基于移动智能体多级电力控制中心互联通信平台模型

随着互联网对经济社会的深刻变革,互联网平台经济是近年产业经济学研究的前沿。本研究对"互联网+地质"平台模式进行了初步的探索,首先介绍了平台经济以及互联网平台的概念特征,然后结合地质行业"互联网+"的特点,分析"互联网+地质"平台应具有的特性,在此基础上,提出"互联网+地质"平台的内涵、客户、平台功能和建设目标,最后研究分析了"互联网+地质"平台存在的困难,并提出了建设"互联网+地质"平台的有关意见和建议。

bim技术已在许多工程项目的建设过程中得以应用。如何利用bim模型进行工程验收，尚无统一的标准和成熟的方法。主要探讨在工程验交环节基于bim技术的工程验交平台进行验收交付的bim模型标准，包括bim模型的构件精度标准，拆分标准，命名规范以及与验交阶段文件之间的关联关系等。

分析了电力系统信息的横向集成(集成化平台)和纵向集成(网络化平台)的特点和需求,提出在多智能体系统(mas)模型上构建面向服务架构(soa)结构体系解决电力信息系统集成问题;分析了电力信息系统的集成框架,提出了接口智能体(界面层)、信息集成总线和服务智能体(模型层)、决策/协调层的三层结构;分析了soa的元模型机构,提出联邦管理智能体的概念,形成在soa模型下的多智能体的联邦或联盟的协作关系。

负荷预测是电力系统研究和电网规划的重要组成部分。采用隐马尔可夫模型,训练过程采用baum-welch算法,在matlab软件上隐马尔可夫模型进行训练,得到负荷特性预测最优模型,解码预测过程采用viterbi算法,通过模型可预测下一年地区负荷特性。以广东电网2011年至2016年负荷数据作为训练数据对隐马尔可夫模型进行训练,并对2017年广东典型日负荷率进行预测,仿真结果具有较优的准确性和计算效率。

电力通信中心站是地区通信网的核心,传输网管监控着整个地区电力通信网的运行情况,通常需安排人员24小时监控值班。本文研究了一种基于电力通信中心站网管平台的电子值班系统,通过将传输网管系统和动力环境监控系统的有效结合实现电力通信中心站无人值班,在提高电网运营维护水平的同时,节省了大量的人力。

提出一个面向电力行业基于数据包技术的移动作业平台,与通用的移动中间件平台解决方案相比,它重点解决移动作业模式、数据包、数据同步等关键技术,普通的移动作业可直接基于此移动作业平台构建运行,同时还可以针对特定的业务特点进行有针对性的性能优化,有效地满足了电力行业对于移动信息化所要求的高效、安全、成本低的特性,最后其在国家电网生产管理移动作业系统得到了应用和验证,取得了良好的效果。

电力体制改革给电力企业的经营带来了巨大的影响,市场竞争使得电力企业面临越来越多的挑战。电力企业必须提高自身的核心竞争力以获得持续发展的优势。而

针对防汛度夏对电网的要求，电力调控中心于6月21日举行了反事故演习，本次演习 旨在提高和检验调度运行人员故障预防、预控和应急处置能力，进一步提升调度员安全责任 意识和事故处置能力。 本次演习以目前赤峰地区电网的实际运行方式为题目设置点，涉及发电机组、母线、线 路等多类电气设备，设计了多重故障，重点考察调度员在突发状况时对电网运行方式变更的 敏锐感知能力、对故障信息的快速判断能力、以及在断面控制、电压调整、关键设备操作、 带电作业等方面的综合应对能力。实际检验了调度员对限电序位表、重大事件汇报制度、重 要负荷以及复诵制度、事故处理相关规定的掌握情况，演习过程中，演习调度员表现出良好 的心理素质，沉着冷静，严格按照调度规程和操作规定，积极采取应对措施降低事故对电网 的影响，表现出了较好的指挥、协调、处理电网事故的能力。 演习从15:30开始到17：2

