节点选择范文(精选6篇)
节点选择 第1篇
关键词:铁路,联运和换乘,节点重要度
多式联运是现代运输的发展重要方向, 是实现交通运输一体化的主要目标。重庆市的社会经济快速发展, 交通基础设施建设日新月异, 各种运输方式的网络基本形成, 但不同运输网络之间的协调与衔接还有待加强, 尤其是新建线路之间的如何有机结合对实现交通运输一体化十分重要。
渝怀线经过的重庆长寿、涪陵、武隆、彭水、黔江、酉阳、秀山是集少数民族地区和贫困山区为一体的地区。该线的建成, 对从根本上改变这些地区的交通落后状况, 加速资源的开发, 促进经济的发展具有重要意义。而渝遂铁路对于分流既有成渝铁路客货运输, 形成成都至重庆的便捷铁路, 改善成渝两地间运输服务质量具有重要意义。
现阶段两条铁路的建设与沿线的公路、水路共同构筑了区域的综合交通网络。目前沿线的渝合高速、渝长高速已建成通车, 渝湘高速正在建设当中, 铁路沿线的长江、嘉陵江以及乌江的航道与码头建设也发展迅速。如何实现三种运输方式间的有效衔接, 发挥综合运输网的最大效用, 就成为了一个迫切需要解决的问题。
综合运输网络的输送能力不仅取决于线路的通过能力, 而且取决于各种运输方式间的联运和换乘能力。而干线能力是一定的, 因此, 要想提高联运和换乘能力, 关键是要实现干线输送能力与联运和换乘站能力之间的有效协调。为此, 确定联运和换乘站的重要度和等级规模就成为问题的关键。
文章首先根据铁路线路所经过地区的经济地理条件和行政区位条件选择可能的节点;然后, 在充分考虑各种影响因素的基础上, 建立节点重要度评估指标;并运用层次分析法计算各指标的权重;第二, 利用综合评估法计算各节点的重要度;再运用模糊聚类法对各节点的重要度作聚类分析;最后, 结合实际的地形地利条件对各节点的重要度等级进行修正。从而达到既有理论高度, 又切合实际, 真正提高客货流在联运节点的通行速度, 减少延误, 提高受控区域的道路服务水平, 进而提高综合交通网络通行能力之目的。
1 站点的选择
渝怀铁路西起重庆枢纽襄渝铁路, 穿过歌乐山, 横跨嘉陵江, 经长寿跨越长江到涪陵, 再沿乌江逆流而上经武隆、彭水、黔江、酉阳、秀山、贵州铜仁市, 到湖南省怀化。遂渝铁路, 途经四川省遂宁市, 重庆市潼南县、合川区、北碚区, 至沙坪坝区接渝怀线井口站引入重庆枢纽。两条铁路在沙坪坝区井口站对接, 因此主要节点可选择为潼南站、合川站、北碚站、重庆北站、长寿站、武隆站、彭水站、黔江站、酉阳站以及秀山站。
2 建立节点重要度评估指标
一般而言, 影响节点重要度 (目标层) 的指标 (指标层) 主要有节点所在地区的社会经济指标和交通运输指标。其中社会经济指标主要有人口规模、国内生产总值、工业总产值等次级指标;交通运输指标也可进一步细分为铁路客货运量和总里程、节点所连接的铁路、公路和水路的数量等。具体结构见图1。
3 节点重要度评估
节点重要度评估属于多指标体系的综合评估, 目前用于综合评估的方法有综合加权法、模糊综合评价方法、灰色系统评价方法、层次分析法、多元统计分析方法 (主成分分析法、因子分析法、聚类分析法和判别分析等) 及TOPSIS法、神经网络法等方法。
考虑到层次分析法 (Analytic Hierarchy Process简称AHP) 是对定性问题进行定量分析的一种简便、灵活而又实用的多准则决策方法。该法自1982年被介绍到我国以来, 以其定性与定量相结合地处理各种决策因素的特点和系统灵活简洁的优点, 迅速地在我国社会经济各个领域内, 如能源系统分析、城市规划、经济管理、科研评价等, 得到了广泛的重视和应用。因此, 本文运用AHP来定量确定各指标的权重, 进而得到各节点的重要度指标值。为了进一步给各节点划分等级, 我们运用ISO—DATA模糊聚类分析法, 并借助于SPSS分析软件对各节点的重要度进行聚类, 从而比较科学地界定各节点所属类别, 为联运和换乘站点的投资和建设提供了科学的依据。
3.1 指标权重的确定
(1) A-B层次的判断矩阵及一次性检验:
λmax (1) =2 C.I. (1) =0 R.I. (1) =0 C.R. (1) =0<0.1
(2) B-C层次的判断矩阵及一次性检验:
λmax (2) =3.04 C.I. (2) =0.02 R.I. (2) =0.52 C.R. (1) =0.04<0.1
λmax (3) =3.04 C.I. (3) =0.02 R.I. (3) =0.52 C.R. (3) =0.04<0.1
层次总排序一致性检验计算如下:
undefined
则undefined
因此, 表明判断矩阵的一致性是可以接受的。
3.2 节点重要度计算
获得各指标权重后, 可计算公路运输网络中节点i (i=1, 2, …, n) 的重要度指数Ai:
undefined
式中:n为节点数量;m为所选取的评价指标数量;Cij为节点 处j (j=1, 2, …, m) 指标值; wi为第i项指标的权重。
采用上述公式计算铁路沿线的联运和换乘节点重要度, 计算结表5。
3.3 应用SPSS的ISO—DATA模糊聚类功能对节点重要度聚类分析
现分别用xi (i=1, ∧, 11) 表示铁路沿线的联运和换乘节点, 即:X={x1, x2, ∧, x11}
取分类数c=3, 依次为:非常重要因素;重要因素;一般因素。
应用SPSS统计软件进行分析, 聚类结果见表6。
根据节点重要度计算结果, 再通过聚类分析, 确定节点的重要性层次如表6所示。
表5和表6表明了铁路沿线的联运和换乘节点的重要度排序以及重要度层次的划分, 其结果反映了铁路运输站场联运和换乘节点需求的紧迫程度。因此, 应尽快根据铁路联运和换乘节点的需求, 对现有的交通基础设施进一步完善, 以构建高效便捷的物流系统, 实现提高现有综合交通网络的通行能力战略构想提供有力支持。
同样, 确定公路运输站场和港口的集疏运系统也可以采用上述方法, 仅将其中涉及到的铁路客货运指标用公路和港口的客货运参数替换即可。
4 结语
本着实用性和科学性的目的, 成功的运用改进了的层次分析法和ISO—DATA模糊聚类法对铁路沿线联运和换乘节点的重要度进行了分析, 结合铁路运输站场的需求, 对原有的铁路联运和换乘系统做了进一步的改进, 有效的提高了客流、货流在联运和换乘节点的通行能力。
参考文献
[1]孙东川, 林福永.系统工程引论[M].北京:清华大学出版社, 2005.
[2]胡永宏, 贺思辉.综合评价方法[M].北京:科学出版社, 2000.
[3]朱建平.应用多元统计分析[M].北京:科学出版社.2006.
