基于虚拟阻抗的微电网分布式无功分配策略

交流微电网孤岛运行时,分布式电源因线路阻抗差异的问题,导致传统下垂控制输出无功功率不能合理分配。为此,提出了一种基于自适应虚拟阻抗的分布式无功分配策略。分布式控制中,利用动态一致性算法得到无功信息,构建自适应虚拟阻抗以降低因线路阻抗不同造成的功率耦合,实现各分布式电源输出无功功率按容量比例分配。针对下垂控制输出电压偏差问题,引入电压补偿环节,使得输出电压恢复到额定值。所提策略构建的分布式控制无需进行全局通信,仅通过本地控制器与相邻控制器交换信息,即可得到全局无功信息。最后通过不同的案例分析仿真实验,验证了所提控制策略的有效性。     

关于凸模糊锥的定义

给出了凸模糊锥的两种定义方法.首先,应用模糊点与模糊集的邻属关系,给出了( β, α) 凸模糊锥的定义.得到了三种有意义的凸模糊锥,即(∈,∈) 凸模糊锥,(∈,∈∨q) 凸模糊锥和(∈,∈∨q) 凸模糊锥.其次,利用合意空间理论,给出了C 凸模糊锥的定义.证明了(∈,∈) 凸模糊锥是C 凸模糊锥,C 凸模糊锥是基于t 范上的凸模糊锥,并且C 凸模糊锥同构于由经典凸锥生成的C 凸模糊锥.     

基于群组AHP的悬索桥状态评估指标权重确定

为确定悬索桥综合技术状况评估模型中指标的权重,应用群组AHP方法确定相应的评估指标权重.首先,根据韦伯-费希纳定律确定了100/8.384~108/8.384形式的五级指数标度方法,对其合理性进行论述;其次,采用遗传算法对专家的判断矩阵一致性进行优化,优化后的判断矩阵一致性明显提高;随后采用粒子优化K均值聚类算法对专家意见进行聚类分析,并以主流专家意见为基础,采用对等共识模型计算专家权重,得到各评估指标最终的权重值;最后,以悬索桥评估模型为例,通过上述方法确定悬索桥模型中各指标的权重值,论证了方法的可行性和实用性.将本文的权重计算结果与规范权重进行对比,发现计算得到的大跨径悬索桥评估指标权重较规范权重更趋合理,尤其是索塔和附属设施的权重值.悬索桥评估指标权重的研究结论是对现行规范权重的补充,可以为规范的进一步修编提供参考.     

正确认识改革的代价是凝聚改革共识的必要条件

为了更好地凝聚改革共识，必须正确认识改革的代价问题。要改革就不可避免地会付出一定的代价，但改革过程中出现的各种问题并非都是改革的产物；改革代价的表现形式是多种多样的，不同形式的代价对改革与发展所起的作用也不同。改革主体能够能动地调控代价。为此，必须树立“底线思维”，牢牢把握改革代价的合理限度；提高改革决策的科学性；坚持主导性和全面性相统一、预测性和补偿性相结合的改革原则。     

异质多智能体系统在固定拓扑下的分组一致性

研究了异质多智能体系统的分组一致性,针对固定通信拓扑情况,提出了一种基于邻接信息的分布式控制协议,并通过李雅普诺夫理论,推导出异质多智能体系统实现分组一致性的充分条件.最后利用数值仿真验证了理论分析的正确性.     

随机多智能体系统一致增益问题分析

在随机多智能体系统一致增益函数为一常数函数不满足鲁棒性条件下,把现有文献中一致稳定性鲁棒性增益条件加以拓展,得到了保证系统趋于一致稳定性的新条件,分析了随机多智能体系统一致稳定性问题.运用代数图理论和随机稳定性理论,把随机多智能体系统的一致稳定性问题通过系统变换转化为闭环随机多智能体系统状态差为变量的随机微分方程的稳定性问题;然后运用随机稳定性系统理论来分析闭环随机多智能体系统状态差系统是一致稳定的,从而得到了随机多智能体系统一致稳定性的条件.最后通过实例来验证所提系统的可行性和有效性.     

意见综合——怎样达成共识

复杂系统问题的解决单靠数据、信息和模型是不够的，钱学森等提出综合集成方法要把专家、决策者的意见综合进去，然而，这些意见未必相同，因此要达成共识就有很多工作要做。本文从系统的角度探讨共识的定义、基本概念以及取得共识的过程、方法和工具。     

基于一致理论的多源信息融合研究

为了确保多源信息融合结果的正确性，需根据信源的可靠性利用信源信息．以一致理论为理论基础，在算法中用可信度权值体现信源的可靠性，根据相应一致规则实现了信源信息的合理使用．经实验仿真证明，该融合方案是有效的．     

The complexity of reconstructing trees from qualitative characters and subtrees

In taxonomy and other branches of classification it is useful to know when tree-like classifications on overlapping sets of labels can be consistently combined into a parent tree. This paper considers the computation complexity of this problem. Recognizing when a consistent parent tree exists is shown to be intractable (NP-complete) for sets of unrooted trees, even when each tree in the set classifies just four labels. Consequently determining the compatibility of qualitative characters and partial binary characters is, in general, also NP-complete. However for sets of rooted trees an algorithm is described which constructs the “strict consensus tree” of all consistent parent trees (when they exist) in polynomial time. The related question of recognizing when a set of subtrees uniquely defines a parent tree is also considered, and a simple necessary and sufficient condition is described for rooted trees. This work was supproted by the Alexander von Humoldt-Stiftung. I wish to thank Andreas Dress, Hans-Jürgen Bandelt and the referees for their helpful comments.     

加权平均预测的一阶多智能体一致性的采样控制

研究了具有加权平均预测的一阶多智能体系统一致性的采样控制问题。应用时滞分解技术得到了基于采样数据的离散时间一致性协议，同时，使用代数图论、线性系统的稳定性理论，获得了确保具有加权平均预测的一阶多智能体系统渐近实现平均一致性的充分和必要条件，最后仿真结果表明了理论研究结果的有效性，得到了采样周期的条件，并对满足和不满足条件的2种情况进行了仿真验证，为一阶多智能体系统采样控制的一致性问题提供了一种可行解。