智能基础优化论文

智能基础优化论文（精选8篇）

智能基础优化论文 第1篇

以风电和光伏发电为主的新能源大规模发展是中国能源战略的发展趋势。中国新能源装机比重逐年上升,截至2013年底,全国风电 并网容量 为77.16GW、光伏发电并网容量为19.42GW,2013年全国风电和光伏发电量达140TW·h,相当于一个中等发达省份的用电量。其中,风电并网容量超过5GW的省级电网达7个,华北、东北、西北(简称“三北”)地区风电占全国总并网容量的89%,分别占其总装机容量的13.51%,20.78%,12.27%。根据国家可再生能源发展规划,到2020年全国风电装机容量将 达到200 GW,光伏装机 容量将达 到50GW,届时中国的能源结构将发生重大改变,因此必须提前开展相关研究以支撑新能源的大规模发展。

风电和光伏发电等新能源出力具有波动性和不确定性的特点,当电力系统内新能源占比较小时,新能源波动可看作负荷预测误差。但当新能源比重大到一定程度时,其出力的波动性和不确定性将会给电网带来诸多挑战:增大电网调峰、调频的压力[1,2]; 增加电网运行 方式安排 以及备用 容量配置 的难度[3,4,5];影响电网电 能质量[6];影响系统 安全稳定 性[7]。此时,传统电源长时间以来的确定性调度管理方式已不再适用,且新能源发电调度具有很强的政策性,因此有必要针对新能源运行特点及政策要求,建立相适应的调度技术支持手段,使得电网运行能充分适应大规模新能源发电的特性,提高电力系统新能源利用率。

本文首先分析了新能源调度的特点,介绍了一种基于多时间尺度的新能源协调优化调度方法,其中包括年/月度新能源电量计划的制定,以及日前和日内滚动优化调度的方法。最后,详细描述了基于智能电网调度控制系统基础平台(简称“D5000平台”)的新能源调度技术支持系统的框架设计、各子模块功能,以及该系统的应用情况。

1 新能源调度的特点

由于中国新能源发展速度快、建设集中,受局部地区电网输送能力以及全网调峰能力等因素限制, 部分地区已无法全额消纳新能源。为保证系统运行安全,必须开展新能源调度,制定新能源发电计划, 以保证新能源的最大化消纳和电力系统的安全运行[8,9,10]。

同时,中国新能源发电采用大规模集中式接入, 场站数量远远大于常规电源,新能源集中接入规模大,送出问题及调度运行管理问题突出。以甘肃电网为例进行说明,甘肃全省有52座风电场、94座光伏电站,其中敦煌变电站汇集28座风电场、13座光伏电站。预计到2020年,新能源集中开发的省级电网的新能源电站数将超过500个,分布式发电系统将近万个。再加之新能源的不确定性,新能源调度优化求解及运行管理难度极大,新能源调度更加复杂,必须建设新能源调度技术支持系统,实现对新能源的优化调度。

由此可见,新能源调度是为了保证新能源最大化消纳、协助电网安全稳定运行而采用的一种有效管理手段。同时它也是电网调度的一部分,其目的是将波动性强、场站数量众多的新能源进行精细化管理,为电网调度提供技术支撑。

为了保证电网安全稳定运行、促进新能源并网运行规范化管 理,新能源调 度应能够 实时监测 场 (站)功率和变化趋势,预测风电(光伏)发电功率,在此基础上制定合理的风电场(光伏电站)发电计划, 并通过对风电场(光伏电站)的并网运行特性进行评价,以加强对场站的管理,协调优化新能源与常规电源的调度,支撑全系统安全稳定运行,提高系统新能源利用率,即新能源调度应包含新能源实时监测、预测、调度计划与控制、辅助决策等方面的内容。由于上述部分功能是传统调度技术支持系统不具备的, 因此必须基于D5000平台开发新能源调度技术支持系统,并与传统调度技术支持系统相配合,以保证大规模新能源接入的电力系统安全稳定运行。

2 基于多时间尺度的新能源协调优化调度 技术

由于风电/光伏发电具有波动性和不确定性,很难准确预测,而且预测时效越长,误差越大,受目前资源模拟技术限制,其预测误差约为负荷预测误差的10倍。因此,为了提高新能源消纳比例,本文采用从年/月到日前及日内的多时间尺度协调调度方法。通过年/月度接纳能力评估,得到新能源年/月电量计划;通过日前最大接纳能力评估,协调新能源和火电计划,制定新能源出力区间计划,并实现限电优化分配;通过日内最大接纳能力评估,滚动修正计划,最大化挖掘新能源消纳空间。在多个时间尺度配合下,新能源预测带来的不确定性区间逐步减少, 保证了系统安全和新能源的最大化消纳。

2.1 新能源年/月度电量计划制定方法

为了优化系统运行方式,在保证常规电源年度计划有效执行的基础上最大限度地争取新能源电量消纳空间,需要制定新能源年/月度电量计划。新能源年/月度计划应以年/月度新能源发电量中长期预测为基础,重构得到新能源发电时间序列,然后根据全网运行方式进行电力平衡优化,最终得到可纳入电力系统运行的计划电量[11]。

通过制定新能源年/月度计划,可以在年/月度运行方式中预留合理的新能源接纳空间,保证年/月度计划的可执行性,同时可优化系统运行方式和检修安排,提高常规机组运行效益,对于优化新能源管理、提高电力系统新能源利用率具有重要的指导作用,对区域电网和新能源的建设也具有指导性意义。

新能源年/月度电量计划制定方法一般根据年/ 月度新能源电量预测结果进行确定,预留电量空间。但是,目前“三北”地区限风电成为不可避免的事实, 预测的风电电量不能全部纳入平衡。因此,需要采用基于时序生产模拟的仿真方法对全年运行情况进行时序模拟。文献[12]提出一种基于时序仿真的风电年度计划方法,综合考虑风电出力特性、负荷特 性、机组调峰特性、电网送出能力等因素,以最大限度接纳风电为优化目标,逐时段优化全网含风电的电力平衡,建立了用于研究省级电网年度风电计划的优化模型,用于指导含风电的系统年度运行方式。文献[12]提出的优化模型同样适用于新能源月度电量计划的制定。

2.2 新能源日前优化调度方法

新能源日前计划制定既要考虑调峰约束,又要考虑电网各个断面潮流限制约束。通过接纳能力评估,可以优化机组功率曲线,为新能源消纳让出空间,实现新能源与常规电源协调运行,提高系统运行经济性[13,14]。

为满足新能源的优先消纳原则,新能源发电优化调度模型的目标函数应设置为系统内新能源的限电总功率最小,即

式中:T为调度周期总时段数;Nw为系统接入的新能源场站数量;Pt Wci为新能源场站i在t时刻的限电功率。

模型的约束如下:

式中:t=1,2,…,T;Pt Wpi为新能源场站i在t时刻的功率预测值;Pt Gk为常规机组k在t时刻的出力计划值;Ng为常规机组的数量;NT为系统内接入新能源场站的主变压器数量;Nj Tw为接入主变压器j的新能源场站数量;PTmjax 为主变压器j的容量;Pt Lm为母线负荷m在t时刻的预测值;NL为母线负荷的数量;PGmkax 和PGmkin 分别为常规机组k的最大与最小技术出力;rkd 和rku 分别为常规机组k在1min内的最大上爬坡能 力和下爬 坡能力;Tx为时段间 隔; Pt Linen为线路n在t时刻的潮流值;PlLiim nen为线路n的潮流极限;Nline为线路的数量;PtRmuin 和PtRmdin 分别为系统在t时刻正旋转备用和负旋转备用的最小需求。

