认知负荷理论视域下读写结合的教学建议

认知负荷理论是一种关于人类信息加工中认知资源分配的理论。认知负荷理论提出,在教学过程中要减少外部认知负荷,控制内部认知负荷,增加相关认知负荷,使总的认知负荷不超出学习者的工作记忆容量。本文基于认知负荷理论对读写结合教学提出六条建议:读写任务集中,读写语境共享,读写支架搭设,控制内部认知负荷;读写材料呈现,减少外部认知负荷;读写图式构建,“情境→行动”组合,增加相关认知负荷。

负荷柔性调控与供需互动关键技术

随着传统电力系统向新型电力系统转型升级,电源结构和负荷形态发生重大变化,“源荷”双侧随机性、波动性显著增加。叠加近年来极端天气因素影响,需求侧季节性负荷峰谷差加大,电力供应保障面临极大挑战,须进一步释放负荷资源参与电网调控。

一种采用记忆神经网络和曲线形状修正的负荷预测方法

针对分布式电源和新型负荷容量累积造成负荷影响因素多元化和不确定性特性增强的问题,文中提出一种采用记忆神经网络和曲线形状修正的负荷预测方法。在负荷峰值预测中,采用最大信息系数计算负荷峰值与影响因素的非线性相关性,实现对输入特征的筛选;综合考虑负荷峰值序列的长短期自相关性和输入特征与负荷峰值的不同程度相关性,结合Attention机制和双向长短时记忆(bidirectional long short-term memory,BiLSTM)神经网络建立负荷峰值预测模型。在负荷标幺曲线预测中,通过误差倒数法组合相似日和相邻日,建立负荷标幺曲线预测模型;针对预测偏差的非平稳特征,利用自适应噪声的完全集成经验模态分解和BiLSTM网络建立误差预测模型,对曲线形状进行修正。应用中国北方某城市的区域电网负荷数据为算例,验证了所提模型的有效性。

面向规模化空调负荷的聚合调控过程研究

近年来,我国电力需求持续增长。为进一步深化电力负荷管理,切实做好迎峰度夏(冬)能源电力保供工作,对深挖空调负荷的调控潜力、完善空调负荷聚合调控机制提出了更高的要求。首先,从物理建模、数据建模两个角度综述空调负荷预测模型和聚合模型,分析不同模型的适用性,并提出适合面向大规模空调负荷的多级聚合模型。然后,围绕调控模型和调控策略讨论现有优化调控进展。最后,结合国内发展现状从算法融合、双碳战略要求、负荷聚合系统高效运行等方面提出发展建议。

教科书的认知负荷类型初步探索

在教科书学习过程中,教科书中呈现的内容会给学生容量有限的工作记忆施加一定的认知负荷,教科书的这类认知负荷是评价教科书质量的一个重要指标。该研究采用问卷调查的方法来探索教科书认知负荷的类型。首先依据认知负荷的理论阐释,编制教科书认知负荷问卷,而后施测于四年级学生数学教科书的学习和八年级学生物理教科书的学习。对施测结果的因素分析表明,在教科书学习情境中,在未受过认知负荷理论培训的条件下,学生学习教科书时体验到的认知负荷可以区分出被动认知负荷和主动认知负荷两种类型,学生的元认知发展水平对用问卷法测查出的教科书认知负荷的可靠性有一定影响。

压缩感知在非侵入式负荷监测中的应用展望

随着压缩感知(compressed sensing,CS)在智能电网中的应用不断深入,其在非侵入式负荷监测(non-intrusive load monitoring,NILM)领域的研究表现出滞后性。为此,在分析NILM中的CS应用必要性后,该文针对CS在NILM中的应用研究进行展望和探索。首先,对CS原理与NILM流程进行融合分析,提出压缩感知在非侵入式负荷监测中的3种应用模式;然后,针对3种应用模式的具体流程,展望各应用模式的研究方向和适用场景。在此基础上,从CS要素和负荷分析两个方面,重点探讨CS在NILM中应用所需解决的关键技术,设计适应NILM的测量矩阵、稀疏基和重构算法等CS要素的改进思路,提出在CS框架下事件探测、负荷分解、负荷识别、特征提取等负荷分析方法的实现思路。该文所做工作旨在探索CS在NILM中的应用,以期为后续研究提供指导。