[4]陈水利, 李敬功, 王向公.模糊集理论及其应用[M].北京:科学出版社, 2005.
[5]方述诚, 汪定伟.模糊数学与模糊优化[M].北京:科学出版社, 1997.
[6]薛薇, 基于SPSS的数据分析[M].北京:中国人民大学出版社, 2006.
[7]章文波, 陈红艳.实用数据统计分析及SPSS12.0应用[M].北京:人民邮电出版社, 2006.
[8]重庆市统计局, 国家统计局重庆调查总队.统计年鉴[M].北京:中国统计出版社, 2008.
[9]重庆市交通委员会, 重庆市发展和改革委员会[J].重庆市“十一五”综合交通发展规划, 2006, (1) .
复习课教学“节点”的选择 第2篇
一、切入点
(一) 从课本的目录切入, 总体回顾基础知识。
一册书的目录, 虽然只有3页, 但仔细阅读就会发现, 它是一个非常好的复习切入点。目录是一册书课题的汇总, 如果细心阅读, 我们能从中发现很多有用的东西。借助目录, 我们可以复习各组课文的学习主题, 每组课文分别安排了哪些文章。复习时, 我们可以设计一个粗放型的话题, 如“读到《》这一课题时, 我就会想起课文中”, 然后选择其中的一个角度重点展开, 这样有放有收, 能收到不错的效果。我们还可以引导学生从目录的课题中发现自己命题的技巧。
(二) 从单元导读切入, 整体把握单元复习内容。
众所周知, 一篇优秀的文章, 总有牵一发而动全身的“点”———文眼。一组或几组文章也是如此, 它们都有一个主题。从这个主题切入文本, 也就抓住了纲, 也很容易理清复习的主线。在复习教学中抓住一条清晰的主线, 就能把厚书读薄, 把长文读短。每组课文的“单元导读”就起到了提纲挈领的作用。上新课时, 可以紧紧围绕“单元导读”组织教学;复习课以此为切入点, 同样可以达到事半功倍的效果。如六年级上册第七组复习, 我们只要围绕“单元导读”中的3个提示——“继续练习用较快的速度阅读课文”“注意体会课文表达的感情”“揣摩作者是如何把人与动物、动物与动物之间的感情写真实、写具体的”组织复习, 本组的重点内容都能得到复习和巩固。
(三) 从课后练习和课前导读切入, 抓重点复习单课内容。
课后练习和课前导读是语文课程内容一个不可或缺的组成部分, 它们在很大程度上或明或暗地指导教师这一课怎么教, 指导学生怎么学。复习时, 教师要对课后练习或课前导读给予足够的重视。如《钓鱼的启示》课后题是这样编的:
1. 有感情地朗读课文。想一想为什么“我”不愿意把鲈鱼放回湖里, 而父亲却坚持要“我”这么做。
2. 根据课文内容, 用适当的词语根据“我”心情的变化。得意→ () → () → () 。
3. 课文中有一些含义深刻的句子, 如“道德只是个简单的是与非的问题, 实践起来却很难。”请把这样的句子找出来, 并结合上下文和生活实际说说自己的理解。
4. 课文中哪些语句对你有启示?你由此想到了什么?写下来和大家交流。
练习2指向的是作者的行文线索, 练习1和练习3指向的是文本的难点, 练习4则是文本的拓展和延伸。而练习3中“抓关键词句理解”“联系上下文理解”和“联系生活实际理解”指向的是学习方法。学生自主复习时把课后题解决了, 这一课的复习基本上就没有问题了。
(四) 从不同文体的差异处切入, 整理归类文章特色。
文章类别不同, 阅读方法有着较大的差异。这些差异之处不失为一个好的切入点。一位教师在复习五上1~4组时, 抓住不同类型课文的典型语段, 引导学生总结学习的方法:读情感类文章, 关注作者抒发的情感及抒情的方式;读说明性文章, 抓住作者介绍的知识要点, 了解和运用基本的说明方法;读哲理启示类文章, 抓住关键词句体会, 联系生活实际感悟。
(五) 从“泡泡图”切入, 归纳提炼学习方法。
三年级上册开始, 课本中出现了许多“泡泡图”, 它或在文前, 或在文中, 或在文后。以吐泡泡的形式引导学生边读边想, 自读自悟, 并将“泡泡图”中的提示进行整合, 也是一个很好的复习切入点。在复习三上1~6组课文时, 一位教师紧紧以“泡泡图”这一独特的视角为中心点, 并由此点辐射开来进行词语理解、句段理解和总分段落的迁移及运用。学生们专注投入地读, 积极得体地说, 不断有新的发现, 不断有新的成功体验, 他们的学习是快乐的。教师的引导、点拨和讲解, 注重“习得、生成与转化”, 化机械识记为意义识记, 深入浅出, 既省时又高效。
二、训练点
(一) 抓重点, 在训练中巩固知识。
小学阶段每册课本安排的内容不同, 要求培养的学习方法和学习能力也有所侧重。对于阶段性比较明显的目标, 就是该册的训练重点, 复习中应予以重点安排。在此次优质课评比中三年级的练笔设计, 不管是“花田里的稻草人千姿百态”还是“我们的校园真美啊”, 不管是“雪后的景色真美呀”还是“下雪天是多么快乐啊”, 也不管要求是先分后总、先总后分还是总分总, 练笔都不约而同地围绕一个训练点, 那就是写一个总分段落。而总分段落的学习和运用, 又恰恰是三年级上册的训练重点。
(二) 抓难点, 在训练中深化知识。
“写什么, 人人看得见;怎么写, 对大多数人来说, 却是个秘密。”从学生的习作情况看, 有些学生明明心中有材料, 却不知如何表达。怎样把自己的意思表达得具体生动, 这对小学生来说, 是个难点。这次参加市优质课评比的很多教师就关注了这一点, 引导学生进行整体与细节的揣摩, 关注对语言文字的推敲和赏析, 发现句段表达的秘密。一位教师在四上1~6组句段复习时, 是这样设计的: (1) 出示《观潮》第4自然段。读着这段文字, 我们仿佛看到了钱塘江大潮那壮观的景象。作者是怎样把它生动地表现出来的?你能发现其中的奥秘吗? (2) 品读句子:“浪潮越来越近, 犹如千万匹白战马齐头并进, 浩浩荡荡地飞奔而来。那声音如同山崩地裂, 好像大地都被震得颤动起来。”删去想象的内容, 与原文比较, 比一比哪个好, 好在哪里? (3) 小结:像这样带有想象的句子在1~6组课文中还有很多。分组找一找, 说一说。 (4) 模仿运用:学习作者的这种写法, 把写潮退去时的句子加上想象的内容, 看看谁想得最有意思, 写得最生动。这一环节, 通过对语言的品味、积累和运用, 学生不仅复习了要求积累的重点语段, 而且通过对比阅读, 对句段的表达方式有了一个清晰的认识。读中悟写, 读中学写, 既优化了学生的阅读, 又打开了学生的视野, 为学生学会生动地表达提供了切实的帮助。
(三) 抓积累点, 在训练中丰富知识。
