协同因子论文

协同因子论文（共3篇）

协同因子论文 篇1

科研是科技创新的基础,而科研能力可以通过科研效能来衡量,按照达尔文的进化论观点,科研团队的科研效能应具有“生态”效应,本研究将其定义为团队协同生态效能。云南因其特殊的地理环境和独特的气候条件,生物多样性资源非常丰富,在特色生物资源方面具有独特优势和广阔的开发前景。生物产业的科研活动是一种异质性知识团队高难度、复杂的创造性智力活动,是一种知识增殖的活动过程,增殖效应取决于异质性知识的有效交互、团队成员的有效协同等。云南地处边疆,少数民族集聚,边疆地区科研人员因多样性民族文化背景形成的认知差异使团队认知匹配性不佳,影响团队异质性知识交互和协同行为的有效性,云南生物产业科技创新受阻。探索云南生物产业科研团队协同生态效能的影响因素,是提升科研团队高效良性可持续研发能力的关键。

本研究前期应用工业工程、认知心理学和组织行为学等学科的相关理论和方法,分析了团队协同科研工作中的认知要素、协同要素、团队协同生态效能的体现形式[1,2];通过梳理国内外大量文献,研究了科研团队协同效能的度量方法[3];结合文献[4]和[5]提出的“输入—中介—输出”团队效能模型,参考前人得出的认知会通过行为影响绩效的相关结论[6,7,8,9],提出了团队认知匹配通过团队协同影响团队协同生态效能的研究模型[10]。本文是在前期研究的基础上,提出团队认知匹配、团队协同、协同生态效能的测度指标并进行实证,为后续的影响机理研究做准备。

1 认知匹配、团队协同、生态效能的构面

1.1 团队认知匹配的构面

从认知心理学的角度来看,科研活动是一种高级的认知过程,包括知觉、注意、记忆、思维、自我监控、分析推理、问题解决等。根据社会认知理论的观点,团队成员的认知不协调会影响团队的内外部互动,出现协同不力。本课题基于社会认知理论,用“项目阶段-认知匹配矩阵”,在分析科研各阶段的认知要素的基础上。参考前人在自我效能感、结果预期和价值观等方面的测度量表[11,12,13],从科研价值观、自我效能、结果预期、团队效能感等4个方面开发了由18个问题组成的团队认知匹配测度量表,通过认知主体对科研要素的认知一致性评价实现团队认知匹配的测度。

1.2 团队协同的构面

“大科学”时代,生物产业的科研工作客观上需要多部门协同攻关、多学科不断交叉、融合与相互渗透、异质性知识需要有效交互与协同等。本研究基于“项目阶段-协同矩阵”分析了不同科研阶段的团队协同(包括内部协同和外部协同)行为要素,内部协同行为要素主要包括:立项阶段探索科学问题的思维协同、探究解决科学问题的方法和手段而付出行动的协同;启动阶段积极参与科研任务分配及接受科研任务的行动的协同;运作阶段致力于异质性知识交互广度、深度和时效性的行为协同;收尾阶段整理、共享研究成果的行为协同等。外部协同行为要素包括与外部相关组织、团体或个人等的协同,如团队成员积极探索、共享外部人脉资源、网络资源等的协同行为以及团队与团队间的协同行为等。参考前人在团队沟通、协作、合作、知识共享等行为方面的测量量表[14,15,16,17],从沟通、协作以及异质性知识交互等3个方面开发了由21个问题组成的团队协同测度量表,通过认知主体对协同程度和协同时效性的评价实现团队协同的测度,测度问题主要从沟通、协作以及异质性知识交互的意愿、频度、行为和时效性等方面设计。

1.3 协同生态效能的构面

按照达尔文进化论的观点和国家对科技创新可持续发展的要求,团队协同生态效能的测度应围绕团队成员科研能力高效良性循环不断提升的目标展开,包括科研产出的时效性、异质性知识的集成性与有效交互、科研过程的和谐性、效能的高效性、生态性和可持续性等。

本研究参考前人在团队绩效、团队效能、满意度等方面的测度量表[18,19],从效率、绩效、成员满意度、团队未来生存力4个方面开发了由33个问题组成的科研团队协同生态效能测度量表。效率主要考虑项目预定内容的完成度或完成效率;绩效以科研产出来度量,主要考虑成果的数量、质量、对科技创新的贡献力等;满意度主要考虑沟通满意度、会议满意度、协作满意度、任务平衡满意度、成果共享满意度、经费分配满意度等;未来生存力主要考虑科研能力提升度、未来合作意愿等态度和行为产出指标。