考虑负荷空间均衡和充电站合作博弈的快速充电定价机制

为了平衡快速充电负荷空间分布,提高电动汽车用户充电满意度,提出考虑负荷空间均衡和充电站合作博弈的快速充电动态定价机制。首先,通过实际订单数据逆地理编码得到出行概率转移矩阵,结合路网模型和速度-流量模型建立电动汽车充电负荷时空分布模型;然后,考虑用户主观意愿,建立计及用户偏好的充电站选择决策模型,模拟用户对于充电站选择的理性决策行为;最后,以充电站节点负荷均衡性为目标,建立区域内快速充电站合作模式下的动态定价博弈模型,通过迭代算法求解均衡值,并利用Shapley值法对合作联盟所得剩余收益进行分配。仿真实例表明,所提快速充电站动态定价策略能有效降低充电站节点的负荷方差,提高充电桩利用率和充电站收益,并减小用户排队时间,提高用户满意度。

基于CNN-SAEDN-Res的短期电力负荷预测方法

基于深度学习的序列模型难以处理混有非时序因素的负荷数据,这导致预测精度不足。提出一种基于卷积神经网络(CNN)、自注意力编码解码网络(SAEDN)和残差优化(Res)的短期电力负荷预测方法。特征提取模块由二维卷积神经网络组成,用于挖掘数据间的局部相关性,获取高维特征。初始负荷预测模块由自注意力编码解码网络和前馈神经网络构成,利用自注意力机制对高维特征进行自注意力编码,获取数据间的全局相关性,从而模型能根据数据间的耦合关系保留混有非时序因素数据中的重要信息,通过解码模块进行自注意力解码,并利用前馈神经网络回归初始负荷。引入残差机制构建负荷优化模块,生成负荷残差,优化初始负荷。算例结果表明,所提方法在预测精度和预测稳定性方面具有优势。

足球训练负荷监控研究

如何合理安排训练负荷是当下训练学研究的热点问题,训练负荷监控也是当前体育科学研究的重点与趋势。在足球项目中,训练负荷监控具有提高运动表现和预防运动损伤的重要作用。该文从内外部负荷指标角度出发,总结当前足球训练中普遍采用的指标以及其作用。在此基础上提出在训练中如何合理运用相关指标,更好地解决训练实际问题,以期为基层教练员在选用负荷监控指标时提供理论参考。

科研建筑电力负荷密度研究

通过对中国科学院科研院所集中的北京市中关村和奥运村区域内数十家单位的电力负荷进行深入调查研究,结合有关单位运行维护的电力监测平台数据,通过数据统计、处理和分析,设计流程复盘、设计参数验算等方法,辅以科研院所实地走访等手段,从建设单位和设计单位共同关注的科研建筑“怎么算负荷,装机装多大”入手,针对科研建筑电力负荷密度的合理取值作出探索。

基于二次分解双向门控单元新型电力系统超短期负荷预测

在新型电力系统中,电力负荷随机性和波动性较强,现有预测方法难以对其实现高精度预测。为此,提出一种基于二次分解和双向门控循环单元的超短期负荷预测模型。首先,针对电力负荷的强随机性和强波动性,利用自适应噪声完备经验模态分解对电力负荷历史序列进行初步分解,使负荷序列更加平稳。随后,对初步分解得到的强非平稳分量运用连续变分模态分解进行二次分解,降低其预测难度。最后,为充分学习电力负荷的时序特征,在预测过程构建基于双向门控循环单元的超短期电力负荷预测模型。实验结果表明,该模型相较于现有优秀预测模型有更高的预测精度。