语文教学的主要任务是引导学生理解、积累和运用语言。积累是理解和运用的中介。教师在设计复习教学时, 应清晰地把握哪些是需要积累的词、句、段, 并在复习教学中加以检查和落实。一位教师在二上2~6组字词复习的设计中, 紧紧抓住教材的积累点进行有效的训练。 (1) 出示“语文园地”和部分课文后“我会读”中的词语, 引导发现每组的共同点。 (2) 将第二类词进行变化:“快乐———快快乐乐———非常快乐———快乐极了”, 读中体会语感, 并给同类的词语也变一变。 (3) 创设语境, 灵活运用“玩游戏、练书法、画图画、弹钢琴、写作业”等进行填空。 (4) 继续变魔术:“玩游戏———开心地玩游戏——— () 地玩游戏”、“枫叶———一片枫叶———一片片枫叶———一片片 () 的枫叶”, 在读读说说中体会词怎么变成词组, 怎样一步步把词变得具体生动的。这一教学片段中, 分类的词语分别来自于语文园地和部分课文后“我会读”中的词语积累, “快快乐乐”“极了”之类的词组, 分别是第3课和第21课课后题中要求积累的;“动词+名词”“数量词+名词”的词语搭配, 分别是识字2中、语文园地五的积累点, 而“一片片枫叶”之类的词组是第33课课后题中要求“读读写写”的。
三、延伸点
(一) 抓内联外延点, 形成知识的体系。
语文教学目标是环环相扣、螺旋上升的。复习前, 教师首先要对课程标准非常熟悉, 尤其是对阶段目标了如指掌, 既要体现阶段性, 又要注意阶段目标之间的衔接与过渡, 使教学目标得以全面、准确地落实。如同样是写人的一组课文, 五上第六组的要求是:“认真阅读课文, 把握主要内容, 想一想作者是怎样通过外貌、语言和动作的描写表现父母之爱的。”六上第三组的要求是:“学习本组课文, 要在读懂课文、体会情感的基础上学习作者是如何通过对环境、人物心理活动等方面的描写, 抒发美好情感的。”仔细推敲, 不难发现, 前者重在对人物语言、动作、神态的关注, 后者重在对环境、心理活动的揣摩。前面的学习为后面的学习作准备, 后面的学习是前面学习的深化和发展。五年级的一位教师写话的练习是这样设计的: (出示《慈母情深》中的语段:“那天母亲数落了我一顿。数落完, 又给我凑足了买《青年近卫军》的钱。”) “你能把这段话写具体吗?把这段话写具体, 你有什么金点子呢?”通过交流, 学生明白了可以抓住母亲数落时的语言、神态以及凑钱时的动作等进行描写。
(二) 抓方法的迁移点, 提升学习的能力。
学生的学习能力不仅仅在于其掌握知识的多少, 更在于能否运用知识去解决实际问题, 以及形成学习新知识的能力, 以适应自身发展的需要。所以, 教师复习时要选取典型的练习题, 以言语实践为平台, 让学生举一反三, 从中积累规律性的东西。一位教师在复习二上2~6组的句段时, 以学生熟知的旧内容 (本学期学过的3组形近的生字) “娃、挂、哇”、“桃、跳、逃”“抱、泡、跑”整合成一个复习的点, 用学生喜闻乐见的新方式———儿歌呈现, 唤起学生的阅读体验去解决新的问题, 并以此点辐射开来进行有关形声字知识的迁移和运用。
(三) 抓生活与文本的契合点, 拓展学习的领域。
社会和生活是我们丰富的学习资源, 语文课程应拓宽学习和运用的领域。如果能留心捕捉生活与文本的契合点, 创设出合适的情境, 就会再次点燃学生思维的火花, 使他们在感性的实践过程中激发思维, 运用语言, 培养情感。如上文中围绕“雪后的景色真美呀”或“下雪是多么快乐啊!”的写话就是结合前不久当地刚刚下过一场漫天大雪而设计的。
光伏发电系统的关键流程节点选择 第3篇
由于化石能源导致全球气候变暖, 传统能源的贮备量有限的条件下, 全世界都在寻找新的替代能源方案。而从目前技术发展和应用前景, 相对于其他新能源, 核能、风能而言, 太阳能最有机会成为全世界的主要替代能源。在经历了2010年光伏市场的繁盛, 随着国际环境的大变化, 迅速导致了供求关系的完全逆转, 光伏产业从卖方市场变为买方市场。质量成为了中国光伏企业需要关注的重点, 质量不过关的产品将成为光伏行业洗牌的淘汰者。本文从光伏流程节点的特殊性出发, 通过对关联度强弱的分析, 寻找到需要重点监控的关键流程节点, 然后通过对关键节点的影响因子进行分析, 对其进行针对性的控制, 实现光伏发电系统质量的控制。
2 流程节点的概念
2.1 流程节点的定义
节点是指原子流程节点, 是流程的最小的组成部分, 是不可再分的, 是一个具体的操作动作, 例如给审批文档盖章, 就是拿起印章向下盖章这个动作, 是不可再分的。也可以是一个不能继续分割的思考过程, 比如计算支架的截面系数Z, 是通过已有的参数, 带入已知的计算公式中, 得出支架的截面系数Z, 为后续的计算做准备。
而基流程是指流程进程不可以再次分解为其他流程, 由原子流程节点组成的, 结构为单链, 流程负责人为企业具体岗位的流程。
2.2 基流程中流程节点的关联性
2.2.1 关联性的定义。
关联性, 故名思议是指事物之间具有联系, 则可以认为事物之间存在不同程度的影响。我们知道事物的关系与事物的结构多种多样, 其关联性也有各种各样不同的情况。
2.2.2 关联结构。
最简单的或者说最理想化的莫过于两个事物之间关系, 它们之间为链状结构, 且具有单向关联与双向关联之分。扩大到三个事物, 则事物之间有两种可能的情况, 一种是事物之间以链状结构连接, 一种是以三个事物之间两两联系, 即网状结构, 相互影响, 其影响方向也具有单向和双向之分。当事物之间在同一个平面上时, 可以根据以上三种关联情况进行类推与拓展。但是当事物之间不是出于同一个平面上时, 事物本身的结构出现层次性的时候, 其关联性会更加复杂。
2.2.3 节点关联的判断。
通过对流程节点的质量特性赋值研究, 从而判断二者之间是否具有关联性。具体步骤如下: (1) 流程节点的质量特征赋值。节点的质量特性并不相同, 一部分流程节点本身就有比较明显的质量特征值, 且可以用数字描述。另一部分流程节点的质量特征值不明显, 不能直接用数字进行描述, 就需要进行赋值。 (2) 画散点图。散点图是用来研究相互之间没有确定函数关系的变量的常用工具, 因此可以利用散点图来判断节点间是否有关联性。 (3) 结果分析。
2.2.4 基流程的流程节点间关联度计算。
在确定流程节点之间具有相关性之后, 还需要定量的描述节点关联度的强弱大小。
根据光伏发电系统的设计、生产、施工的实践过程中流程节点的特点, 可以通过两个步骤来确定流程节点间的关联性的大小, 首先第一步根据帕累托法则确定节点间质量关联度的等级。我们要重点监控的流程节点也是对质量稳定性产生重要影响, 使其产生波动的流程节点。联系到节点的质量关联性, 则是节点质量关联度等级高的, 成为我们重点关注的对象。