式(2)为风电场限电分配结果约束;式(3)为主变压器容量受限约束;式(4)为有功平衡约束;式(5) 为常规机组出力约束;式(6)为常规机组爬坡约束; 式(7)为系统正备用约束;式(8)为系统负备用约束; 式(9)为线路潮流约束。

由于日前新能源功率预测误差较大,调度计划安排过程中,新能源发电的调度计划只能是一个运行可以接受的范围,范围大小根据预测不确定度确定。图1所示为某风电场日前计划,蓝色区域为风电调度计划带。图中计划下限为零的时段为限电时段,计划下限不为零的时段为不限电时段。由于日前不确定范围较大,为了让不确定度范围缩小,必须进行日内滚动调整。

2.3 新能源日内滚动计划

日前以最大接纳新能源为优化目标,确定了日前风电计划范围和可能出现的限电时段。实时运行中,基于新能源超短期预测,对日前调度计划进行实时调整。日内滚动计划调整周期为5~15 min,必须考虑所有机组的可调节能力、投入自动发电控制 (AGC)运行的机组运行限制以及各断面和线路潮流约束[15]。

图2所示为新能源日内计划调整过程,如果日前限电,日内接纳能力增大,需要调整新能源发电计划,增大新能源接纳空间;如果日前不限电,日内接纳能力变小,不能接纳日前安排的新能源,那么调整新能源计划,保证系统运行安全。最终,通过滚动调整,挖掘新能源消纳潜力,提高新能源利用率和系统安全性。

3 新能源调度技术支持系统

由于新能源与常规电源运行特性有很大区别, 并且常规调度系统不包含新能源调度的应用功能, 因此传统调度技术支持系统已无法很好地应对大规模新能源并网给电网调度运行带来的挑战,必须在D5000平台上单独建立新能源调度技术支持应用。

3.1 新能源调度技术支持系统应用设计

如图3所示,新能源调度分两个层面:电网层面和场站层面。电网层面将新能源场站作为一个整体进行管理,而场站层面以整体形式参与电网调度,对场内风电机组/光伏逆变器以及无功设备等进行局部管理,通过两方面协调配合以支撑新能源调度。

场站侧通过建设智能监控平台,实现对场内所有设备的统一管理,以支持新能源调度,其内容主要包括:风电机组和风资源监测、功率预测、有功控制和无功控制。场站层面通过优化各模块功能,成为符合并网技术标准的友好型场站,为全网新能源调度提供支撑。

电网侧需要从全网角度出发,建立主站新能源调度技术支持应用,并与常规能源调度技术支持应用进行协调,辅助全网安全稳定运行。新能源调度技术支持应用内容又可以分为两个方面:一方面是实时运行部分,包括风电机组和风资源监测、全网功率预测、新能源调度计划、新能源实时运行风险评估;另一方面是后评价分析部分,包括弃风统计、优先调度评价、数据分析。

3.2 新能源调度技术支持系统功能介绍及应用

新能源调度技术支持系统从D5000平台获取全网各电源有功出力、全网用电负荷、断面各电源有功出力、断面实际值和断面限额等信息,同时从常规能源调度技术支持模块获取常规电源计划、全网开机容量、全网可调容量等信息,为新能源调度提供数据基础。

新能源调度技术支持系统共包括以下6个子模块。

1)资源及新能源发电监测子模块:实现平台数据采集与处理,实时监测,运行异常报警,运行趋势分析,综合统计分析,以及理论功率计算、预测、计划和实时功率同画面图形化展示等功能。

2)新能源发电功率预测子模块:实现全网、单场站短期和超短期预测,预测上报接入,误差统计分析,数值天气预报(NWP)与实测风速分析,预测结果综合查询展示,多场站分析,以及预测数据补录等功能。

3)新能源发电计划子模块:实现风电接纳能力评估、日前风电计划编制与下发、日内风电计划调整与下发、中长期风电电量计划编制、风电场考核评价与优先调度排序以及计划执行查询与分析等功能。

4)理论功率计算及弃风弃光统计子模块:实现测风塔法弃风计算、样板机法弃风计算、曲线查询、风速分析、统计分析、参数配置和统计报表等功能。

5)新能源优先调度评价子模块:实现全网调峰分析、断面分析、日前计划编制分析、实时执行情况分析、日评价、月评价、统计报表和基础数据校核等功能。

6)新能源调度运行数据分析平台子模块:实现基础数据监视与查询、概率分布分析、短时波动分 析、年月日规律特性分析、相关性分析、运行后评价分析、指标统计与更新、数据上报管理、场站基础信息管理以及数值天气预报展示等功能。

目前,新能源调度技术支持系统应用已在吉林、新疆、西北等16个网/省级电网上线运行,有效促进了新能源的消纳,保证了系统的安全稳定运行,为各网/省新能源调度运行管理工作提供了全面的技术支持。新疆新能源调度技术支持系统应用主界面如附录A图A1所示。

4 结语

本文针对中国新能源大规模集中式开发的现状,分析了开展新能源调度的必要性以及新能源调度的特点。在此基础上介绍了一种基于多时间尺度的新能源协调优化调度技术,包括年/月度电量计划制定、日前及日内优化调度,在多个时间尺度的配合下,逐步减少新能源预测误差带来的影响,保证了新能源的安全消纳。鉴于传统调度技术支持系统已无法很好地应对大规模新能源并网给电网调度运行带来的挑战,基于D5000平台设计开发了新能源调度技术支持系统,并在全国16个网/省级电网实现了应用,研究成果对中国智能电网调度控制系统的发展及提高新能源利用率具有重要的实践意义,同时也为未来更大规模的新能源接入提供了调度运行理论参考。随着新能源发电占比的逐渐提升,保障电力系统安全稳定运行的新能源实时运行风险评估将越来越重要,也是未来研究的重点方向。

用视觉智能为宝宝奠定职业基础 第2篇

视觉空间智能很重要

所谓视觉空间智能，是指对色彩、线条、形状、空间及它们之间的关系保持敏感，能将视觉空间的想法以立体化的方式在脑海中呈现，并能在陌生或混乱空间中很快找出正确的方向。凡是空间智能优秀的幼儿，其美感的敏锐度都比一般幼儿要高。此外，空间智能对学习能力的培养也很有帮助，因为它能帮助幼儿利用浅显易懂的图像去记忆。

空间智能优异的宝宝未来适合从事的职业

航海家、飞行员、导游、建筑师、工程师、室内设计师、外科医师、画家、摄影师、出租车司机、城市规划师等。

优异空间智能6大特征

如果父母想了解幼儿是否具有优越的智能发展，可从幼儿日常生活中的行为模式去观察。以下是王秀园老师总结出的6个要点，让父母轻松了解宝宝是否具有出色的空间智能。

1-喜欢美丽的图片、色彩，容易被其吸引。这代表幼儿对于图片、色彩已经具备敏锐度及粗浅的判别能力。

2-喜欢用积木、黏土等不同的物品塑造自己心中的构想。这代表幼儿已具有足够的空间架构能力，可将虚拟的想法化成真实的物品呈现。

3-喜欢涂鸦，能尝试不同色彩的搭配，利用图画表达内心想法。在涂鸦时，幼儿可通过线条的组成来表达思绪，喜好涂鸦的幼儿能够建构完整的空间概念。

4-喜欢而且擅长玩拼图和组合式玩具。出色的拼图能力需要具备强烈的线条、色彩敏锐度，这也是优秀视觉空间智能的重要元素。

5-很有方向感。凡是去过几次的地方，幼儿都能很快辨识出明显地标，在陌生空间中也能快速、准确地辨认出方向来。

6-擅长“走迷宫”“找找看”等益智游戏。这代表幼儿已经有了不错的方向感，并且具备了一定的逻辑思考能力。

视觉空间智能培养法

根据多元智能的发展观点，一切智能都可以通过培养和训练来获得提升。因此，请不要认为幼儿什么都不懂、也不需要特别教。有多少付出，才能有多少收获。如何强化宝宝的智能训练，就看父母花了多少心思去参与宝宝的成长。