计及需求侧柔性负荷调控的综合能源系统优化运行方法研究

引入柔性电热负荷参与到综合能源系统的调度中,综合考虑源荷两侧,供能侧构建了由光伏机组、能量转化装置和储能系统组成的多能源系统模型,需求侧构建了可平移、可转移和可削减柔性电负荷与耦合室内外温度的柔性热负荷模型。以系统日运行成本最低为优化目标,分别对供能侧与需求侧设备出力和柔性负荷的用能时间与负荷大小进行了优化。对北京市某社区综合能源系统的优化调度进行了研究。结果表明:柔性负荷参与调度能够降低负荷波动,热负荷峰值由原来的3876.80 kW下降到3822.11 kW,减少了54.69 kW;电负荷的峰谷差从1488.81 kW下降到1382.69 kW,波动率下降了7.1%;源荷两侧共同参与优化调度能够提高系统经济效益,系统成本比原来降低了2.26%。

含高比例分布式光伏的主配网紧急切负荷策略研究

随着新型电力系统接入高比例分布式光伏和不同等级的重要负荷,传统紧急切负荷策略对于日益紧密的互联电网适应性较差,导致分布式光伏或重要负荷脱网,随即引起更严重的连锁故障。提出了一种含高比例分布式光伏的主配网紧急切负荷策略。分析提取主配电网极端运行参数,通过风险评估构建紧急场景集;在主网层提出基于事件和响应的双驱动切负荷策略,通过主网切负荷优化模型求取紧急场景各配网切负荷量,并存入离线数据库用于事件驱动模块,基于离线数据库构建的随机森林模型用于响应驱动模块;在配网层通过分析各馈线重要度,以切负荷后果严重度最小为目标构建配电网最优切负荷模型,将可中断负荷参与减载作为切负荷的第一轮次,求取切负荷量和切负荷地点;在含高比例分布式光伏的105节点系统中进行仿真分析,与另2种切负荷策略对比,验证了所提策略能够使电网风险有效下降的同时降低分布式光伏和重要负荷脱网对系统的影响。

运动负荷熵:一种运动负荷测度新理论

确定和安排运动负荷是运动训练过程核心和基础性的内容之一,也是体医融合领域重要的关键技术。研究通过数理逻辑分析和建模,基于不确定性科学,提出了一种运动负荷熵测度理论,构建了相应测定系统,并组织实施了151 958次试验。分析发现,1834年德国生理学家恩斯特·海因里希·韦伯(Ernst Heinrich Weber)提出的最小可觉差的观点并不完善。研究证明运动刺激的感知阈限并不是一个固定值,且韦伯分数也不是一个常数,而是会随着参考负荷的增加而降低的系数。经数理推导和实验验证,研究建立了运动负荷主客体统一的测度方程,研究成果为个体化精确运动负荷测度提供了新方法。

偏差电量考核机制下聚合温控负荷群控制策略

为降低售电公司在电力交易中的偏差考核电量和惩罚成本,以在用户负荷中占比较高的温控负荷为控制对象,建立配电网监测控制系统,收集电力市场和居民负荷数据,再根据这些数据设计基于聚合温控负荷群双层优化调度模型的直接负荷控制策略。仿真结果表明,该策略能降低配电网功率不平衡性,有效增加温控负荷的可调度容量,减少温控负荷的调度次数,降低售电公司的偏差考核电量,提高售电公司利润。

基于双通道生成对抗网络的城市用电负荷缺失数据补全方法

用电负荷数据的完整性与有效性在负荷预测等应用中具有重要意义。传统的缺失数据补全方法缺乏对用电负荷和多种外部时空关联信息的挖掘,难以获得高精度的补全结果。文中提出了一种双通道生成对抗网络,对缺失的负荷数据进行补全。首先,根据负荷的周期性变化特征和时空关联性构建三阶负荷张量,并将影响负荷变化的多种外部因素构建为三阶辅助信息张量。然后,为满足两种张量的双输入需求,在生成对抗网络的输入层引入双通道机制,通过卷积与反卷积运算提取张量的特征;为提升网络对张量数据的训练效果和补全精度,将张量分解损失引入原始损失函数,并采用改进的混沌映射粒子群优化算法联合优化超参数和网络。最后,在真实负荷数据集上开展数据补全实验。结果表明,所提方法能够对随机缺失率不超过50%、连续缺失不超过3天的负荷数据进行准确补全。