将节点的关联度强弱转换成五个等级, 分别用符号A、E、I、O、U来表示, 其关联度强度逐渐减小, 对应着超紧密关联度、特紧密关联度、较紧密关联度、一般关联度、可忽略关联度五种关联强度。流程节点之间的关联度等级应按照流程节点间关联的数量多少来确定。
2.2.5 流程节点关联度的修正。
节点的关联度是基于与本节点相关联的节点数量多少而确定的, 与节点关联的节点数量越多, 影响的节点数量越多, 影响范围越大。当然, 也有出现与节点关联的节点数量不多, 节点传递的信息与物质对于其关联节点的重要程度却很高的情况。故只有极少数的节点与之关联, 其关联度等级并不低。因此, 在定义关联度等级时, 第二步需要考虑节点间交流的信息与物质的重要度, 对关联度等级进行修正, 使其更加符合实际生产的需要。
节点间信息与物质交流的重要度与否, 是由其关联节点对其需求度决定的。如若关联节点对于流程节点输出的信息是必须的, 即此信息是该关联节点触发的必要条件, 需要在其基础上继续加工或者处理, 则该信息与物质是重要的。而相对的关联节点对节点输出的信息与物质, 并不是其触发条件, 只是该信息或物质的流转中间站, 则该信息或者物质对于关联节点的重要度相对较弱。可如下表结果表示其交流关联程度:
2.2.6 节点综合关联度计算。
流程节点间综合关联程度的求解步骤如下: (1) 分析与节点关联的节点数量, 根据节点关联强度判断表进行判断; (2) 确定信息与物质之间的交流影响程度, 确定交流关联性的等级; (3) 确定节点数量影响与节点间交流影响的相对重要性。一般说来, 节点数量影响与节点间交流影响的相对重要性的比值m:n的范围为1:3~3:1。当比值小于1:3时, 说明节点数量影响程度很小, 综合关联度只需考虑节点交流重要度。当比值大于3:1时, 说明节点数量影响程度超过了节点交流影响程度, 综合影响程度只需考虑节点数量影响程度。在实际工作中, 根据节点数量影响与节点间交流影响的相对重要性取m:n=3:1, 2:1, 1:1, 1:2, 1:3, 把m:n称为加权值。 (4) 量化节点关联强度等级和节点间交流重要度。对于节点关联强度等级, 一般取A=4, E=3, I=2, O=1, U=0。对于节点间交流重要度, 一般取I=3, U=1。 (5) 计算量化的所有流程节点之间的综合关联度, 具体方法如下:设任意两个流程节点分别为Ai和Aj (i≠j) , 其量化的节点关联强度等级为MRij, 量化的节点间交流重要度为NRij, 则流程节点Ai和Aj之间综合相互关系密切程度数量值为:TRij=m·MRij+n·NRij。 (6) 综合关联度等级划分。TRij是一个量化值, 需要经过等级划分, 才能建立出与节点关联强度等级和节点间交流重要度相似的流程节点综合关联度表, 综合关联度的等级划分为A、E、I、O、U五个等级, 各级别TRij值逐渐递减, 且各级别对应的作业单位对数应符合一定的比例, 综合关联度等级及划分比例见下表。
3 复合流程的关联度计算
在基流程的关联度描述中, 根据流程节点与之联系的节点数量多少, 与流程节点输出的信息与物质对关联节点的重要度大小, 给出了一个度量关联度大小的参考公式, 那么对于复合流程中的节点关联性应该如何描述呢?
根据上小节的分析可知, 复合流程中节点关联性可以分为三种情况, 第一种情况由于类似于基流程中的关联度分析, 因而在此不再赘述, 重点关注第二种与第三种情况。
3.1 相邻层级流程节点关联度描述
根据上文所描述的复合流程中流程节点间的结构特殊性, 相邻层级的流程节点间关联性由于信息或者物质的传递途径变长了, 相应受到的干扰更多, 与目标值的偏差更大。这样的话, 更容易产生质量问题, 使得流程节点之间的相互影响变大, 节点间的关联性也随之变大。
当然, 也存在另外一种情况, 就是在传递途径中受到的干扰因素是有利干扰, 使得信息或者物质在传递的过程中受到限制, 与目标值更接近, 使得流程节点之间的相互影响变小, 节点间的关联性也随之变小。
因此, 在复合流程相邻层级的流程节点关联性的描述上, 引入一个干扰系数γ (θ) , 这个系数可能是正的, 也可能是负的, 它的取值范围是 (-∞, +∞) , 关键得在具体的流程中分析其干扰的方向与程度。可见, 结合上文中综合关联度的度量公式, 在复合流程节点中相邻节点的综合关联度公式为:TRij=m·MRij+γ (θ) n·NRij。
3.2 跨层级节点的关联性
为了方便计量, 假设每个层级间节点关联度的影响效果是叠加的, 在数学上的关系为相乘的数量关系, 那么可以根据相邻层级间流程节点的综合度量公式, 推出跨层级节点综合关联度的表达公式。
假设流程节点Ai处于复合流程中, 与之相关联的节点与之相隔n层, 那么其综合关联度的表达公式为:TRij=m·MRij+γ (θ) (n-1) n·NRij。
4 关键流程节点的识别
根据上文对基流程与复合流程的不同结构进行分析, 得到各自对应的综合关联度表示公式, 那么可以依据流程节点的关联程度强弱, 即综合关联度的大小来筛选关键流程节点, 从而更有效率的控制光伏发电系统整体的质量。
那么综合关联度为1是重要呢, 还是综合关联度为2是重要呢?需要标准来衡量关联度是否重要到需要重点关注的程度, 那么如何确定关键流程节点的选择标准呢?
80%的问题是由20%的流程节点引起的, 在设计、生产、施工的实践中, 针对每个公司的具体流程节点, 算出需要监控范围内的所有流程节点的综合关联度大小后, 对其进行综合关联度大小按从大到小的顺序排序, 对关联度占到总数的前20%的关联度进行重点监控, 称其为关键流程节点。
或者根据企业相关管理人员的商讨, 确定一个界限值π, 当综合关联度的值大于界限值π时, 则予以重点监控, 作为关键流程节点。
参考文献
[1]Xingxing Zhanga, Xudong Zhaoa, Stefan Smitha, Jihuan Xub, Xi-aotong Yuc, Review of R&D progress and practical application of the solar photovoltaic/thermal (PV/T) technologies[J].2011 (8) :1595-1614.
