考虑源荷不确定性及配电网接纳裕度的弹性调度策略

为解决渐进式加剧的小扰动事件对配电网调度的影响,提出一种考虑源荷不确定性及配电网接纳裕度的弹性调度策略,并建立两阶段优化模型求解。首先通过拉丁超立方抽样和后向场景削减技术生成以风光为源、以电动汽车为荷的功率预测典型场景,将不确定性问题转化为典型场景分析问题;在此基础上,第一阶段引入接纳裕度,以配电网对电动汽车接纳能力最大为目标构建电价型需求侧响应模型,对用户负荷削峰填谷;第二阶段引入需求侧响应结果,建立以系统运行成本最低为目标的经济调度模型,提出改进人工蜂群算法进行求解。测试结果表明本文所提策略能增强配电网在渐进式加剧不确定性事件下的适应力,实现配电网弹性高效运行。     

五阶及六阶全对称幻方

构造出五阶全对称幻方的通解 ;证明了六阶全对称幻方不存在 .前者解决了一个明确的问题 ,其结论是 :五阶全对称幻方必须由两个正交的全对称拉丁方构成 ;后者解决了一个长期猜想的问题 ,即六阶全对称幻方解不存在 .这两个问题 ,特别是后一个问题 ,都是长期悬而未决的问题 .     

完全多部图Kn(t)的G-分解

如果Kn(t)能分解成一族同构于G的边不交的子图的集合,那么称Kn(t)存在G 分解.本文讨论了当G是有一条悬边的三长路时,Kn(t)的G 分解的存在性并给出该分解存在的充要条件.     

基于支持向量分类机的结构可靠度分析

本文将支持向量分类机(SVC)引入到结构可靠度计算分析中,采用拉丁超立方抽样法进行初始输入训练样本的实验设计,将支持向量分类机作为响应面函数,并利用遗传算法进行参数优化,最后结合蒙特卡罗模拟提出了基于支持向量分类机的改进响应面法,其主要思想为：定义“重要性”判定函数,在迭代过程中,按判定函数值从抽样样本中选取新的训练样本,使支持向量分类机的模拟功能函数在对失效概率有较大贡献的区域内能更进一步地接近真实功能函数,从而大大提高可靠度分析的精度以及效率。     

考虑风电不确定性的清洁采暖负荷优化调度

负荷聚合商对集中式电采暖负荷、分散式电采暖负荷进行聚合管理,参与风电日前电力辅助服务市场交易,能够进一步降低弃风率.考虑风电出力不确定性和电采暖负荷的柔性特性,采用拉丁超立方采样模拟生成多个可能的风电出力场景,并计算每个场景可能的概率.建立考虑最小化弃风量、最小化备用容量、最小化补偿额以及最小化增加的用电量在内的多目标...     

基于拉丁超方抽样的全渠道供应链网络优化

全渠道零售模式下需求的大样本、差异性、相关性特征将改变传统供应链的网络结构,文章构建离散拉丁超方抽样的免疫遗传算法进行全渠道供应链网络优化.先通过离散拉丁超方抽样对需求数据进行处理,保留样本特征的基础上减少样本容量,然后通过免疫遗传算法进行供应链网络多目标多机制优化,在保证较快收敛的同时避免局部极值,以此解决全渠道零售模式下供应链网络优化问题.实例证明该模型与算法的有效性以及在实践中的可行性.     

河南槭属(Acer Linn.)增补与订正

本文增补了《河南植物志》中未记录的槭属植物4种3变种,订正了1种1亚种的学名.     

生成拉丁阵合痕类代表元的一种快速算法

根据拉丁阵自身组合学方面的性质及其在算法设计时的特点,给出了一种对拉丁阵进行合痕分类快速而有效的算法,该算法在一定程度上克服了求类问题时随着阶数的增加,所需运行时间急剧膨胀的问题,并在Ｐｅｎｔｉｕｍ２００机上以有限的时间成功地得到了（４,ｋ）－拉丁阵（ｋ＝１,２,…,１５）与（５,ｋ）拉丁阵（ｋ＝１,２,３）的所有合痕类代表元,这对拉丁阵密码设计而言是非常有意义的。     

大系统管理决策

对具有众多子系统及其一个平衡关系——投入产出分析表的大系统,提出了一套管理决策方法此技术涉及许多新概念,如田口的信噪比[1],多变量Cp统计[4],多边矩阵[6]等关于大系统的最优方案组合可以从它的子系统的决策方案逐步得到一般地,此方法可以立即给出许多优良的方案,以供管理决策者从中选取可行的、经济的和满意的方案.     

基于非侵入式混沌多项式法的随机阻曳流CFD模拟不确定度量化

比较了计算流体动力学不确定度分析中的验证与确认方法和不确定度量化方法之间的区别.介绍了一种最新的不确定度量化方法——非侵入式混沌多项式法,并应用该方法和传统的蒙特卡洛法分别对二维随机阻曳流进行不确定度量化,其中蒙特卡洛法选用了随机采样法和拉丁超立方采样法两种方法.研究了当进出口压力为服从均匀分布的随机变量时所引起的流动的不确定性.研究结果表明,应用蒙特卡洛法进行不确定度量化时,随机采样法和拉丁超立方采样法效果差别不大;混沌多项式方法相较于蒙特卡洛法可以更高效地模拟不确定性在流场中的传播.