2 团队认知匹配、团队协同、生态效能构面的因子分析

2.1 数据采集

按照上述结构,用“德尔菲”法设计了由团队认知匹配(认匹1—18)、团队协同(协同19—39)、协同生态效能(效能40—72)3个测度量表构成的调查问卷,以云南生物产业基础性科研团队为对象进行数据采集。问卷中的打分标准按照Likert7点计分法设计,要求被调查对象根据自己主持或参与项目的亲身体验和感受,回答所陈述问题的符合程度,完全不符合得1分,完全符合得7分。本次共发放60个团队,共300份问卷,最终回收57个团队279份问卷,回收率为95%。为保证研究的有效性,对回收的问卷进行筛查,剔除回收问卷不足3份的团队数据,同时剔除废卷。废卷主要考察两种情况:一种是有很多问题没有回答完整,另一种是明显没有认真回答导致前后矛盾的情况。最终有55个团队共268份数据有效,问卷有效率为89%。

2.2 数据统计方法介绍

本研究借助SPSS19.0,采用统计分析中的因子分析法进行统计分析。根据相关文献[20],因子分析法包括4种:

(1)没有限定抽取因子法。以特征根大于1为判别基准,不限定因子个数,让计算机按标准自动提取因子个数。

(2)限定抽取因子法。在修订或编制量表时,已将题项归类为数个明确的因子,因而在因子分析时,如果计算机抽取的因子个数与原先编制的初衷有所出入而且不易解释时,可以设定抽取共同因子的数目。

(3)分层面个别因子分析法。若在量表编制时明确将量表分成几个分量表(层面或构念),各分量表所包括的题项界定得很清楚,亦即各题项归属于哪个层面或构念非常明确,且量表也经过专家效度检验及修改,在预试完后,可以根据各量表的层面,以层面包括的题项变量分别进行因子分析,而不用对整个量表进行因子分析。

(4)层面题项加总分析法。在因子分析中,将全部变量纳入分析后,抽取的因子过多或与原先编制的理论架构差距过大,可考虑将每个层面的奇数题、偶数题分别加总,这样每个层面就剩下两个子层面,再分别将这些子层面选入因子分析的变量栏中进行因子分析。

2.3 团队认知匹配、团队协同、生态效能的关键因子

2.3.1 信度分析

选用多元统计中的因子分析法对问卷数据进行综合处理,问卷信度采用Cronbachα系数进行检验,3个量表的信度系数在0.857~0.968之间,说明问卷质量较高。

(1)认知匹配量表的信度分析。对“认知匹配”量表进行信度分析发现,删除题项5、6、16后,Cronbachα值有所提高,同时发现,删除上述题目后,题项15的信度值不变,进一步检查可知题项5、6、15、16的涵义已包含在其他题目中,所以将这4个题项一并删除,删除后认知匹配量表的Cronbachα值为0.956。

(2)团队协同量表的信度分析。对“团队协同”量表进行信度分析,删除题目20后量表的Cronbachα值提高,并且题目20的涵义已包含在其他题目中,因此删除题目20。删除后,Cronbachα值为0.968。

(3)协同生态效能表的信度分析。“协同生态效能”量表包括4个分量表,即效率(40—43)、绩效(44—56)、成员满意度(57—67)、团队未来生存力(68—72)。对这4个量表统一进行信度分析发现,删除效能49—52后量表的Cronbachα值提高,但这些题项的题意独立成项,其他题目不可代替上述问题,则不可删除。因此改用“分层面个别进行因素分析法”依次对各分量表进行信度分析。效率量表无需删除任何题项,Cronbachα值为0.941;绩效量表中删除题项56后Cronbachα值提高至0.857,且该项的含义已包含在其他题项中。成员满意度量表中删除题项65后Cronbachα值不变,从题意解释可以删除题项65,删除后Cronbachα值为0.958。未来生存力量表无需删除任何题项,Cronbachα值为0.959。

2.3.2 效度分析

采用因子分析法做效度检验,首先对各量表进行KMO样本充足度测度和巴特莱特球体检验,检验该量表是否适合做因子分析,检验结果表明,3个量表的KMO值在0.833~0.960之间,巴特莱特球体检验的χ2统计值的显著性概率均小于1%,说明数据有相关性,适合做因子分析。本研究中公共因子采用主成分法来提取;为了更好地解释原题项并对因子进行命名,本文选择方差最大正交旋转法(Varimax)将因子载荷矩阵旋转,使载荷系数向0和1两极分化。

