配电网电压稳定的分布式评估方法

提出了一种分布式评估配电网静态电压稳定性的方法。基于Distflow潮流模型建立包括平衡节点在内的配电网潮流方程组,对方程组求导后得到雅克比矩阵;利用Shur补对上述雅克比矩阵进行降阶,降阶雅克比矩阵的行列式作为配电网电压稳定性的评估指标;进一步研究发现,降阶雅克比矩阵属于对角占优阵,行列式的值约等于对角元的乘积,且其对角元可以由配电网每个节点进行分布式计算。在IEEE 33节点配电网系统中验证了所提方法的可行性和有效性。

电信数据网分布式评估系统的设计和实现

针对目前使用通用准则进行电信数据网安全评估所面临复杂性高、效率低、代价大的问题,讨论了使用通用准则对电信数据网进行安全风险评估的评估框架和评估过程,设计和实现了基于J2EE的分布式通用准则评估系统TDNStu-dio。实验结果表明该系统能够显著地提高评估效率、减少评估代价,保证评估结果的客观性和正确性。

从“被动”走向“自主”:分布式领导视域下的校本教研创新

领导者于“情境”与“互动”中变换,以专业力为领导力的分布式领导理念在教育领域逐渐流行,为校本教研创新提供了有效路径:重塑制度与文化,立足研究本位,提倡共贏意识;重构角色与责任,动态赋权,组建协作型教研团队,完成单元式、项目式任务,重建过程与评估,形成“调研定向一多元活动一实证评估”的教研模式。

小型分布式光伏建设风险评估及商业模式探究

针对用户侧小型分布式光伏具有容量小、技术维护能力弱、建设风险大的特点,提出了一种基于熵权法的建设风险评估方法,探讨了其适应的商业模式。从技术风险、政策风险、资金风险和管理风险方面提出了小型分布式光伏建设风险评估指标体系,并采用熵权法求解指标权重值;依托北方居民楼3kW光伏工程案例进行了风险评估分析;基于实际工程的风险评估结论,探究了自建自销、合同能源管理、用户和企业共建的商业模式在北方地区实施的可行性和适应性,以期为分布式光伏建设的推广应用提供借鉴。

面向服务移动社交网络中基于信任的分布式服务组合方法

针对服务不透明性、信任需求主观性及移动参与者连接机会性对面向服务移动社交网络中可信服务组合带来的问题,提出基于信任的分布式服务组合方法.该方法基于格模型建立分布式服务信任评估框架,分别在组件和组合级评估服务信任度以避免不可信的数据传输;通过分析服务依赖关系,实现满足全局和局部信任约束可信服务选择;基于蒙特卡洛方法建立可信路径选择、优化和容错算法传输服务评估调用信息.实验结果表明所提方法在服务评估开销低,在路径选择成功率和信任度高,是适应面向服务移动社交网络的服务组合方法.

SOA环境下分布式策略评估引擎研究

为了满足面向服务体系架构中对大规模访问请求高效评估的需求,提出了一种分布式策略评估引擎XDEngine.该引擎的核心为策略分解模块和请求分配模块,具有分解策略和分发请求的功能.提出了按照主体属性进行策略分解的算法,该算法将策略分解成多个子策略,并使得部署到每个策略决策点的子策略的开销相等或近似相等.通过实验对比了XDEngine和Sun PDP中策略决策点的评估性能,测量了含有不同数量策略决策点的XDEngine的评估时间.实验结果表明:策略分解算法大幅度提高了XDEngine的评估性能,XDEngine的评估时间随着策略决策点数目的增多而降低;XDEngine能够满足面向服务体系架构中高效评估高并发量访问请求的需求.

一种面向任务、可重构的主控中心设计方案

针对在大规模企业分布式网络中快速实施安全评估这一分布式安全评估问题,提出一种面向任务、可重构的主控中心方案.实验验证了该方案在快速任务生成时是可行、有效的,具有以扫描策略为组件、面向任务、可重构特性.

黄河流域甘肃段面源污染估算与空间分析

采用遥感分布式面源污染评估模型(DPeRS),对2018年黄河流域(甘肃段)面源污染空间分布特征进行分析,具体包括多类型污染量产排特征解析和流域优先管控单元识别。结果表明,污染量上,2018年黄河流域(甘肃段)总氮(TN)、总磷(TP)、氨氮(NH_(3)-N)、化学需氧量(COD_(Cr))的面源污染排放负荷分别为65.6,11.8,19.1和77.2 kg/km^(2),入河量分别为836.7,33.3,220.2和1353.3 t;空间分布上,氮型(TN和NH_(3)-N)排放负荷高值区主要分布在流域中部和东部局部地区,流域大部分地区TP排放负荷均较高,COD_(Cr)面源污染排放负荷高值区分布较为零散。与排放负荷相比,黄河流域(甘肃段)面源污染入河负荷并不突出,这与该地区水资源量少有密切关系。筛选出黄河流域(甘肃段)面源污染优先控制单元15个,面积占比为85.2%,I类优控单元主要分布在庆阳市、天水市、兰州市和白银市等地区,II类优控单元主要分布在甘南藏族自治州,且TN、TP、NH_(3)-N和COD_(Cr)面源污染优控单元识别结果的平均精度达到80%。