节点选择 第4篇
ZigBee是基于IEEE802.15.4标准制定的无线网络通信协议[1],具有近距离、低复杂度、自组织、低功耗、低数据速率、低成本等诸多优点[2],嵌入多种设备组网后,在远程监控、智能家居以及工业自动化领域得到了广泛应用。由于传输功率、存储空间和通信带宽的限制,目前一般自组织网络的传播方法计算时间长,占数据内存大,算法较为复杂,不适用于ZigBee网络。为了减少ZigBee网络数据转发中的冗余和避免数据碰撞,S.Ni等提出了较容易实现的启发式改良计数器算法[3],但不能保证所有节点都收到数据包。为了保证网络覆盖率并减少广发冗余,提出很多基于网络拓扑结构的复杂算法,比如可扩展广播法(Scalable Broadcast Algorithm)[4]。本文改进了DP(Dominant Pruning)算法[5],可以在更短的时间内覆盖更多节点,同时进一步减少转发节点数。该算法时间复杂度和空间复杂度都降低了,较易得到转发节点的最小值,减少传播冗余,每个非转发节点成为至少一个转发节点的树节点,从而保证非转发节点的被覆盖率。
1 高效转发节点选择
在Zig Bee网络中资源约束条件下,假设:(1)节点间距离和节点位置未知;(2)传输功率确定;(3)节点地址由ZigBee网络层分层分配,给定对象设备的网络地址,不需要交换信息即可推导出其树节点地址,每一对树节点之间的联系都由ZigBee网络层控制;(4)每个设备都有一个一跳邻居表,表中每一项都包含邻节点的网络地址以及邻节点的子节点数。
设N(A),Nk(A),TN(A)和TNk(A)(k≥2)分别代表一跳邻节点,k跳邻节点,树节点,节点集A的k跳树节点。给定ZigBee节点v的一跳邻节点N(v)地址,可以得出N(v)所有树节点TN(N(v))地址,为两跳邻节点集N2(v)的子集。图1是ZigBee网络拓扑结构。黑点代表v的一跳邻节点,白点代表v的一跳邻节点的树节点。图1(a)为ZigBee网络物理拓扑,虚线圈内为v的一跳邻节点。图1(b)为Zig Bee逻辑拓扑,虚线圈内为v的树节点[6]。图1(c)表示当节点v从节点u8收到数据包时,ZigBee逻辑拓扑,F(u8)={v,u2}为选中的转发节点集。在TN(v)中有四个节点是节点v的树节点:父节点v1和子节点v2v3v4。此外,在N(v)中v还有其它15个一跳邻节点:u1到u15,可以存放在ZigBee树结构上的任何位置。给定v1-v4以及u1-u15的网络地址,v便可识别到父节点和子节点。所有这些节点组成TN(N(v))。
目前的ZigBee网络采用的广发算法要求每个树节点都转发。从图1可见,节点v不仅能传播到其树节点,会波及N(v)-TN(v)中的物理一跳邻节点。因此,可能TN(v)中某一节点w的所有树节点也在N(v)-TN(v)中,w便无需转发。这启示了基于转发节点选择寻求一种更高效的广发算法来减少冗余。给出部分两跳邻节点TN(N(v)),将选择转发节点的问题简化为从N(v)中寻找能覆盖TN(N(v))的最小转发节点集F(v)的问题。将节点v作为另一节点的广发源或者转发节点。该集合只需要nl的内存(ZigBee拓扑结构支持的最大值)。启动广发后,节点选择部分一跳节点作为转发节点,转发节点再选择次转发节点,适时等待后转发数据包。
2 ZigBee转发节点选择算法
在网络地址对邻居表分级排序,设置暂存同级节点内存M空间基础上,从下到上,从左至右初始化邻节点。逐一检查该级的每个一跳邻节点x是否需要覆盖下级子节点。如图2所示,如果所有子节点(比如y)都可以在邻居表的下一级中找到,或者这些子节点是部分存储在M里的已被下两级转发节点覆盖的节点,节点x就不必被选作转发节点去覆盖其子节点。
然后,确认非转发节点x是否被其父节点z或者子节点y覆盖。如图3所示,当y处于x邻居表的下一级时,其树节点可以是广发源v的一跳邻节点也可以是被已选中的转化节点所覆盖的节点。正如上一步的推论,y状态可以为“转发”或者“非转发”。如果为“转发”,节点y将转发,覆盖其父节点x;如果为“非转发”,节点x仍需被覆盖。x的信息存储在M中,用于前步骤检测上级覆盖情况。
x节点必须被转发节点覆盖,要考虑是选择节点y还是节点z覆盖x。当z在邻居表中时,选择z,否则选择y。选择z时,z会覆盖包括x在内的所有树节点;选择y时,其子节点确定是被覆盖的,它只会覆盖x一个节点,效率较低。所以只有z不可用时才会选取y。如此从下到上处理完所有级数时,就选择好了最小数量的转发节点。算法终止,得到一个转发节点集F(v)。Zi FA算法流程如图4所示。
3 ZiFA仿真结果和性能评估
为验证Zi FA算法减少的转发节点的数目。本文所改进算法与只有树节点作为转发节点转发的ZigBee1算法[7]和与所有一跳邻节点都进行转发的大流量传播ZigBee2算法[8]进行了比较。
图5显示了传播距离为25m,40m,55m时转发节点率。图中横轴为节点数,纵轴为覆盖时间。每个数据点都是在随机组成的不同的拓扑网络里运行得到的100个仿真结果的平均值。网络大小为31~301。最大子节点数nm和ZigBee树结构深度dm分别为3和6。算法2所需的转发节点最多,几乎为全部节点的50%。而Zi FA算法需要的转发节点却少得多,当发射半径从25m增长到50m时,Zi FA转发节点率从35%降到10%,Zig Bee1算法和ZigBee2算法没有明显变化。这是因为,发射距离变大,每个节点就覆盖更多邻节点,有的节点的所有树节点可能都包含在邻节点中,从而该节点不需要被选为转发节点。算法1只覆盖树节点,而其他一跳邻节点不会收到数据包,算法2中所有树节点被覆盖后会退出数据传输,不受传输距离的影响。当传输半径是25m时,覆盖整个网络所需时间如图6所示。算法1覆盖时间最长,因为即使每个一跳邻节点都能接收到数据包,也只有树节点才会被覆盖,每个节点都接受数据包时时间就延迟了。算法2比Zi FA算法覆盖时间稍短但是传播较为冗沉。总结出Zi FA是最佳选择算法。
4 结束语
为了减少转播节点的数量、更快的覆盖整个网络,本文提出的高效的转发节点选择算法Zi FA,找到转发节点的最小值,只需要知道ZigBee网络里某个一跳邻节点的信息,部分两跳邻节点可以由不进行信息交换的节点派生而来,可推导出树节点,Zi FA只需要选择ZigBee网络中少量转发节点便可运行。提高网络覆盖的速度,同时也有助于避免数据包碰撞以及减少广发冗余率。该算法可被进一步拓展用于处理数据传输中的丢包。广发性能和ZigBee网络参数之间的关系还需要进一步研究。
参考文献
[1]IEEE Standard 802,part 15.4:Wireless Medium Access Control(MAC)and Physical Layer(PHY)Specifications for Low Rate Wireless Personal Area Networks(WPANs)[S].2003.
[2]李长锋,滕国库,常闯.基于Zig Bee的无线传感网络网关的设计[J].计算机与数字工程,2011,39(7):150-153.