当然，智能训练也并非高难度的行动，生活就像一间大教室，从生活中出发，很多小游戏都能有效刺激宝宝的智能发展。

游戏1 拼凑纸杯

父母可利用家中废弃的纸杯裁剪出一些形状，通过边缘的不规则形状训练宝宝的拼凑能力。相对于一般的拼图来说，这样的训练游戏更有效，因为除了平面线条(拼图只具有平面)外，他还包含了立体空间的概念。请注意，所剪出的形状边缘不要太锋利，以免给宝宝带来不好的触觉体验。

0～2岁

此阶段的幼儿可先进行简单的线条练习，在裁剪时尽量不要将线条设计得过于复杂，可以从一个转折点开始，然后逐步累积，这样幼儿比较有成就感，也有更强的兴趣继续玩下去。

2～4岁

随着幼儿年龄的增加，父母可以适当增加拼凑的难度，也可以在纸杯上画一些色彩或图案，给幼儿增加另外一种空间刺激。当然，可以适当给幼儿一些提示，以便他更好地把复杂的形状拼凑起来。

游戏2 画画

虽然刚出生的宝宝还无法完全看清这个世界，但是在他的成长过程中，大量的讯息还是要通过眼睛传递到大脑，进而刺激宝宝的智能发展。由于幼儿对世界的认知是从黑白色过渡到其他色彩，因此画画将是一种很有效的训练方式，就让宝宝尽情涂鸦吧。

0～2岁

此阶段幼儿对于空间的概念尚未完全建立，因此家长会发现孩子很喜欢“动”。可以顺应幼儿的生理发展特点，让他通过身体的触摸来感受环境。也可以在幼儿手掌上涂抹颜料，让他在图画纸上以指印作画。请注意，在画完之后一定要帮宝宝把手洗干净哦。

2～4岁

等幼儿年龄再大一些，精细肌肉的发展更完善之后，则可让宝宝在纸上画画。一定要多多鼓励幼儿，通过不同色彩搭配及空间配置(包含不同角度、空间概念)来画画，以加强幼儿的空间概念。

游戏3 堆叠积木

当发现宝宝对不同色彩、形状及空间和实体都有敏锐反应之后，即可利用积木帮助启发他的空间智能。因为积木本来就属于立体形状，所以对于幼儿的空间认知会有很大帮助。此外，玩积木还能有效训练和提升幼儿的手眼协调能力。

0～2岁

由于宝宝此时的活动力已经比较出色，所以在空间认知上请“接触”为主要操作方法。在玩积木时，可以放置多种不同形状的积木，例如三角形、正方形、圆形等，让宝宝通过触摸去充分认知不同的形体。

2～4岁

智能温控是建筑节能的基础 第3篇

1 建筑节能的现状

当前,国家大力推动供热体制改革,致力于供热计量的推进。推进供热计量可以准确进行能耗公示,促使行为节能,落实节能技术指标,促进建筑节能改造,有效节约能源、减少污染、降低供热成本、减轻居民采暖负担,对于促进全社会节能减排、转方式调结构、建设资源节约型和环境友好型社会具有重要意义。

虽然我们知道,供暖商品化实施热计量是解决问题的最有效办法,但是多少年来热计量工作一直无法有效推进,除了供热企业没有推动热计量改造的积极性外,究其深层原因是因为还有热计量计费方法和户间传热问题一直没有得到很好的解决,所以不管是借鉴各国计量供热的经验(热费可分为固定热费、可变热费),还是制定法规完全按照热计量收费,都需要先为热计量设置边界条件,即如何公平计量基础热费,最大限度消除户间传热。本文提出按照数控供暖管理及计量法,即通断时间面积法热计量装置实施智能控制每户的最低温度,按此温度下计量热消耗量作为基础热费,可以根本解决公平计量基础热费和最大限度地消除户间传热问题,详细分析如下。

2 智能温控解决热计量与户间传热问题

要解决户间传热问题,必须要在解决热计量的同时解决公平计量基础热费问题,解决公平计量基础热费就可以解决户间传热问题。

基础热费,又称热能损耗补偿费,在很多北方城市被简称为热损费。之所以有基础热费一说,来自于供暖行业的特殊性:热具有传导性,在供热过程中存在用热户向停供户传递热能的现象,称为户间传热,如何消除户间传热对热计量的影响,就成为热计量公平合理的前提。因此一些城市出台一刀切的政策,要让停供用户交30%～50%的费用作为基础热费。

基础热费该不该交,停供户都办理停供了,还要给供暖公司交钱,很多北方居民对这一规定想不通。而且热损耗量很难测定,没有一个具体的标准和解释,用户很难理解和接受,实行分户热计量的用户更难以理解和接受基础热费,都计量收费了,我们没有供暖为什么按照百分比收费,首先不符合合同法要求,就无法解决基础热费计量问题,因而也使得供热计量很难推广落实执行。

本文提出的一种公平确定基础热费的计量方法,按照数控供暖管理及计量法,即通断时间面积法热计量装置中的智能温控器,温控器温度由用户在一定范围内任意设定,温控器自动智能控制每户电控阀门的通断,控制室内温度达到用户要求的温度,如果某户需要停止供暖,温控器的上位机直接根据用户所在位置设定最低温度;通过分户智能温控的方法控制每户的最低温度下计量的热消耗量,作为收取该停供户基础热费即热损费的依据,用一套温控设备同时解决了热计量和计量基础热费的问题,各方均容易接受。

按照国家现行标准G B/T18883-2002《室内空气质量标准》要求,把民用建筑主要房间的室内温度定在16℃以上作为合格温度,18℃为标准室温。如果停供户按照供暖户最低温度标准18℃逐渐每降低1℃(17℃),停供户向外减少的散热量,如果小于从邻户得到的热量,上个温度就是停供户要保持的最低温度(18℃),以此类推。按照测算,根据停供户所处的位置,这个最低温度是16℃～18℃。此最低温度,正好保证停供户与邻室的户间传热温差控制在5℃以内,没有超过当邻室停止供暖时,供暖用户热负荷会因户间传热温差的增加而加大的5℃限值以内,也没有超出房间不结露要求的最大允许温差6℃。

与现有按百分比收取基础热费,即热损费相比,按百分比收取,停供户就等于给整个建筑系统开了个天窗,给整个建筑系统增加了散热面积,虽然按百分比收取了停供户的热损费,即基础热费,但是停供户的上下左右的相邻用户会消耗更多的热量来维持设计温度,可是他们的供热设备的能力往往达不到要求,因此会连累整个系统消耗了比全部用户都采暖还要多的热量,可还是整个建筑系统都达不到设计温度的要求,停供户的相邻用户最为严重,因此停供户和用热户及供热企业都受到了损失。特别是整个建筑结构,因冷热不均,极易造成温度变形而开裂,影响整个建筑的使用寿命。