(1)认知匹配量表的关键因子。用“没有限定抽取因子法”只能提取两个因子,有些题项的共同度小于0.5,低于标准范围,而且提取两个因子解释效果不好,与设计初衷出入较大。改用“限定抽取共同因子法”,限定提取3因子时,题目的共同度均大于0.7,此时累积方差贡献率达78.5%,方差分析如表1所示,旋转后的因子载荷矩阵如表2所示。

从表2可以看出,认匹10—14、认匹17—18在因子1上的载荷值较大,因此,根据这些题项的含义,将因子1命名为“团队效能感”。同理,根据认匹1、7—9的含义将因子2命名为“自我效能感”,根据认匹2—4的含义将因子3命名为“科研价值观”。

(2)团队协同量表的关键因子。选用“没有限定抽取因子法”只能提取1个因子,共同度远低于标准值,累积解释率较低;改用“限定抽取共同因子法”,限定提取3因子时,题目的共同度均大于0.7,此时累积方差贡献率达72.8%,方差分析如表3所示,旋转后的因子载荷矩阵如表4所示。

从表4可以看出,协同32—39在因子1上的载荷值较大,根据这些题项的含义,将因子1命名为“异质性知识交互”。同理,根据协同23—31的含义将因子2命名为“协作”;根据协同19、21—22的含义将因子3命名为“沟通”。

(3)协同生态效能表的关键因子。用“没有限定抽取因素法”“限定抽取因子法”和“分层面个别进行因素分析法”对协同生态效能量表进行因子分析时,解释率都不强,而且命名困难。因此,改用“层面题项加总分析法”,按照此方法的原理将31个题项变量转换为8个子层面的变量,重新编制的变量名称如表5所示。

加总后,以A1_偶、A1_奇、A2_偶、A2_奇、A3_偶、A3_奇、A4_偶、A4_奇为8个新变量进行因子分析。应用“没有限定抽取因素法”提取2个因子,因子解释不通;应用“限定抽取共同因素法”提取4个因子时,题目的共同度均大于0.9,此时累积方差贡献率达95%,方差分析如表6所示,旋转后的因子载荷矩阵如表7所示。

从表7可以看出,A1(效能40—43)在因子1上的载荷值较大,因此,根据这些题项的含义,将因子1命名为“效率”。同理,将A2(效能44—55)、A4(效能68—72)、A3(效能57—64、66—67)依次命名为绩效、团队未来生存力、成员满意度。

2.4 团队认知匹配、团队协同、生态效能构面的验证性分析

根据2.3节的因子分析结果,从各量表的构面来看,团队认知匹配量表中与“结果预期”这一构面相关的题项均被删除,说明“结果预期”不是团队认知匹配的关键因子。而“团队协同”和“协同生态效能”两个量表中,除删除了部分含义重叠的题项外,各构面与量表设计初衷吻合,说明量表效度较高。根据因子分析结果,将科研团队认知匹配、团队协同、协同生态效能的关键因子进行汇总,如图1所示。

3 结论

本文借助统计软件SPSS19,用Cronbach a值对3个量表进行了信度检验,剔除多余题项。然后用因子分析对团队认知匹配、团队协同、生态效能等3个量表的构面进行效度检验,得到如下结论:

(1)影响协同生态效能的团队认知匹配因素较多,但关键因子可归结为团队效能感、自我效能感和科研价值观。

(2)影响协同生态效能的团队协同因素较多,但关键因子可归结为异质性知识交互、协作、沟通。

(3)测度协同生态效能的指标较多,但关键因子可归结为效率、绩效、团队未来生存力、成员满意度。

协同因子论文 篇2

关键词：区域后备保护,效用度,自适应电流保护,协同因子,容错性

0引言

近年来,自适应继电保护研究的日趋成熟[1],以及区域通信技术研究的不断深入,为构建能够适应故障类型变化的区域后备保护系统提供了契机。

目前,基于区域信息改善和提高继电保护性能的研究大致分为3类[2,3,4,5,6]:1通过研究潮流转移,在区域电网安全稳定控制系统的配合下,有效切除过负荷元件,达到防止后备保护连锁跳闸的目的[7,8];2通过有效利用区域多源信息形成新的区域后备保护算法,在识别故障区域的基础上快速切除故障元件,从而提高继电保护性能[9,10,11,12,13,14];3电网在线自适应整定计算,即在当前电网运行方式下对继电保护特别是后备保护进行在线整定,使继电保护保持较高的灵敏性和选择性,处于最佳工作状态[15,16]。