[3]Tseng Y,Ni S,Shih E.Adaptive Approaches to Relieving Broadcast Storms in a Wireless Multihop Mobile Ad Hoc Network[J].IEEE Transactions on Computers,2003,52(5):545-557.
[4]陈松贵,李峰,王飞燕.基于SBA和KNN的多类分类算法[J].计算机工程与设计,2008,29(22):5786-5791.
[5]焦进.基于Dominant Pruning算法的ODMRP协议研究[J].软件导刊,2009,8(3):60-61.
[6]杨邻瑞.Zig Bee网络的分簇及节能路由协议研究[D].成都:电子科技大学,2012.
[7]高山,林予松,王宗敏.应用层组播转发树节点选择策略研究[J].计算机工程与应用,2008,44(11):124-126.
节点选择 第5篇
关键词:二级电压控制,主导节点,概率分布,风电接入
0 引言
二级电压控制作为自动电压控制体系中承上启下的重要环节,其实施首先将电网划分为彼此解耦的区域[1,2],再选取区域中主导节点和控制发电机组。维持主导节点电压是其首要控制目标。因此,主导节点的选择直接关系到二级电压控制对于组织协调区域无功资源、维持区域电压水平的效果。主导节点选择方法从最初的以电气距离为依据,选择区域电气距离中心或短路容量最大的负荷节点[3],到利用离线寻优方法确定控制区域内消除扰动偏差后其余节点电压偏差最小的节点[4,5,6],再到近期考虑可控性因素和区域耦合度指标的优化选择方法[7,8],基于离线优化组合问题求解的主导节点选择方法已较为完备。传统电网潮流走向相对固定,负荷预测经过多年发展精度较高,发电计划制定也有成熟的模式,实施分级电压控制过程中,控制区域内的电气距离中心或能体现区域电压水平的节点相对固定,控制措施的相关灵敏度数据变化较小。因此,根据典型运行方式的灵敏度数据,通过离线优化计算选择主导节点在理论上较为成熟,工程实施效果表明以往的选择方法是可行、有效的。
近年来由于环境问题的日益凸显,可再生能源不断并入电网已是大势所趋。并入的可再生能源如风电、光伏等注入功率随机性较强,其大规模接入和分布式渗透使得电网电源呈现多元化和分散化的趋势,加剧了控制区域内的潮流波动和走向变化。加上由于电力体制变革,电力系统的运行点日益趋近极限,基于潮流雅可比矩阵计算的控制灵敏度在重负荷状态下会随着有功潮流的不同发生较大的变化。这些因素导致控制区域内的电气距离中心或区域电压水平典型代表节点随潮流变化而动态迁移,若按原有方法选择主导节点,将不能体现所有运行状态下的区域电压代表性。为使当前形式下所选主导节点相对可再生能源随机注入功率具有一定的鲁棒性,本文以风电接入为例提出了计及风电功率波动概率特性的主导节点选择方法。
1 考虑风电随机注入功率的系统随机运行状态及其概率分布
1.1 考虑风电随机注入功率的系统随机运行状态
以往电网根据长期运行经验积累,按负荷水平划分为峰、腰、谷负荷运行方式,并总结出较为准确的相应时段。风电接入在电压无功控制领域带来的主要挑战是其注入功率波动的随机性引起系统运行状态的随机变化。因此,系统的运行状态划分可在原有峰、腰、谷负荷运行方式基础上,引入代表风电注入功率的随机变量,形成随机系统运行状态,其出现概率由风电注入功率概率分布特性所确定。
1.2 风电注入功率概率分布特性统计与拟合
根据系统运行状态划分规则,系统随机运行状态的概率特性主要由风电注入功率的波动概率分布决定。因为要与系统的峰、腰、谷负荷运行方式叠加,首先应解决风电在对应时段注入功率的概率密度函数。目前对于风电出力波动特性分析主要集中于整体波动规律的总结[9,10,11,12],对于具体特定时段的注入功率概率分布分析还未见相关文献报导。为获取这一概率分布特性采用的具体方法如下。
1)根据历史数据统计峰、腰、谷负荷时段风电注入功率在不同功率范围内出现的频率。例如:以风电场额定容量的10%为功率间隔,统计每个功率间隔范围内在特定时段有功注入的出现频率作为其相应概率,获取离散概率分布特征。
2)根据统计结果,利用函数拟合峰、腰、谷负荷时段注入功率概率密度函数,经历史数据的适用性校验,形成可反映注入功率波动本质规律的概率密度函数。
有了各风电注入功率的概率密度函数,可以根据实际需要的功率间隔积分获得概率分布,并计算各功率间隔内的均值作为该区间内的注入功率,以便与原有的峰、腰、谷负荷运行方式叠加计算各种随机运行状态的潮流以及相应概率,所选主导节点应能适应运行状态的随机变化。
1.3 系统随机运行状态的场景削减与概率分布
引入风电注入功率随机变量后,一旦控制区域内含有多个风电场,直接组合所得的随机运行状态数量将是海量的,会导致后续主导节点选择的组合优化算法难以求解。对此可采用2种途径限制系统随机运行状态的数量。
1)根据系统的实际情况,考虑注入功率的变化只有超过一定范围才会对主导节点选择产生影响,可以对连续型随机变量进行合理的离散化处理。即以风电场额定容量为基准,以额定容量的合理百分比为功率间隔取相应概率,并在功率间隔内取均值作为相应概率下的注入功率。如果在控制区域内接入的风电场较少,功率间隔可以较小以便使所选主导节点尽可能适应各种随机运行状态;当接入的风电场较多时,功率间隔相应增大,以减少组合数量。例如:系统节点i和j接入风电场,设各自额定容量分别为Sr1和Sr2,若取10%为功率间隔,如果峰负荷时段节点i注入功率在[0,10%Sr1]范围内的概率为ρxi、均值为Pi1,节点j注入功率在[0,10%Sr2]范围内的概率为ρxj、均值为Pj1,假设节点i和j所接风电场注入功率相互独立,则峰负荷时段节点i和j注入功率分别为Pi1和Pj1的运行状态概率为ρx=ρxiρxj。按此规则,考虑峰、腰、谷负荷的基础运行方式,最终组合的随机运行状态数量为3×10×10。如果功率间隔取25%,运行状态数目则变为3×4×4。
2)可以应用场景削减(scenario reduction)技术来实现精度与计算量的平衡。由于随机运行状态取决于风电注入功率随机变量,因此,将每种风电注入功率组合及相应概率定义为一种场景。每一种场景决定一种随机运行状态,两者一一对应。场景削减就是随机运行状态的削减,目的是为了控制随机运行状态的数量,减少优化选择的计算量。首先定义各场景之间的概率距离,确定好需要保留的场景数量,再选取与其他场景概率距离最近的场景予以保留,最后将剔除场景的概率合并入与其概率距离最近的保留场景概率中,形成新的概率分布。根据这一方法可减少风电注入功率的组合数量,实现随机运行状态数量的削减,在计算量与精度之间灵活折中[13,14]。本文选用快速前推选择(fast forward selection)算法。流程如下。