而采用上述智能控制最低温度计量基础热费的方案,使得基础热费即热损费有了具体的标准和解释并可以计量,对邻户的影响最小,由于户间传热工况复杂是很难用设备计量的,但是我们的目的是要户间传热最少,同时建筑整体消耗最少,在这两个原则指导下,利用现有的温控计量设备控制停供户最低温度标准下,计量的最少的热消耗量作为基础热费,既解决了计量热费的问题,同样又达到了计量基础热费的目的。因为停供户在标准温度状态下从临户获取最少户间传递热量而要维持的最低消耗作为基础热费等于反向补偿了停供户完全停供后从临户获取的热量,非常公平合理,建筑主要房间的室内温度定在16℃以上作为合格温度,各用户应该保证在1 6℃以上,如果停供户周围邻户温度设定很高(22℃),停供户与现有按百分比收取基础热费即热损费相比费用还要更低,所以停供用户在交易自愿平等的基础上可以接受,符合合同法的规定。对供热用户和整个供热系统,停供用户保持最低温度,可以最大限度的减少户间传热,也就是减少热损费即基础热费,保证整个系统的热稳定性,使得用到最少的热量,维持整个建筑系统达到设计温度的要求。以确定最低温度情况下计量的热消耗量,作为收取该停供户基础热费即热损费的依据,可以更好地保障用热户的利益,减少供热企业的损失,调动停供户保温防寒的积极性,降低停供户的实际支出,让停供户在交易自愿平等的基础上可以接受,使得分户热计量工作得以推进并落实。

3 智能温控是建筑节能的基础

由以上可知,进行热计量和公平计量基础热费消除户间传热是由智能温控为基础的。所以不管是北方采暖还是南方的空调,我们的建筑都是以为用户提供良好的舒适度为前提的,在此条件下的建筑节能,才是正直的建筑节能,所以智能控制室内温度是建筑节能的前提,也是实现热计量和计量基础热费的前提,通过在室内安装温控器来控制室温,并通过物联网连接所有室内的温控器,是实现智能控制的最好解决办法,此智能温控装置,温度控制非常好,通过对典型用户的室温控制效果进行测试,室温长期控制在设定温度±0.5℃范围内,室温控制效果良好,这种方法与散热器恒温阀的温控法相比较为经济,而且集温度控制和热计量及计量基础热费于一体,调节热量均匀,避免了重力失调,用户的体验也非常好。

更重要的是,此种智能温控装置与其他推行的控制系统相比,控制模式更节能,其节能率可达10%以上,并具有以下优点:

(1)建筑智能温控促使建筑用户按需用能,提高舒适度,其运行可靠,使用方便,系统成本低,经济性好,节省建筑用户能源消耗费用,增加用户舒适体验。

(2)建筑智能温控实施可以激励促使建筑节能上下游企业积极推进热计量,积极推广应用建筑节能新技术,推进既有建筑节能改造,促使资金、人员转移到建筑节能服务上来,提高服务质量和效益,也使得建筑节能的上下游企业增加产值,提高产品科技含量,实行精细化管理,为节能改造提供科学计量数据,提高建筑管理水平,降低建筑能耗。

(3)建筑智能温控体系的建立,解决政府的政策法规配套连续性、公平性、可操作性,推进热改热计量,保证市场公平,促使建筑节能领域技术创新、模式创新,解决建筑用能引起的环境压力,促进供给侧改革,实现服务替代能源消耗问题,实现系统节能减排,有效降低雾霾。

4 结论

智能温控是建筑节能的前提,通过智能温控,实现建筑用户的舒适体验,通过智能温控,实现有效热计量并解决目前我国热计量存在的户间传热问题,通过智能温控和热计量同步进行,使得供暖商品化和供热计量体制改革得以落实,全面推行热计量,促使建筑能耗公示快速推进落实,通过热计量,将节能效益与供热企业、用户的经济利益联系在一起,必然会调动各方节能的积极性,建立起一个有效的建筑节能市场运行机制,全面促使建筑维护结构热工性能的全面提高,从而真正实现建筑节能,从根本上推动我国建筑节能的发展,所以说智能温控是实现建筑节能的基础。

参考文献

[1]韩龙娜,路作龙,李德英.实施计量供热的必要性及有待解决的问题[J].煤气与热力,2015,35(4):5-7

[2]程玉明.数控暖通空调管理及计量的技术方案[J].智能建筑,2007,79(3):40-42

[3]彦启森,赵庆珠.建筑热过程[M]:北京:中国建筑工业出版社,1996

[4]刘兰斌,江亿,付林.基于分栋热计量的末端通断调节与热分摊技术的探讨[J].暖通空调,2007,37(09):70-73

智能光网络融合优化 第4篇

不同运营商经过多年的建设, 已经分别形成覆盖各个省市、结构较为完善的光缆网、波分复用 (WDM) 平台以及SDH传送网, 基本满足了各类业务网的需求。但从近年来各类业务尤其是移动业务和集团客户租用业务发展趋势看, 用户对传输服务质量和供给时间的要求也越来越高, 要求所传送的业务信号更加可靠、安全, 传送时延更短。作为基础传输平台, 骨干传输网的质量对业务信号的指标影响非常大, 需要不断采用新技术, 对网络进行合理的配置, 减少瞬断、时延、丢包等故障情况, 满足用户的服务需求。

为了有效地解决上述问题, 具备灵活带宽调配能力和强大业务恢复能力的自动交换光网络 (ASON) , 作为推动下一代光网络发展的根本动力的新型的网络体系应运而生, 也就是通常我们所说的智能光网络。如何在融合网络上 (即两张覆盖范围相同, 物理路由不同的光缆网以及其承载的WDM/SDH传输系统) 整合有效资源, 打造精品网络, 提高网络容灾能力和抵御风险能力, 提高网路资源使用率是本文重点探讨的优化实施的背景和目的。

2 智能光网络融合优化方案

以某运营商传输网为例说明, 目前网络现状为省内二级干线光缆共9364皮长公里, 合计290417芯公里, 纤芯使用率47.67%。省内二级干线光缆已经形成了具有A、B路由的三纵五横加一环的光缆物理架构, 覆盖全省。其中A路由为原运营商X光缆, B路由为原运营商Y光缆。省内二级干线光缆线路建设现状如图1和图2所示。

省内WDM骨干传输系统现状为:二级干线WDM传输系统有:2001年建设的北电8×10G/2.5G波分系统、2005年建设的华为40×2.5G波分系统、2007年建设的华为40×10G波分系统、2005年建设的中兴40×10G/2.5Gb/s波分系统。省内二级干线WDM传输系统采用点到点的拓扑结构, 覆盖了全省18个市, 波分层面基本形成路由A和路由B组成的波分双平面系统。其中A路由波分系统包括基于原运营商A路由光缆的华为40×2.5G波分、华为40×10G波分系统、北电8×10G/2.5G波分系统, B路由波分系统包括基于原运营商B路由光缆的中兴10G/2.5Gb/s波分系统。河南省二级干线WDM传输系统现状见图2。

省内运营商ASON骨干传输网现状为基于A路由光缆以及A路由光缆承载波分系统 (华为40×2.5G波分、华为40×10G波分) , 利用具有ASON功能的华为OSN系列传输设备, 建设了盖全省18个地市, 包含19个节点的ASON传输系统。ASON传输系统现状见图3。

目前存在的问题是:

(1) 网络结构不合理, 存在安全隐患。从ASON传输系统示意图可以看出:濮阳、安阳、鹤壁、焦作、济源、三门峡、南阳、信阳、驻马店共计9个节点只有两个路由, 无法抵御双点故障 (两个路由同时中断) 。

(2) 资源使用率低, 根据对现有传输网承载的业务分析, 95%的业务为集中型业务, 各地市业务均汇聚到郑州, 地市间的业务很少。现有的传输网路结构导致业务的转接次数过多, 以信阳至郑州的业务为例, 需要驻马店、漯河、许昌3个节点转接, 网络效率低。