由于传统古建筑文物展示方式无法满足当前国内外参观者的需求,因此文中源于mvc思想和经典三层架构提出了一种新的六层架构分层模型,即表示层、控制层、域模型层、业务逻辑层、数据持久层和数据层,并将s2sh轻量级框架技术和ajax前端技术融合到各层构建了古建筑文物展示平台的架构,然后结合web3d等技术实现了该平台。实际开发表明,基于该分层模型所构建的古建筑文物展示平台具有良好的扩展性、维护性和交互性,有效改变了古建筑文物的传播方式,让国内外参观者足不出户就能欣赏到中国各地著名的古建筑文物。

由于市场需求的不均匀性,加工制造企业存在订单的生产不平衡的现象。随着互联网及自动化应用不断普及,针对全国各地市场需求不一的现象,利用移动实时互联的思想,并借鉴\"互联网+制造\"的线上线下同步的互联思维,构建基于实施市场订单的信息化制造平台系统设计,为解决制造业实时根据订单需求进行自动化生产。通过该平台更好地把握市场需求,对生产和资源进行更好地信息化处理与规划,为有效且智能安排自动化生产制造模式提供新思路。

由于传统古建筑文物展示方式无法满足当前国内外参观者的需求,因此文中源于mvc思想和经典三层架构提出了一种新的六层架构分层模型,即表示层、控制层、域模型层、业务逻辑层、数据持久层和数据层,并将s2sh轻量级框架技术和ajax前端技术融合到各层构建了古建筑文物展示平台的架构,然后结合web3d等技术实现了该平台。实际开发表明,基于该分层模型所构建的古建筑文物展示平台具有良好的扩展性、维护性和交互性,有效改变了古建筑文物的传播方式,让国内外参观者足不出户就能欣赏到中国各地著名的古建筑文物。

关于“12层钢筋混凝土标准框架振动台模型试验 的完整数据”供研究单位免费使用的通知 “12层钢筋混凝土标准框架振动台模型试验”项目是由国家自然科学基金重 点项目资助（no.50338040,50025821），在教育部长江学者奖励计划特聘教授吕 西林教授的主持下，于2003年6月16日在同济大学土木工程防灾国家重点实验 室振动台试验室完成，2004年1月形成全套完整数据。 试验采用了模型比为1/10的单跨12层钢筋混凝土框架结构，梁、柱、板的 尺寸由实际高层框架结构的尺寸按相似关系折算，模型材料采用微粒混凝土和镀 锌铁丝。输入激励波形有elcentro波、kobe波、上海人工波和上海基岩波，试 验中的某些工况同时输入x、y双向或x、y、z三向elcentro波或kobe波， 共进行了62个工况。试验中采用加速度计、应变传感器量测模型结构的动

通信技术和信息技术的迅速发展,不仅为电网结构的优化和改进提供了技术支撑,而且推动了电力生产作业方式的改革和创新,移动设备在电力生产中的应用越来越广泛,在提高电网运行水平、电力生产效率等方面,发挥着尤为重要的作用,电力生产移动作业特点变得更加明显.文章指出了构建电力生产移动作业平台的必要性及应用优势,并对其中的平台模块组成技术、地理信息系统技术、单线图互动技术等几项关键技术进行了详细分析,对电力生产移动作业平台的构建起到了技术指导和借鉴作用.

本文分析了在无线通信技术和物联网技术高速发展的环境下,建设电力移动作业平台的必要性,同时从平台组件、gis应用和单线图互动等几个方面阐述了建立电力移动作业平台的关键技术。

研究boppps教学模型各个阶段的任务目标和具体实施方法,按照\"引入—学习目标—前测—参与式学习—后测—总结\"六个阶段,在充分研讨\"布鲁姆教育目标分类法\"\"参与式学习\"等教育理论的基础上,以跨平台移动开发课程的教学为例,提出对\"组件生命周期\"这一知识点的课堂教学设计,给出具体可行的教学内容和教学方法,通过实践证明boppps教学模型有利于更有效地组织教学过程,提高教学效果。