步骤1:设全部场景序号集合为 Ω={1,2,…,S},场景ξk和场景ξu均用包含W个风电注入功率随机变量的向量来表示,其中k,u∈Ω。定义场景对(ξk,ξu)之间的距离。保留场景序号集合初值Ωs[0]为空,删除场景序号集合初值ΩJ[0]=Ω。
步骤2:计算所有场景对之间的距离cku[1]=c(ξk,ξu),k,u∈ΩJ[0],场景ξk的概率为pk,并计算:
步骤3:以此类推,计算
步骤4:判断Ωs[i]内元素数量是否达到设定值,如果达到则终止。否则转向步骤3。
完成保留场景的选择后,将ΩJ中的场景概率加到Ωs中与之距离最近的场景概率上,形成新的概率分布。
对于目前很多地区属于风电汇集并网的情况,系统随机运行状态划分可依据汇集并网点处的注入功率概率特征来进行。其概率特征获取可以直接统计汇集点注入功率的概率特性,若所连接各风电场注入功率的概率特性已知,也可根据场景削减直接形成并网点处的风电注入概率特征。
根据上述方法,最终可以获取反映风电注入功率波动概率特性的系统随机运行状态以及相应概率分布。所选主导节点应对系统状态的随机变化具有一定的鲁棒性,以保证各种随机运行状态下累计控制效果最优。
2 考虑风电功率波动概率特性的主导节点选择方法
主导节点选择的核心思想是受扰动后通过消除主导节点电压偏差使得其余节点电压偏差最小。以往的选择方法仅考虑典型运行方式针对单一场景进行选择。如今风电并网导致运行状态随机变化频繁,所选主导节点应能在各种运行状态下具有较好的累计控制效果。由于不同的随机运行状态具有不同的概率,累计控制效果不仅要考虑各状态下电压偏差的大小,还要考虑相应概率。因此,主导节点选择的目标函数取全部随机运行状态下各节点电压偏移的数学期望最小来体现累计控制效果最优。基于这一思想,首先根据并入风电场的注入功率概率分布,叠加峰、腰、谷负荷运行方式,计算各随机运行状态和相应概率分布;然后在各运行状态潮流数据基础上获得电压无功控制相关灵敏度信息;再构建各种运行状态下累计控制效果最优的主导节点选择数学模型;最后应用成熟的优化算法求解确定最终选择结果。
2.1 主导节点选取的数学模型
设在系统运行状态i下的灵敏度关系为:
式中:ΔVGi和ΔQGi分别为系统运行状态i下发电机节点的电压和无功变化;ΔVLi和ΔQLi分别为负荷节点的电压和无功变化;SGGi,SGLi,SLGi,SLLi为灵敏度矩阵,即潮流方程雅可比矩阵中与电压和无功功率相关的部分。
设控制区域内包含N个PQ节点,选取P个主导节点。在式(1)的基础上,各种随机运行状态下受随机无功负荷扰动后,选择主导节点的目标是如何选取P×N阶主导节点选择矩阵C=(cij),使得全网其余负荷节点的电压偏移ΔVL期望最小。即使得目标函数I(C)达到最小:
式中:E{·}为求取数学期望;ρi为运行状态i出现的概率;M为运行状态的总数量;Qxi为对角加权阵。
将所有负荷节点从1到N编号,若系统中第j个负荷节点被选为第i个主导节点,则cij=1,否则cij=0。Qxi可根据不同系统运行状态下负荷的相对重要性来确定其具体数值。根据文献[3]的推导,对于运行状态i下电压偏差与主导节点选择矩阵以及扰动量之间的关系如式(3)所示:
式中: Mi= S-1LLi,Bi= -S-1LLiSLGi, Fi=(CBi)T(CBiBiTCT)-1,该状态下系统所受扰动为高斯随机负荷扰动,其期望值为零,标准差正比于扰动前节点无功负荷。
定义状态i下协方差矩阵:
将式(3)、式(4)代入式(2)中,再由数学期望的性质可以进行如下推导:
与主导节点选择矩阵无关,故原目标函数等价于max f(C),即如何选取主导节点选择矩阵C使得目标函数f(C)值达到最大。
为进一步提高抗随机扰动的综合效果,在目标函数中可对某些特殊运行状态附加权重系数以确保系统在相应状态下的控制效果。例如:某种典型运行状态实际运行时间较长,可根据运行状态的运行时间长短所占比例设置不同的权重系数。设状态i的权重系数为fsi,则原有目标函数I(C)可改为下式所示:
trace{(2 H1i-H2iH3i-1H4i)H3i-1},主导节点的优化选择问题即为如何选取主导节点选择矩阵C使得目标函数f1(C)值达到最大。
2.2 优化算法的选择
考虑各种随机运行状态的主导节点选取数学模型属于典型的组合优化问题,其求解可采用以往文献中较为成熟的智能搜索等优化算法,以获得主导节点选择结果。本文选用了包含精英策略的非支配排序遗传算法(NSGA-Ⅱ)。该算法是标准遗传算法(SGA)的改进,其精英策略可以保留父代中的优良个体直接进入子代,以防止丢失获得的最优解。该算法不仅在处理单目标问题中能够克服遗传算法中的“早熟”问题避开局部最优解,而且具备多目标优化能力,算法中的快速非支配排序可依据个体的非劣解水平对种群进行分层,再通过计算个体拥挤距离进行同层排序,指引搜索向最优解集方向进行。该算法对于实际工程实施较为实用,由于最终给出的是最优解集排序,而不是一个单独的最优解,因此,可根据工程实施中系统的实际情况进行二次决策选择而无需重新计算。 算法具体细节参见文献[15-16]。
3仿真分析
为验证本文所述方法,对IEEE 3 机9 节点和New England 39节点系统进行了仿真计算。IEEE 3机9节点系统规模较小,加入较为细致的风电概率分布,可通过遍历搜索分析系统随机运行状态变化对主导节点选择的影响,具体仿真结果见附录A。再通过New England 39节点系统加入相对粗略的风电概率分布,形成多种随机运行状态,并应用场景削减技术控制随机运行状态的数量,最后采用NSGA-Ⅱ寻优选取主导节点与文献[4]结果进行对比,表明本文方法的可行性和有效性。
New England 39节点系统结构见附录B图B1。各节点的初始负荷作为谷负荷运行状态,全部乘以比例系数1.3和1.7后构成腰负荷和峰负荷运行状态。随机选取节点2,7,16接入风电场。各风电场注入功率均采用山东电网某风电场实测数据,各风电场额定容量均设为峰负荷有功功率总量的12%。 峰负荷时段为每天的早上8 点至中午12点,下午14点至晚上21 点;谷负荷时段为夜间0点至早晨6点;其余时段为腰负荷时段。