融合解决方案采用充分利用B路由光缆以及B路由光缆承载波分系统, 增加ASON节点间链路, 达到3个以上路由, 有效抵御双点故障。具体优化方案: (1) 利用郑州- (开封) -濮阳间B路由波分系统的通道资源, 增加濮阳出口路由; (2) 利用濮阳-安阳间B路由波分系统的通道资源, 增加安阳出口路由; (3) 利用郑州- (新乡) -鹤壁间B路由波分系统的通道资源, 增加鹤壁出口路由; (4) 利用郑州- (洛阳) -焦作间B路由波分系统的通道资源, 增加焦作出口路由; (5) 利用三门峡- (洛阳) -平顶山间B路由波分系统的通道资源, 增加三门峡出口路由; (6) 利用南阳-驻马店间A路由波分系统的通道资源, 增加南阳出口路由; (7) 利用郑州- (许昌) - (漯河) - (驻马店) -信阳B路由波分系统的通道资源, 增加信阳出口路由;即优化实施后ASON传输系统如图4。

采用融合优化后, 系统在网运行3个月, 系统运行稳定, 各项性能指标合格。从项目实施后ASON传输系统的网路图可以看出, 除济源外, 所有ASON节点都具有3个以上路由, 可有效抵御双点故障带来的业务阻断。下面用实例说明仿真结果:

(1) 网络安全性得到了提高。如下表所示, 拟采用的模拟故障分析:

优化前故障模拟图如图5、6所示。

优化后故障模拟图如图7、8所示。

(2) 网络使用率得到了提高, 从项目实施后ASON传输系统的网路图可以看出, 各地市至郑州的业务最多经过1个地市转接, 极大的提高了网络资源使用效率。模拟业务分析表如下:

通过该优化的实施, 对传输网络结构调整, 资源得到合理利用, 网络安全性得到大幅提高。

3 结论

通过本次融合优化的实施, ASON骨干传输网可在双点故障发生时, 提供灵活的业务保护/恢复策略, 传输网抵御风险的能力增加一倍。实现了重要业务多重保护, 提升了客户感知。通过本次优化的实施, ASON骨干传输网网络结构更加合理, 实现了业务的灵活组织调度, 提高了网络运行维护的效率和资源使用率。

参考文献

[1]黄善国.光网络规划与优化[M].人民邮电出版社.

[2]李健.ASON网络互连[M].人民邮电出版社.

智能路径优化方法综述 第5篇

智能路径优化方法是现代工程技术领域的重要研究方法,一方面可以通过参数选择进行资源的合理分配,同时可以有效的降低成本,随着计算机等先进技术的发展,智能路径优化方法也在不断发展,针对该发展的研究必须与时俱进,同时结合相应的工程问题,进行实际的分析研究,以达到解决实际工程应用问题的目的。

自上世纪90 年代,国内外一些学者开始针对动物自身完成生活的能力进行了研究[1,2,3],如:蚂蚁、蜜蜂、鸟类及鱼群等的觅食、搬运等活动成为重要的研究对象。通过对动物行为的研究,可以分析其基本习性,将特点应用于算法基本原理中,以实现算法的设计,更好的将算法应用于工程实践。

本文主要介绍了几种常用的智能优化算法[4,5,6],从各个算法的基本原理、实现流程进行了阐述,并分析比较了不同算法的优缺点[7,8],最后进行了实际应用分析,提出了将算法优点结合以进行算法性能改进的方案。

1 智能算法的基本原理

①禁忌搜索算法

禁忌搜索算法主要为了避免产生局部的最优而提出的一种智能算法,该方法由Glover提出,主要可以针对局部点进行记录与选择,避免局部最优的陷入,同时禁止搜索这些点,以得到获取全局最优值的目的,成功的解决了旅行商问题的发生。

该算法步骤如下:

步骤1:进行算法参数设定,随机产生初始解,保持禁忌表为空。

步骤2:进行算法终止条件判断。

步骤3:根据邻域产生的邻域解,进行候选最优解确定。

步骤4:针对候选解进行条件筛选,并不断进行最优值替换。

步骤5:判断候选值得属性,进行禁忌表替换。

步骤6:跳转步骤2,直至结束。

②模拟退火算法

基于局部算法的拓展,Metropolis于1953 年提出了模拟退火算法。该算法主要基于固体退火过程的模拟,结合统计物理学与局部搜索方法,使用相关Metropolis准则,以获取近似最优解。

该算法步骤如下:

步骤1:针对退火温度进行初始化,以产生随机初试解x0。

步骤2:在此温度下进行重复操作,直到温度保持平衡状态。

步骤3:在解x领域范围内产生新的解,即x'。

步骤4:针对目标函数f(x') 与f(x) 进行差值计算,即获取 Δf。

步骤5: 基于概率min{1,exp( - Δf/Tk)} >random[0,1],接受x'。

步骤6:使Tk+ 1 = a T,k ← k + 1,如果满足判断条件,则结束,否则,跳转步骤2 。

③蚁群算法

基于蚂蚁集体行为的研究,意大利学者M.Dorigo提出了与蚂蚁觅食行为相似的蚁群算法。蚂蚁具备自行找到食物源最短路径的能力,蚁群会在行动的过程中分泌一种信息素以进行互相通信,信息素根据比例进行释放,随着路径的增长而增多,且浓度也随之增加。该算法流程如下:

步骤1:在时间为0的条件下,进行蚁群初始化。

步骤2:针对适应度函数进行评价。

步骤3:进行路径最优条件判断,如果满足路径最优,则结束步骤,如果不满足,则进行步骤4。

步骤4:释放信息素以便于使蚁群在移动的过程中进行信息素的挥发,转至步骤2,直至得到最优选择。

④粒子群算法

粒子群算法是基于鸟群聚集模型的仿真算法,该算法充分研究了鸟类如何避免与相邻个体相撞,且与相邻鸟类速度相匹配的特点。在该算法中,最初情况下,鸟类不具备特定的飞行目标,只是用简单的方法与速度在保证安全的情况下到达目的地,之后,该鸟周围的鸟群也跟着飞到目的地。粒子群的进化方程如下:

其中,vi= ( vi1,vi2,L,viD) 表示第i个粒子飞行速度为一个D维向量的情况,其最适应值记作Pi=(pi1,pi2,L,piD),整个粒子群的最优位置为Pg=(pg1,pg2,L,pgD)。

该算法流程如下:

步骤1:针对粒子群进行初始化。

步骤2:基于适应度函数进行各个粒子适应度值的计算。

步骤3:针对每个粒子,将其适应度与其历史最优适应度进行比较,且不断更新最优值。

步骤4:针对各个粒子,将其适应度与最优位置的适应度相比较,且不断更新最优值。

步骤5:根据方程1 与方程2 针对粒子速度与位置进行优化。

步骤6:最优条件判断,如果满足则结束,不满足则跳到步骤2 。

⑤蜂群算法

基于蜜蜂可以在任何环境中以最高的效率从花朵采蜜,同时可以有效适应环境改变的能力,英国学者D T Pham提出了蜂群算法。蜜蜂可以以侦查蜂的形式进行花朵搜索以寻觅食物源,同时记录位置,进而通过舞蹈以吸引大量蜜蜂靠近食物源,该算法的步骤如下:

步骤1:针对蜂群进行随机初始化,选取n只工蜂。

步骤2:针对群体适应度值进行评估。

步骤3:从n只工蜂中选择m值比较好的工蜂与e只最好的工蜂。

步骤4:进行增援工蜂派遣,同时进行适应度值评估。

步骤5:针对各个花丛,进行最优工蜂适应度选择。

步骤6:使n - m只工蜂进行随机搜索,同时进行适应度值评估。

步骤7:结束。

2 智能算法的优缺点分析

①禁忌搜索算法

该算法具备禁止重复已经进行过的前面的搜索工作,同时有效避免了陷入局部最优的缺点。但是,该算法也具有针对初试解具备较强的依赖性,收敛速度较低等缺点,具备一定的改进空间。

②模拟退火算法

模拟退火算法基于Metropolis接受准则,因此具备跳出具备最优值的能力,同时,该算法具备鲁棒性强的特点,使用灵活,通用性较强。但是,该算法依据初始温度与退火温度系数的依赖性较强,甚至直接针对算法性能具备影响。

③蚁群算法

蚁群算法具备鲁棒性较强与搜索能力较强等特点,同时易于实现,操作简单,但是,该算法易陷入局部最优,且收敛速度较慢等缺点。

④粒子群算法

该算法易于实现,设置参数较少,收敛速度较快,可以很好的解决很多全局最优话问题,但是,该算法容易陷入局部最优,容易发生后期收敛速度慢的问题。

⑤蜂群算法

蜂群算法具备全局搜索能力较强,且收敛速度较快等优点,但是,在临近全局最优解的时候,容易陷入局部最优,无法获取全局最优解。同时,参数的选择针对算法的性能影响较大,需要进行深入的改进。

3 智能算法的应用

①禁忌搜索算法

禁忌搜索算法可以通过禁止重复搜索一些数据,以更好的保障最优值的探索,该算法在生产调度、电路设计、神经网络及组合优化等领域应用范围较广,同时,随着函数全局最优的研究发展迅速,该算法的应用空间也越来越广。

②模拟退火算法

模拟退火算法是一种比较通用的最优值求解智能算法,可以在机器学、控制工程、信号及信息处理、神经网络及生产调度等方面进行使用。

③蚁群算法

蚁群算法最初用于解决旅行商问题,现在已经被广泛应用于各个领域,如:通讯网络的路由问题,电路设计问题,车辆调度问题等。该算法主要用于两种应用:第一为解决静态组合优化问题,如:二次分配问题与车辆分配问题等。第二位解决动态优化组合问题,如:通信网络问题等。总之,蚁群算法主要用于针对组合优化问题的求解。

④粒子群算法

该算法重点可以用于求解一些连续函数的优化问题。该算法通过针对动物群里的行为为基准,进行了分析研究,可以更加智能的完成路径选择等目标,并完成最优路径的选择,同时,还具备调整下一步搜索的能力。

⑤蜂群算法

蜂群算法结合了蜜蜂可以在任何环境下相适应的特点,有助于根据实际情况,进行路径选择,该方法是基于蜜蜂自组织模型与群体智能基础上的优化算法,主要用于求解优化问题及连续优化问题等,是一种新兴的智能算法,具备广泛的应用空间。

4 结束语

通过近年的科技发展,智能优化算法越来越重要,随着研究力度的加大,大量算法有效地应用于工程领域,为不同方向的工作带来了便利,同时降低了经济损耗。本文针对比较常用的智能优化算法进行了一定的阐述与分析,给出了算法的原理、步骤等的整体认识,同时,结合不同的算法进行了优缺点分析,并结合实际情况进行了应用分析。虽然,不同的算法具备不同的缺点,但是,可以通过优点融合,结合不同的目的,进行复合算法的分析研究,进一步完善算法的性能,使其具备更加广泛的实际工程应用领域。

摘要：智能路径优化方法可以被用于现代工程领域的路径选择、资源分配、经济评估等各个方面。为了便于根据实际情况进行算法选择,文中针对几种常用的智能路径选择优化方法进行了一定的分析研究。首先,阐述了几种不同算法的理论研究情况并给出了这些算法的基本实现流程,即:禁忌搜索算法、模拟退火算法、蚁群算法、粒子群算法、蜂群算法。对不同算法进行了优缺点对比。最后,分析了不同的算法的实际应用领域,提出了智能优化算法的发展趋势。

关键词：智能路径优化方法,粒子群算法,模拟退火算法,蚁群算法,蜂群算法

参考文献

[1]莫愿斌,刘贺同,王勤.智能优化算法的综述教学研究[J].科技创新导报,2008(13):2-3.

[2]杜祜康,赵英凯.整数规划问题智能求解算法综述[J].计算机应用研究,2010(2):408-412.

[3]张利彪,周春光,刘小华,等.粒子群算法在求解优化问题中的应用[J].吉林大学学报:信息科学版,2005(4):385-389.

[4]李牧东,熊伟,梁青.基于人工蜂群改进算法的无线传感器网络定位算法[J].传感技术学报ISTIC PKU,2013,26(2):241-245.

[5]王雪梅,王义和.模拟退火算法与遗传算法的结合[J].计算机学报,1997,20(4):381-383.

[6]郎茂祥,胡思继.车辆路径问题的禁忌搜索算法研究[J].管理工程学报,2004(1):81-84.

[7]王颖,谢剑英.一种自适应蚁群算法及其仿真研究[J].系统仿真学报,2002(1):31-33.

开发多元智能优化写作教学 第6篇

一.写实作文教学模式的基本步骤

1、提前布置习作内容, 丰富蓄积, 有源倾吐。提前一周准确地告诉学生习作的范围及要求, 让学生对下次习作做好思想、搜集材料和写法上的准备, 有时还要给学生一些提醒。只有这样在课堂上学生才能有源倾吐。在这一环节中, 充分发挥学生的认知潜能, 参与观察搜集材料之中, 使得学生的积极性调动起来, 做好各种习作前的准备。

2、创设各种习作情境, 尊重个性, 激发倾吐。给学生提供丰富多样的“多元”化的写作情境, 允许学生以自己的智能强项去认识事物, 自主选用适合自己智能特点的方式去解决问题。音乐的运用、文字配图、肢体表演、猜谜游戏、小组合作等都是习作教学导入的好办法。在这一流程中要了解学生的认知情况, 结合习作主题充分调动他们的习作兴趣, 利用他们的长处来激发起习作兴奋点, 让每个孩子找到自己要表达的欲望。

3、引导鼓励口语表达, 开阔思路, 促进倾吐。挖掘学生的口头表达能力, 培养学生的口头表达能力是语文教师工作的重要内容, 也是学生写好作文的基础。在课堂上鼓励学生用洪亮的语言大胆地说话, 积极地与同学交流, 积极地发言, 是挖掘语言智能的重要手段。这一环节的完成, 最好分组进行, 这样可以让每一个学生都得到锻炼。值得提出的是, 一名学生在进行口头作文的同时, 要让其他同学学会倾听, 从词、句、段、修辞、结构等各方面鉴赏。此环节可以品优点, 评不足, 提建议;亦可申辩、出据。

4、自由表述完成习作, 初步修改, 多元评价。在有了审题、选材、构思、口述等环节的铺垫和蕴蓄后, 将口头作文写成书面文章, 已是水到渠成。之后, 可以引导学生依据提纲, 进行初步修改。修改方式方法可以灵活机动:可以阅读体会, 独立修改;也可征求意见, 互批互改;可增补删除, 也可调整更换。

多元智能理论认为每个人的智能都是独特的, 都有其聪明的一面, 不存在“智商高低”的问题, 只存在“智能类型差异”的问题。因此评价必须着眼于学生的进步, 以发展的眼光看待学生。让学生享受成稿后的满足, 并引导他们去发现习作过程中因为自己的优势智能给予习作很大帮助, 及时总结出习作技巧, 为下次习作积累方法做好铺垫。