分层逐段抽吸在急性高负荷血栓脑卒中取栓术中的应用价值

目的探讨分层逐段抽吸在急性高负荷血栓脑卒中取栓术中的应用价值。方法回顾性选择2020年4月至2023年6月在丽水市中心医院接受机械取栓治疗的前循环高负荷血栓大血管闭塞(LVO)性急性脑卒中患者90例,其中采用支架取栓39例,分层逐段抽吸51例。比较两组患者的手术相关资料、手术安全性及预后。结果分层逐段抽吸组患者血管成功再通率高于支架取栓组,穿刺至再通时间短于支架取栓组,7 d美国国立卫生研究院卒中量表评分低于支架取栓组,90 d预后良好率高于支架取栓组,差异均有统计学意义(均P<0.05)。两组患者血栓逃逸率、采取补救治疗率、术后症状性脑出血、90 d死亡率比较,差异均无统计学意义(均P>0.05)。结论对于前循环高负荷血栓LVO性急性脑卒中患者,分层逐段抽吸相较于支架取栓,手术时间更短、血管成功再通率及90 d预后良好率更高,有较好的临床应用价值。

考虑净负荷不确定性的配电网负荷恢复仿射可调鲁棒优化方法

为应对负荷恢复过程中源荷双重不确定性问题,提出了基于仿射可调鲁棒优化的配电网负荷恢复调整策略。第1阶段基于净负荷预测场景,建立一个以最大化加权负荷恢复量为目标函数的优化模型,决策最优的负荷恢复量;第2阶段采用仿射策略,利用预算不确定集来描述净负荷的不确定性,构建考虑净负荷误差的负荷恢复调整方案。在求解过程中,对双线性变量进行对偶变换得到可快速求解的线性规划模型。最后,在改进33节点和123节点配电系统进行仿真验证,结果表明:相比于传统的鲁棒优化方法,该方法降低了优化结果的保守性,有助于加快负荷恢复,减小停电损失。

基于一致性算法的柔性负荷参与调频方法研究

为提高可再生能源消纳能力,提出利用柔性负荷平衡功率缺额进行频率调节的方法。在新能源发电功率、日刚需负荷的多时间尺度预测结果基础上制订火力发电厂的出力计划与调度计划,随着时间尺度越接近,预测结果越精确,功率缺额越小,因此可采用一致性算法实时优化柔性负荷进行调频。首先建立调度层、负荷代理协调层及响应层3层调频控制架构,通过分布式负荷代理协调柔性负荷的需求响应。然后建立储能型柔性负荷、开关型柔性负荷的调度成本模型。最后以增量成本为一致性变量,调度成本最小为目标函数,进行分布式负荷代理的功率分配。仿真结果表明,该方法可实现在各负荷代理间进行功率缺额分配,并实现调度成本最低。

考虑空气源热泵负荷聚合参与的需求响应

基于“电网-聚合商-负荷”三级架构,提出空气源热泵负荷聚合参与需求响应的控制策略。供暖运营商作为热泵负荷的聚合商,在保证用户热舒适度的基础上,利用建筑本身的蓄能能力,结合分时电价最小化供热成本,并对负荷可调节潜力进行评估。当电网调度部门下发调控指令后,考虑用户舒适度和电网调节需求,基于多目标遗传算法分配各负荷调节量,在满足调控目标的同时可改善调控带来的聚合功率振荡、反弹负荷大等问题。最后,仿真验证所提策略的有效性。