人物

路甬祥:获印度尼赫鲁百年诞辰奖2010年12月22日,中国科学院院长路甬祥荣获2010年度尼赫鲁百年诞辰奖。该奖项是印度国家科学院为表彰在国际科技合作领域作出重要贡献的科学家而设立的。印度国家科学院认为,路甬祥为推动国际科技合作做出了重要贡献,同时他在学术领域也有着卓越表现。     

建筑结构设计安全度的探讨

分析了影响结构设计安全度的有关因素以及我国现阶段结构设计的现状,提出了合理选择构设计安全度的方法,探讨提高结构设计安全度的新概念。     

基于孤岛划分约束的有源配电网故障恢复策略

为提高供电恢复效果,更好地应对当前有源配电网信息-物理耦合程度不断加深的形势,提出了一种考虑信息流、能量流、业务流多流融合以及智能软开关(soft open point,SOP)作用的孤岛划分算法,基于该算法实现供电恢复策略。首先,为保证负荷的可靠恢复,该策略深入研究信息-物理耦合并建模,对节点信息重要度排序,讨论其对负荷恢复的影响;其次,构建了SOP的稳态模型,分析了SOP的工作原理及控制模式;接着,为了更大程度、更加灵活地恢复负荷,考虑SOP的作用,建立考虑光伏时变性及负荷运行特性的有源配电网孤岛划分模型;最后,算例仿真验证所提策略的有效性。     

基于兴趣值的适应度模型的研究

提出了一种基于兴趣的网络模型,通过给每个网络中已存在的节点分配一个兴趣值,兴趣值与该节点的适应度和节点的度有关.重新建立网络模型,实验结果表明,该网络具有幂律分布.     

可拓集合的提升与物元信息模型

根据集值映射的思想,把可拓集及物元等概念向幂集上提升,给出了广义可拓集的定义,并提出了物元图和物元信息模型,指出了它们在计算机科学中的应用前景。     

非光滑两级优化问题的必要条件及其算法

利用集值分析、非光滑分析与优化理论,研究了两级优化问题的性质、结构,提出了处理这类问题的一个通用性结构化模型,并利用该模型导出了非凸非光滑条件下两级优化问题的微分包含型必要条件,最后给出了其求解的算法及算例．     

递阶多目标非光滑优化问题的最优性条件

建立了递阶多目标非光滑优化问题的一个通用性结构化模型,利用参数规划、集值分析及非光滑非线性分析的理论和方法,研究了模型锥有效解存在的最优必要条件和充分条件．     

T-模糊联盟间相互影响的度量

针对局中人以三角模糊数的形式参与合作对策的问题,给出了T-模糊联盟间相互影响的基本概念.探讨了T-模糊联盟间相互独立时模糊特征函数的表达式及模糊特征函数具有k-严格单调性时T-模糊联盟间相互影响的变化规律,通过对Shapley值和Banzhaf-Coleman势指标度量概念的推广,得到相应的Shapley值和Banzhaf-Coleman势指标,用于表示T-模糊联盟间相互影响的期望度量指标和方差度量指标,并通过算例分析来说明其有效性和实用性.     

提高电能效率的自备电厂并网备用容量费用计算模型

自备电厂并网备用容量费的计算是我国电力市场化改革所面临的急待解决的问题之一.从概率统计学的角度,分析所有与供电公司并网的自备电厂所需要备用容量的各种情况以及其对应的概率分布,并求其期望值作为计算备用容量的依据;在此基础上,采用熵值法对供电公司和自备电厂收取并网备用容量费的收益风险进行度量,并对它们的收益风险进行比较;从平衡供电公司与自备电厂收益风险角度,构建它们的收益风险平衡模型,并采用间接搜索法对其进行求解.算例表明:所构建并网备用容量费计算模型是可行的,可以减少电网和电厂的投资,提高电能的利用效率,且对平衡供电公司与自备电厂之间的利益具有一定的参考作用.     

The Grid Algorithm of the Development Coefficient and the Combination Coefficient of Background Value in GM（1,1） Model

This article gives the algorithm of the sector in which the development coefficient is, and the steps to simultaneously calculate the development coefficient and combination coefficient of background value. Unifying the development coefficient and the background value＇s coefficient of combination to optimize the model together, avoiding the malpractice to separate the two in traditional method, and avoiding the error brought out by matrix multiplication because of matrix＇s illness and so on in the traditional way, therefore increases the precision of the model.