二.想象作文教学模式的基本步骤

1、积累材料———为“想象”奠基, 寻找“想象”素材。自然之声、各种音乐、漫画图画、广告、玩具、短信、图形、数字等都是想象的好素材, 注意引导学生观察积累。

2、感受情境———创设“想象”情境, 接受“想象”刺激。小学生由于生活阅历少, 积累的经验较为肤浅, 因而想象力是很不丰富的, 常以随意性想象为主。在教学中教师组织学生通过参观、主题会、录像、访问、图片、讲评等教学手段帮助学生获得足够的表象, 创设想象的情境, 引导学生想象。在这一流程中要充分调动学生的各种感官, 视觉、语言、逻辑、音乐、肢体多方面的智能相互作用, 使得学生开阔思维、活跃灵感。

3、开阔思路———拓展“想象”空间, 展开“想象”双翼。这一流程中, 要注意帮助学生发挥他们的空间智能, 告诉学生, 一切都是可能的, 一切都是可以发生的, 一群蚂蚁可以攻击一头猛兽, 未来少年可以张臂飞翔, 一棵大树可以翩翩起舞……只要你认为合理, 你就可以去想象。引导学生把这一流程中各种感官所接受到的信息在现实的基础上, 进行加工, 再创造, 形成一定的想象内容, 做到有机可循, 兴趣盎然。

现代智能优化算法研究综述 第7篇

1 遗传算法

遗传算法 (Genetic Algorithms, 简称GA) 由美国Michigan大学的John Holland教授创建。其基本思想是模拟自然界遗传机制和生物进化论而形成一种搜索最优解的算法。

1967年Bagley在其博士论文中首次提出了“遗传算法”这一术语, 首次采用双倍体编码, 发展了与目前类似的复制、交换、突变、显性、倒位等基因操作, 并发展了自组织遗传算法的概念。Rosenberg[1]在他的博士论文中进行了单细胞生物群体的计算机仿真研究, 并发展了自适应交换策略。Weinberg[2]研究了生物体的计算机仿真, 运用多层遗传算法来进行遗传算法的参数自优化。Holland提出了重要的模式理论, 首次采用二进制编码来研究函数优化问题, 1972年, Frantz[3]的博士论文中研究了基因非线性 (异位显性) 现象, 基因迁移操作及多点交换操作等问题, 1975年出现遗传算法发展史上的两块里程碑式文献:1) Holland出版了经典著作“Adaptation in Nature and Artificial System”, 该书详细阐述了遗传算法的基本论, 并为其奠定了数学基础, 发展了一整套模拟生物自适应系统的理论;2) De Jong完成了具有指导意义的博士论文[4]“An Analysis of the Behavior of a Class of Genetic Adaptive Systems”, 深入领会了模式定理并做了大量严格的计算实验, 给出了明确的结论。Grefenstette[5]全面研究了遗传算法并行实现的结构问题, 给出的结构形式有:同步主从式, 半同步主从式, 非同步分布式及网络式等;Lin和Yun[6]等研究了把基于领域知识的启发式规划嵌入GA的方法, 并取得了良好效果。

2 人工神经网络

人工神经网络模型简称神经网络, 神经网络以人脑结构为参考模型, 试图通过简单计算单元的高速互连来实现类似于人类在语言和图像处理等方面的行为。

1943年Warren Mecculloch和Walter Pitts提出了简单的神经网络模型 (MP) 。1957年Frank Rosenblatt提出感知器 (Perceptrnn) 模型, 开创了人工智能网络的研究。1959年Bernard Widrow和Martian Hahh开发了自适应单元 (Adaline) 网络模型, 可成功地应用于抵消通信中的回波和噪声, 成为第一个应用于实际的人工神经网络模型。1962年, Frank Rosenblatt[12]出版了名为”The Principlesof Neumdynamics”专著, 详述了感知器的功能。感知器有输入层、输出层和中间层, 可以模仿人的特性, 同时还断言, 感知器可以学会任何它可以表示的功能。1960年, Stephen Grossberg从生理学的角度来研究神经网络模型, 并于1967年提出了一种叫雪崩 (valanche) 的网络模型, 这种模型可以执行连续语音识别和控制机器人手臂的运动。1969年, Marvin Minsky和Seymour Papert在其合著的一本“Perceptions”书中, 分析了简单感知器, 并指出它有严重的局限性, 不能解决人们感兴趣的问题, 甚至连非常简单的问题都无能为力, 使ANN的研究陷入低潮。然而在此期间, 仍有不少人继续神经网络的研究, 主要表现在对各种不同的网络模型的提出和学习算法的研究上。ANN的研究主要分两个方面:一方面在于研究新的网络模型及算法的改进, 另一方面在于ANN的实际应用研究。ANN主要应用于自动控制、生物医学、质量检测、气象预报、信息处理、军事用途、公安用途、商业与金融业、通讯网、新一代计算机、工业用途及工程应用, 其中已有很多商品化的应用。

3 粒子群优化算法

粒子群优化算法 (PSO) 是一种源于对鸟群捕食行为的研究而发明的进化计算技术, 最先由Barnhart博士和Kennedy博士提出[7]。PSO同遗传算法类似, 是一种基于迭代的优化工具, 系统初始化一组随机解, 通过迭代搜寻最优值, 不但具有全局寻优能力, 通过调整参数, PSO还可以具有较强的局部寻优能力。但是并没有遗传算法的交叉和变异, 而是粒子在解空间追随最优的粒子进行搜索, PSO的优势在于容易实现并且没有许多参数调整。

1999年Shi[8]提出惯性因子ω线性递减的改进算法, 使算法在搜索初期有着较大探索能力, 而在后期又能得到较精确的结果, 一定程度上提高了算法性能。Angeline[9]将选择算子引入了PSO算法中, 选择每次迭代后较好的粒子复制到下一代, 以保证每次迭代的粒子群都具有较好的性能, 实验表明这种算法对某些测试函数具有优越性。窦全胜等人[10]提出一种基于模拟退火的PSO算法和有分工策略的PSO算法, 针对标准粒子群算法容易陷入局部最优的缺陷, 提出将模拟退火引入并行PSO算法中。测试的结果表明, 该算法在温度变换相对缓慢时, 能够搜索到较好的结果;郑鹏等将混沌思想引入到PSO算法中, 提出了一种基于混沌思想的PSO算法, 保证算法快速收敛并摆脱局部最优解, 提高算法的性能。2004年Jun Sun等人运用量子理论[11], 并将量子进化算法引入到微粒群算法中, 提出了量子粒子群算法。通过研究表明, 由于量子粒子群算法的量子系统是一个复杂的非线性系统并且符合状态重叠原理, 因此, 量子系统具有更多的状态;而且量子系统是一个不确定性系统, 没有一个确定的轨迹, 所以每一个粒子能够以某一确定的概率出现在搜索空间中的任意一个位置, 甚至是一个远离Pbest点的位置, 避免算法陷入局部最优点, 有利于算法的全局收敛。

4 模拟退火算法

模拟退火算法 (SA) 的思想最早是由Metropolis在1953年在研究二维相变时提出的, 1983年Kirkpatrick等人将模拟退火算法应用于组合最优化问题中, Press和Tueukolsky将单纯形法和模拟退火算法有机地结合起来, 形成一种新的改进的优化算法———单纯形模拟退火算法, 并且成功的解决了NLP问题。1995年Tarek M[13]等人对SA算法进行了并行化计算的研究, 提高SA算法的计算效率, 用来解决比较复杂的科学和工程计算。

