索和局部开发能力,提高了算法寻优精度。通过测试函数优化实验对算法进行测试,实验结果表明,改进算法具有更高的寻优精度和更快的收敛速度。

中国南方民族史研究的逆向思考

由于受到百余年来西方文化导向以及国内外政治因素的影响,中国南方民族史研究形成了一系列的思维惯性,这种思维惯性在一定程度上扭曲了中国南方民族史的原有形态。中国民族史的学术研究与现实政策,固然是一个无法截然分开的整体,但是民族学的研究必须具备自身较为独立的学术本体性和科学性,应该尽可能地摆脱既有的思维惯性模式所造成的影响,客观公正地深入研究民族史的各个领域及其问题。只有这样,才有可能避免人为地塑造超越社会经济与文化的特殊民族的偏颇,为国家民族政策的制定提供有益的学术借鉴。

一种新的规则纹理基本图元提取方法

通过分析面饰的十七种对称群的特点,提出一种新的提取规则纹理中的基本图元的方法.该方法首先计算图像的灰度共生矩和惯性矩,通过阈值法选择合适的惯性矩以获取格点的位置及晶格的基本向量,然后通过分析面饰的十七种对称群的特点,得到晶格形状与对称群之间的关系,并基于这种关系来判断图像所属的对称群类别,最后从多个晶格中选择与图像的对称群一致的晶格作为图像的基本图元.试验结果表明,跟其它基于灰度共生矩的方法相比,本文提出的方法提取出来的基本图元更准确,更符合人眼的生理视觉特性.

粒子群算法及其参变量的分析

在解析粒子群算法的基本原理、算法的流程的基础上,对算法的参变量进行分析和讨论。通过实验说明粒子群算法的参变量对算法性能的影响,重点分析粒子群算法的惯性权重因子的选取原则,最后给出粒子群算法的各个参变量的最优值及其范围。

库存不足条件下车辆路径问题及其改进PSO算法

分析并构建了库存不足条件下车辆路径问题的数学模型;在模型的求解上,提出一种基于子群协作的动态粒子群算法;最后通过算例实验表明:该算法能有效克服标准粒子群算法迭代寻优时选择步长的盲目性,也改善了算法求解时容易陷入局部最优、导致早熟的缺陷,具有较强的全局寻优能力,收敛速度快,计算精度高。

改进粒子群优化算法在水电站群优化调度中的应用研究

为克服常规粒子群优化算法易早熟、后期收敛慢且易陷入局部最优解的缺点,本文提出一种新的惯性权重系数更新策略——自适应指数惯性权重系数(SEIWC)代替线性递减惯性权重系数(LDIWC),同时,将遗传算法中的染色体交叉、变异思想引入粒子的更新策略,提高粒子的多样性,增强算法的全局搜索能力。使用Rosenbrock函数和Schaffer函数验证了改进粒子群优化算法的有效性。以福建电网闽江流域水电站群优化调度为例,建立基于改进粒子群优化算法的库群长期优化调度模型。计算结果表明,该模型的调度结果显著优于常规粒子群优化算法,与逐步优化算法结果水平相当。

知识转移对群体决策偏好收敛速度的影响

群体决策往往是一个动态过程,个体间的知识转移会使决策者的偏好改变,因此对决策过程进行动态考量更切合实际。提出了基于惯性粒子群算法的偏好收敛模型,探讨知识转移对群体决策动态偏好收敛过程的影响。将知识分为内部自有知识和外部转移知识,分别讨论了这两类知识及不同知识转移量对偏好收敛速度产生的影响,并对比分析了确定与随机因素条件下收敛次数的差异。结果表明在其他条件相同的情况下,如果群体内知识转移速度越大,那么群体最终达成观点一致性的程度越高。随机性模型比确定性模型经过更多次的仿真步长才能达到群体观点一致收敛。计算实例表明本文提出的偏好收敛动态模型可应用于员工绩效考核,能够为动态群体决策偏好收敛分析和评价提供依据。