提出了一种基于云模型的电力负荷预测模型。利用云模型中的云发生器,分别将有限的国民生产总值和工业生产总值的增长率和增长变化率样本数据空间扩充为更具随机性和普遍性的扩展样本数据。以国民生产总值为例,建立国民生产总值与电力负荷之间的规则推理,构造云规则推理器。利用云规则推理器获得电力负荷预测增长率,将国民生产总值和工业生产总值获得的电力负荷预测增长率进行加权平均,并换算得到最终的电力负荷预测值,获得的预测结果精度高。

随着经济的发展,电力需求在全世界范围内越来越大,而其中清洁能源的发展占据了新能源开发的主导地位.在我国,风力发电是新能源发展的重中之重.可是风力发电的效率很难控制,基于风力大小的发电依赖于装机容量,或者说依赖于风电场准备发出多少电力.党风电场制造的电力高于实际需求时,由于电力的难于存储性,多余出的电力实际被浪费,当风电场制造的电力低于实际需求时,又会影响实际的工业发展与民用需求.考虑到风电场的装机容量之巨大,0.1个百分点的效率提升,都会给风电场带来巨大的经济利益.本文致力于应用组合模型于电力需求预测并得到精确的预测结果,从而指导实际运营中风电场的电力供给计划.在这篇文章中,ennm(elmannetworkmodel)和arsrm(splinerollingauto-regressivemodel)被应用与短期电力数据预测与中长期电力数据预测.组合模型的测试在newsouthwales的实际数据中测试.就在我们做出研究的期间,newsouthwales的电力需求波动与6000kwh与13000kwh之间.我们通过对总体数据的分析,提出了一种新的基于电力卡方测试的分类方式.通过这种方式电力数据可以被分为7种.我们以字母a~g来命名分类后的数据.与此同时,数据会被分类为两个部分,其中的一个部分含有两个或两个以下的极值点,另一部分含有三个或三个以上的极值点,这种分类是为了帮助我们更好的研究数据特性并为我们能够更好的应用模型做出贡献.

针对当前电力需求在中长期预测方面的需求，结合相关的智能算法，提出一种基于改进聚类算法的电力需求预测模型。结合聚类算法的优点，对电力需求数据进行划分，从而得到不同行业的电力数据；然后利用统一的电力需求模型，对电力需求进行预测。通过这种方式挖掘到不同行业在未来对电力的不同，进而更好的做好对各个行业电力需求的供应。

提出了一种基于云模型的电力负荷预测模型.利用云模型中的云发生器,分别将有限的国民生产总值和工业生产总值的增长率和增长变化率样本数据空间扩充为更具随机性和普遍性的扩展样本数据.以国民生产总值为例,建立国民生产总值与电力负荷之间的规则推理,构造云规则推理器.利用云规则推理器获得电力负荷预测增长率,将国民生产总值和工业生产总值获得的电力负荷预测增长率进行加权平均,并换算得到最终的电力负荷预测值,获得的预测结果精度高.

支持向量机svm作为机器学习方法之一,有数据分类以及数据回归两种用途,支持向量机的回归能应用于预测领域.本文应用svm方法来建立电力负荷预测模型,首先以历史负荷、天气、日期类型作输入数据,然后对数据进行归一化处理,再利用svm构建预测模型,svm在负荷预测方面具有较高的可信度与精准度.

随着电力营销积累大量的基础数据,如何加强对这些数据的应用,从而提升电力企业的营销和服务水平,成为目前思考的重点。对此,针对电力企业服务水平提升的需求,以电力营销系统等作为基础,提出一种基于数据挖掘的客户细分模型。对此,在对数据挖掘过程中,结合电力销售中的风险客户,提出决策树算法和回归预测两种方法对客户进行分类,并通过数据清洗、数据挖掘、结果评估等过程,对上述的算法分类结果进行验证和比较,最终得出在客户细分模型构建中的建议,以此为电力营销数据挖掘提供借鉴和参考。

针对小样本数据,提出基于gm(1,1)模型进行电力负荷预测模型,并通过实例表明该模型在电力负荷预测中的可行性;开发了基于gm(1,1)模型的电力负荷预测系统,实现了在实际工作中所要求的数据录入、查询、分析和预测功能。