如果按10%的功率间隔统计,则系统的全部随机状态数量为2 187(风电场以10%功率间隔统计的概率分布见附录A表A2),给后续的寻优计算带来了较大的计算量。为控制随机运行状态数量,功率间隔采用50%,即风电场注入功率只考虑3种情况,即注入功率为0、小于50%额定容量、大于50%额定容量。系统的随机运行状态数量变为81。峰、腰、谷负荷时段统计概率分布如表1所示。
由此可得81种系统随机运行状态的潮流数据和概率分布。利用摄动法求取各状态下的灵敏度数据,为简明起见,设各状态的权重系数均为1,应用NSGA-Ⅱ以max f(C)为目标,为便于和文献[4]的结果进行比较,主导节点个数直接按文献中的数目设定,即在29 个PQ节点中选择4 个作为主导节点。实际工程中可按文献[17]确定主导节点个数,再利用本文方法进行具体选择。寻优结果为:主导节点为节点9,11,17,28时累计控制效果最好。文献[4]给出了单一场景的选择结果,即节点18,20,22,26为主导节点。该选择是在系统靠近运行极限的场景下做出的,相当于测试算例中全部风电场注入功率为0的峰负荷运行状态。
为对比本文方法与文献[4]的控制效果,计算所有随机运行状态下施加扰动后消除主导节点电压偏差所得其余负荷节点的电压偏移期望,连接所有PQ节点的电压偏移期望形成曲线如图1所示。
图中:电压偏移期望1为本文所选主导节点的控制效果;电压偏移期望2为文献[4]所选主导节点的控制效果。
由图1可见,本文所选主导节点控制效果整体好于文献[4]的结果。节点1~17的电压偏移期望全部小于曲线2,节点18~29当中,除节点18,20,22,26以外(这4个节点作为文献[4]的主导节点电压偏差控制为0),只有节点19,21,23,27略高于曲线2。而曲线2除主导节点9,11,17,28以外,期望大于曲线1的节点数达到了17个。通过各节点的电压偏移期望均值也可看出整体效果。以节点18,20,22,26 为主导节点时电压偏移期望均值为0.041 3;以节点9,11,17,28为主导节点时电压偏移期望均值为0.029 6。因此,本文所述方法选择的主导节点总体控制效果优于单一场景下选择的主导节点。
为减少优化选择的计算量,应用1.3节中所述的快速前推选择算法,将81个场景削减为27个,即峰、腰、谷负荷各保留9 个场景。以峰负荷时段为例,各场景及其概率分布如表2所示。
削减场景后只保留了27种随机运行状态。同样利用摄动法求取灵敏度,应用NSGA-Ⅱ 以max f(C)为目标,选择的主导节点为9,14,16,28。控制效果与考虑全部场景和单一场景的对比如图2所示。图中:电压偏移期望1曲线为考虑全部81个场景的控制效果;电压偏移期望2为文献[4]中单一场景的控制效果;电压偏移期望3为场景削减的控制效果。
由图2可见,场景削减后的选择结果与考虑全部场景相比控制效果略差,但计算量大大减少,较好地实现了计算量和精度的平衡。此外,场景削减后各节点电压偏移期望均值为0.030 4,相比全部场景时的0.029 6和单一场景时的0.041 3,控制效果介于两者之间,也验证了上述结论。
4 结语
风电并入给系统运行带来运行状态变化的随机性,为保证区域电压控制效果,主导节点作为二级电压控制目标,其选择相对风电注入功率的随机变化应具有鲁棒性。为此,本文基于统计控制区域内风电注入功率在峰、腰、谷负荷时段的概率分布,叠加峰、腰、谷负荷运行方式形成系统的各种随机运行状态,提出了考虑风电注入功率波动概率特性的主导节点选择方法。该方法克服了传统选择方法只能针对单一运行状态进行选取的不足,充分考虑风电注入引起的系统运行状态随机变化,所选结果能够更好地适应由于可再生能源并入引起的系统运行状态随机波动。仿真结果表明,该方法可行有效,风电并入条件下相比传统方法具有更好的控制效果。
节点选择 第6篇
1 两种锚固构造特征
1)柱锚梁是指边柱全部外侧钢筋从梁底开始伸入梁内不小于1.5lae;柱内侧钢筋伸入梁内不小于lae时,伸至柱顶后截断;当伸入梁内小于lae时,伸至柱顶向内弯折12d;梁上部纵筋伸入柱外侧向下弯至梁底截断(见图1)。
2)梁锚柱是指柱外侧纵筋伸至梁顶后向内弯12d;梁上部纵筋伸至柱边向下弯不小于1.7lae,柱内侧纵筋伸至梁顶向内弯12d截断(见图2)。
2 工程实例分析两种构造方式对施工的影响
两种构造方式对施工的影响见图3,图4。
阳泉市氧化铝计控车间框架楼,建筑面积为2 122 m2,建筑层数为4层,顶层层高为3.6 m,框柱截面面积450×450,混凝土强度等级为C25,梁、柱保护层厚度为30 mm,梁高700 mm,柱子配筋为12根ϕ25二级钢筋。查规范得知:
锚固长度lae=35d=35×25=875 mm;1.5lae=1.5×875=1 313 mm;1.7lae=1.7×875=1 488 mm;12d=12×25=300 mm。
由此可以清楚地看出框架节点钢筋在柱内的位置关系。在本工程中,当柱锚梁时,梁钢筋伸入柱内至梁底,此时可以先浇灌柱子,后绑扎梁的钢筋;当梁锚柱时,梁钢筋伸入柱子内接近中部,则只有先浇灌下部柱子混凝土,再绑扎梁钢筋,然后将上部1/3高柱子与梁一起浇灌。
3 两种施工方式优缺点比较
1)从施工角度考虑当采用柱锚梁构造时,施工缝留设在梁底,优点在于便于操作,施工简便,工艺安排合理;缺点在于梁顶钢筋过于密集,极易造成混凝土入模困难、混凝土骨料级配不良致使混凝土强度等级偏低的质量缺陷。当采用梁锚柱构造时,施工缝留在柱高约1/3处,其优点在于梁柱节点处钢筋不至于过密,在后续浇灌时施工缝处和节点处便于混凝土振捣密实,不易产生离析现象;缺点在于钢筋安装比较复杂,柱模板需要分两次施工。
2)从结构受力角度考虑,梁锚柱好于柱锚梁施工方法。框架节点是保证结构抗震性能的最关键部位,而确保该处混凝土的施工质量达到设计要求更是最重要的质量控制环节,所以,施工规范中明确规定,混凝土施工缝设置的原则是:留置在结构受力较小且便于施工的位置。一般梁板受弯构件具体位置留在距支座距离为1/3跨度的位置,因此处的弯矩与剪力均较小。下面参考一下框柱弯矩图(见图5),我们得出的结论是梁底处柱子弯矩值大于柱高1/3跨处弯矩值,所以是不宜在此部位留置施工缝的。
4 结语
通过以上分析,当采用柱锚梁构造方案时,虽然施工工艺简捷、操作方便,但极易造成混凝土在节点处的浇灌缺陷,而此种缺陷的补强措施又是很难实施的,从而导致给整体结构留下长期的安全隐患。而梁锚柱构造虽然钢筋安装时比较困难,但只要在加工和安装时采取一些措施是很容易弥补其缺点的,而其最大的优点是混凝土施工质量比较好保证,能大大地减少结构安全隐患,较好地实现设计意图。所以,本人认为,在进行框架梁柱节点的设计和施工时,为了确保工程质量和结构安全度,钢筋构造和施工工艺宜优先采用梁锚柱的方法。
参考文献