计及多因素的配电网电容器优化配置研究

对配电网电容器优化配置进行研究,计及多因素建立了以系统的有功网损费用、电容器投资费用、电容器维护费用和预期中断费用之和为最小的目标函数,采用改进粒子群算法对该问题进行求解.在改进算法中采用自适应惯性权重,并对粒子群速度进行了变异操作,提高了粒子群算法的全局寻优能力.仿真结果表明,该方法使补偿后支出总费用较补偿前降低22.50%;并使得电压质量得到明显改善,各节点的故障率明显减小,其平均故障率可降低13.44%,系统的整体可靠性能得到改善.     

自动化专业实践教学改革的思考与探索

针对如何培养和提高自动化专业本科生工程实践能力和创新能力的议题,结合自动化专业人才培养目标的要求,从自动化专业实践教学改革的角度,对实践教学新体系进行了探索,总结出以理论验证性实验为基础、以自选设计性实践为主干、以技能应用综合性实践为重点的三个教学层次的完善的体系结构,阐述了三个层次之间的紧密关系,详细探讨了自选设计性实践的特点,并介绍了我校自动化专业开展自选设计性实践的做法,以期能够把握住实践教学改革的关键环节,为培养社会需要的自动化专业应用型人才进行了有益的尝试。     

深层高压低渗油藏提高采收率技术研究

针对中原油田文88块深层高压低渗油藏储层发育不稳定,采收率低的开发难点,文章以单砂体沉积微相研究为基础,通过沉积相约束下的合理层段组合、注采井距、注采井网的合理配置研究、相控剩余油挖潜研究,并选择适应高压低渗透油藏的配套工艺技术等开发实践,开展深层高压低渗透油藏提高采收率技术研究,探索高压低渗透油藏提高采收率的有效途径。     

母语同伴CMC反馈类型对英语学习者的影响

研究计算机中介交流(CMC)中母语同伴反馈的类型以及对中国学生在话语转型中的影响。研究利用论坛(Forum)和维基(Wikis)两种沟通工具,对同伴反馈的类型进行了分析。研究发现虽然大部分有关句法和词汇的反馈得到了外语学习者承认和肯定,但是中国学生似乎只采纳他们认为是正确的母语同伴反馈,并不进行进一步的学习;本研究还发现不同的网络沟通工具所产生的影响有所不同。     

“电工学”项目中心课程教学实践研究与探索

电工学面向工科非电类本科生开设，针对课程培养学生获得跨学科交叉融合能力、服务新工科建设的特点，采用“学期内轮动、学期间复刻、学科间交叉”，从情境创设、问题中心、目标导向、价值引领四个方面探讨了项目中心课程教学模式的应用。该模式已在兰州理工大学完成九轮学期内轮动、三轮学期间复刻的教学实践，提升了学生发现问题、分析问题、解决问题、检验问题和反思问题的能力。     

基于典型区域分析的高压配电网无功规划探讨和应用

针对目前城市电网无功补偿设备分布不合理以及投切效率不高等实际情况和未来几年电网的发展,采取了实用的典型区域法对某市的高压配电网进行了实际的无功规划分析.详细介绍了一种实用且针对性强的典型区域法及其具体实施步骤,通过在某市的具体应用证明了本方法的有效性.     

优化动态递归小波神经网络短期负荷预测模型

提出了优化动态递归小波神经网络(dynamic recurrent wavelet neural network,DRWNN)短期负荷预测模型.与常规小波神经网络相比,DRWNN有两个关联层,关联层节点起存储网络内部状态的作用;模型构造过程中增强了网络的前馈与反馈联接,形成多层次的网络递归.采用分布估计算法和遗传算法相融合对DRWNN进行优化,融合实质是在解空间"宏观"和"微观"两个层面进行寻优,可克服DRWNN陷入局部最小,提高DRWNN的泛化能力.对两类不同负荷系统日、周预测仿真测试,验证了模型能有效提高预测精度.     

基于分布估计算法的对角递归神经网络短期负荷预测模型研究

针对传统的BP算法易陷入局部极小点,收敛速度慢,编程复杂等缺点,本文提出基于分布估计算法的对角递归神经网络的短期负荷预测模型。该模型采用分布估计算法对对角递归神经网络进行优化,仿真结果表明,该预测模型平均绝对误差降低1.097%,最大相对误差降低2.55%,该模型获得较满意的预测精度,具有较高的预测稳定性和较好的适应能力。     

分类属性数据量子聚类算法的改进

分析量子势能、量子力学中粒子分布机制和分类属性数据的量子聚类CQC(Categorical Quantum Clustering)算法.针对CQC算法存在的聚类效果对聚类度量尺度β较敏感,而β的选取往往凭经验确定没有通用原则,以及对线性可分数据聚类效果显著,但对线性不可分数据不能奏效等问题,通过引入新的相异性度量测度及聚类度量尺度步长βstep,重新定义紧致性指标ICD,提出一种改进的ICQC算法.该算法首先在不同粒度水平上划分数据样本产生初始类(簇),之后采用聚类中心间相异性测度最近邻方法合并初始类(簇)完成聚类.通过与CQC算法的实验比较,证明该算法具有更高的聚类效能,在CQC算法失效的情况下,也能获得良好的聚类效果.