1997年胡山鹰[14]等人在无约束非线性规划问题全局优化的SA算法基础上, 进行有约束问题求解的进一步探讨, 对不等式约束条件提出了检验法和罚函数法的处理方法, 对等式约束条件开发了罚函数法和解方程法的求解步骤, 并进行了分析比较, 形成了完整的求取非线性规划问题全局优化的模拟退火算法;康立山等[15]出版了《非数值并行算法》, 对并行的SA算法作了概括和总结。

5 结语

目前的智能计算研究水平暂时还很难使“智能机器”真正具备人类的常识, 但智能计算将在21世纪蓬勃发展。不仅仅只是功能模仿要持有信息机理一致的观点。即人工脑与生物脑将不只是功能模仿, 而是具有相同的特性。这两者的结合将开辟一个全新的领域, 开辟很多新的研究方向。智能计算将探索智能的新概念, 新理论, 新方法和新技术, 而这一切将在以后的发展中取得重大成就。

摘要：主要介绍了现代智能优化算法的基本概念, 着重回顾了几种主要的现代智能算法的发展历程, 主要包括遗传算法、神经网络优化算法、粒子群优化算法、模拟退火算法, 并阐述了其工作原理和特点, 归纳了它们主要的应用方向, 同时对智能计算方法的发展进行了展望。

夯实智能化基础迎接智慧城市挑战 第8篇

面对智慧城市新型业务的发展,安泰股份大胆提出了构建基于传统建筑智能化业务的智慧建筑新业务的方向,即在保持原有智能化构建舒适高效目标的基础上提高建筑使用的经济性和环境友好性,因此我们提出的智慧建筑发展计划是:重新定位建筑智能化业务,整合公司资源优势,打造城市级的智慧建筑整体解决方案。

为适应智慧城市建设的需求,安泰公司不仅在战略上进行了智能建筑业务的重新定位,同时在技术上、商业模式上进行了大胆的创新和尝试。即利用物联网、云计算技术进行智能化和建筑能源管理技术上的创新,利用政府购买公共服务模式实现商业模式上的创新。

我们提出的智慧建筑是信息化技术和智能化技术的紧密融合,是传统建筑智能化发展的必然趋势,通过物联网、互联网、云计算和大数据处理技术以及BIM等技术建立城市级的能源、楼宇自控、建筑能效监测、数据的互融互通的智慧建筑平台。在智慧建筑的应用中,依据我们传统的智能化业务进行以下方面的拓展,以满足智慧建筑的需求:城市云端的信息服务的共享、物联网技术的实际应用、建筑能源管理、绿色建筑的运行和维护。

我们不仅在技术上积极创新,而且在整个项目运作的商业模式上也进行了大胆的探索。为适应智慧城市建设中多种融资模式、多种运营模式的需求,安泰股份敢为行业先行者,占领省内建筑能源管理市场并开拓全国能源管理市场。我们积极推动安徽省乃至全国的公用建筑、公共机构能耗监管相关业务。依托“安徽省公共机构能耗监管中心”与“安徽省大型公共建筑能耗监管中心”两个省级平台,迅速占领省内智慧能源管理市场。

创新实践为安泰股份立足建筑智能化、拓展智慧城市的工作发展提供了良好开端。截至2014年12月31日,公司取得了满意的业绩:

1. 积极布局省内外市场,积极扩大市场份额

随着公司业务的高速发展,公司积极拓展全国市场业务,进一步占领省内市场,同时加大力度开拓全国市场,抓住全国新型城镇化建设的机遇,迎接智慧城市的建设浪潮。目前已建立11个全国分公司。打造“西北、西南、华东”三个板块,形成“核心三角区域”,继而辐射全国市场。

2. 搭建“云端”的公共建筑能耗监管平台

安泰“公共建筑节能监管平台”是公司核心技术,是公司智慧建筑新兴业务领域的重要平台。

201 3年,“安徽省公共机构能耗监管中心”、“安徽省大型公共建筑能耗监管中心”两个省级平台落户安泰,已陆续接入运行了安徽省政务中心、安徽省检察院、安徽医科大学第一附属医院、安徽农业大学、安徽建筑大学、皖南医学院等200户站点。

2014年8月,公司联合中节能等7家单位中标国家级“中央国家机关办公区节能监管体系建设项目”。该项目主要是为80家中央机关单位提供节能监管服务,未来可接入全国32个省、市、自治区的公共机构的节能监管数据,实现对全国公共机构的节能监管覆盖。

2014年11月,“公共建筑节能监管平台”通过住建部部级科技成果评估,专家一致认为该平台达到国内领先水平,具有推广应用价值。

安泰股份通过一系列互联网新技术应用,对公共建筑能耗监管方式进行了创新,彻底打破了“层级式”的传统能源管理模式,建立了“大一统”的省级建筑能耗监管平台,既节省了政府项目建设资金,也最大限度地挖掘出了公共建筑节能潜力,可以真正帮助各单位实现节能减排,此举对建设生态社会、能源节约型社会都具有重要的意义。

3. 在智慧城市建设多个领域取得了突出的成绩

(1)开展智慧城市技术咨询、课题研究及相关标准制定,同时入围2014年度国家智慧城市专项试点。作为安徽省智慧城市咨询机构之一,我们深化与政府、科研机构的合作,20 13～20 14年承担了安徽省6个试点城市的申报咨询。

2014年11月,受安徽省住建厅委托承担了安徽省智慧城市建筑指南课题研究以及相关标准制定工作。目前正在积极参与筹建“安徽省智慧城市专家委员会”以及“安徽省智慧城市工程技术中心”。

(2)在智慧城市领域获得多项殊荣。2014年12月,在中国计算机用户协会主办的“201 4中国智慧城市推进大会暨第四届中国城市信息化50强发布会”上,安泰股份被评为“2014中国智慧城市杰出服务商”、“2014中国智慧城市示范项目(智慧建筑、智慧能源)”、1人入选“2014年中国智慧城市领军人物”。

(3)与中国标准设计院签订了“BIM”战略合作协议。“BIM”技术的应用是保持公司未来在智慧建筑方面落地的技术支撑,同时也是保持公司在技术方面能处于领先地位的关键手段。

(4)公司的技术团队入选了“2014年合肥市228产业创新团队”。同时,安泰股份也被评为“2014年安徽省创新型试点企业”,“公共建筑节能监管平台项目”荣获“中国节能减排技术发明三等奖”。

2015年2月,安泰股份成为安徽省唯一一家入围2014年国家智慧城市“建筑节能与能源管理”专项试点的企业,作为国内唯一一家进行建筑能源管理的专项试点企业,安泰股份将会有力促进公司在战略层面占领安徽省智慧城市高地,有助于建筑节能与能源管理等具体项目落地,有助于智慧建筑的进一步拓展和更深层次的应用。

(5)基于安泰股份在智慧城市相关领域业务和商业模式的创新,公司总经理徐杰被“2014年中国经济高峰论坛暨第十二届中国经济人物评选系列活动”评为“2014年中国经济新领军人物”,同时安泰股份被评为“2014年中国经济新领军企业”称号。

4. 勇闯证券市场,整合资源,谋求更大的发展

201 4年8月份,安泰股份在新三板挂牌上市,为安徽省智能化行业上市第一股(证券代码:831063)。这是对于安泰股份从零起步、勇于探索,与国内整个建筑智能化行业同步艰难的发展,从一支名不见经传的施工队伍发展成为一家专业的建筑智能化企业,所取得的成绩的高度认可。