随着广域通信技术的发展,开发基于广域信息的自适应电流保护的条件日臻成熟[17,18,19,20],然而,通信技术的可靠性仍是制约区域后备保护工程实现的瓶颈,如何在通信异常的情况下利用多源信息可靠识别故障是区域后备保护研究的一大难 点[21,22]。再者,基于相量测量单元(PMU)的广域信息延时问题难以避免,信息的同步性仍不能得到有效保障,在构建区域后备保护方案时还需考虑通信系统非同步的问题。针对上述问题,本文提出了一种基于自适应电流保护协同因子的区域后备保护算法。算法引入了自适应电流保护判据结果,能自适应系统故障类型的变化。同时,该算法中自适应电流保护的保护动作值的获取不依赖于通信系统的同步性。在自适应电流保护动作信息高位数缺失或错误的情况下,利用本算法仍能对故障进行准确判断。

1自适应电流保护效用度

自适应电流保护具有计算整定简单,保护性能可靠等特点,可用做110kV及以下电压等级的线路保护。自适应电流保护的整定原则表明,其动作值可以对保护正方向上特定区域内是否发生故障作出反应。如图1所示,保护1的自适应电流速断保护动作,故障仅可能发生在线路L1上;自适应限时电流速断保护动作,故障可能发生在线路L1上,或者线路L2的出口处,即图1中虚线p左侧部分;自适应定时限过电流保护动作,故障可能发生在线路L1 和L2上,或者线路L3出口处,即图1中虚线q左侧部分。自适应电流速断保护、自适应限时线路速断保护、自适应过电流保护分别简写为自适应电流保护Ⅰ段、Ⅱ段、Ⅲ段。

以图1保护1为例,定义自适应电流保护效用度分别为保护1的自适应电流保护Ⅰ段动作,对判断故障发生在线路L1,L2,L3上的效用;分别为保护1的自适应电流保护Ⅱ段动作,对判断故障发生在 线路L1,L2,L3上的效用;分别为保护1的自适应电流保护Ⅲ段动作,对判断故障发生在线路L1,L2,L3上的效用。

1.1自适应电流保护Ⅰ段效用度计算

自适应电流保护Ⅰ段只反应于本线路故障,不对其他线路故障作出反应。以图1中保护1为例,

1.2自适应电流保护Ⅱ段效用度计算

自适应电流保护Ⅱ段应对本线路具有灵敏度,其保护范围必然要延伸到相邻线路[23]。

以图1中保护1为例,保护1的自适应电流保护Ⅱ段的保护范围为虚线p左侧部分。图1中b点为线路L2的首端点。将保护1的自适应电流保护Ⅱ段的保护范围覆盖各条线路的部分定义为该保护元件在各条线路上的有效距离,由于电力系统中线路阻抗与线路长度成正比,有效距离可以用有效距离等值阻抗表示。保护1的自适应电流保护Ⅱ段在线路L1上的有效距离等值阻抗为ZL1,在线路L2 上的有效距离等值阻抗为Zbp,在其余线路上的有效距离等值阻抗为0。

p点发生故障保护1处的故障电流为:

式中:ES为系统的等效相电势;ZS为系统电源侧的综合阻抗;Kd为故障类型系数,可由故障类型判别结果决定,三相短路时可近似取Kd=1,两相短路时取

由于保护1的自适应电流保护Ⅱ段的保护范围延伸到线路L2上p点,可得

式中:IsⅡet-1为保护1的自适应 电流保护 Ⅱ段整定值,该值可根据文献[24-25]中的计算原则得出。

将式(2)代入式(1)中,可得

保护1的自适应电流保护Ⅱ段动作,故障可能发生在L1和L2上的概率分别为保护范围在各条线路上的有效距离占保护范围总有效距离的比值。保护1的自适应电流保护Ⅱ段效用度为:

1.3自适应电流保护Ⅲ段效用度计算

自适应电流保护Ⅲ段反应于本线路和相邻线路故障,保护范围延伸到相邻二级线路。以图1中保护1为例,保护1的自适应电流保护Ⅲ段的保护范围为虚线q左侧部分。图1中c点为线路L3的首端点。根据1.2节对有效距离等值阻抗的定义,保护1的自适应电流保护Ⅲ段在线路L1和L2上的有效距离等值阻抗为ZL1和ZL2,在线路L3上的有效距离等值阻抗为Zcq,在其余线路上的有效距离等值阻抗为0。

图1中q点发生故障保护1处的故障电流为:

式中:ZL2为线路L2的线路阻抗;Zcq为线路L3上cq部分的线路阻抗。

由于保护1的自适应电流保护Ⅲ段的保护范围延伸到线路L3上q点,可得

式中:Iset-1Ⅲ为保护1的自适应电流保护Ⅲ段整定值。

将式(6)代入式(5)中,可得

保护1的自适应电流保护Ⅲ段动作,故障可能发生在L1,L2,L3上的概率分别为保护范围在各线路上的有效距离占保护范围总有效距离的比值。保护1的自适应电流保护Ⅲ段效用度为:

如果保护1的自适应电流保护Ⅲ段灵敏度系数较高,保护范围延伸到线路L4,其效用度的计算分析过程与保护范围延伸到线路L3上时一致。

2基于自适应电流保护协同因子的故障识别算法

2.1构建基于自适应电流保护的协同度函数

自适应电流保护的协同度函数是将自适应电流保护效用度作为权重对保护动作信息进行融合而形成的函数。引入自适应电流保护效用度,增大重要的保护动作信息对判断故障线路的作用,同时减小不重要的保护动作信息对判断故障线路的作用,提高了信息 融合的效 率,增大了算 法的容错 性。以图1中线路L3为例,自适应电流保护协同度函数为:

式中:分别为故障 发生后保护1,2,…的自适应电流保护Ⅰ段、Ⅱ段、Ⅲ段的实际动作情况;分别为保护1,2,…的自适应电流保护Ⅰ段、Ⅱ段、Ⅲ段动作,对判断故障发生在线路L3上的效用度。

2.2构建自适应电流保护协同度期望函数

自适应电流保护协同度函数是根据故障发生后,对保护实际动作情况进行信息融合得出的,由于不同线路的上下级线路数目不完全相同,线路故障后得到的动作保护信息位数不同,进而得到的协同度函数值也不相同,因此该值不能进行横向比较。需要构建协同度期望函数,期望函数是由假设线路发生故障,对保护动作的期望值进行信息融合得出的。由于在线路不同位置发生故障时保护元件动作情况不同,因此,在确定期望值时需考虑在线路不同位置发生故 障的情况。以 图1中线路L3故障为例,分析自适应电流保护协同度期望函数的确定方法。

保护3的自适应 电流保护 Ⅰ段的保 护范围为图2中的椭圆部分,该椭圆将线路L3分为t13.Ⅰ.L3和t23.Ⅰ.L3两段(图2中的t1和t2含义明确省略下脚标)。在线路不同位置发生故障时的自适应电流保护Ⅰ段动作情况如表1所示。

图2中s点(即t13.Ⅰ.L3段末端)发生故障,保护3处的故障电流为:

式中:ZL3t1为线路L3上t13.Ⅰ.L3段线路阻抗。

由于故障点在保护3的自适应电流保护Ⅰ段的保护范围末端,可得

式中:Iset-3Ⅰ为保护3的自适应电流保护Ⅰ段的整定值。

将式(11)代入式(10)中,可得

再根据图2得到:

式中:ZL3t2为线路L3上t23.Ⅰ.L3段线路阻抗。

故障点在t13.Ⅰ.L3和t23.Ⅰ.L3段上的概率分别为βt1Ⅰ和βt2Ⅰ,计算式如下:

保护2的自适应电流保护Ⅱ段的保护范围为线路L3上t12.Ⅱ.L3段的末端,即图3中的点r。如表2所示,故障发生在线路L3上t12.Ⅱ.L3段时,保护2的自适应电流保护Ⅱ段动作;故障发生在线路L3上t22.Ⅱ.L3段时,保护2的自适应电流保护Ⅱ段不动作。

线路上任一点发生故障的概率是随机的,若线路L3故障,则线路L3上任一点发生故障的概率相同,如图3所示,故障点在线路L3的t12.Ⅱ.L3段的概率为Lt1/L3,故障点在线路L3的t22.Ⅱ.L3段的概率为Lt2/L3。由于线路的长度与阻抗成正比,可得故障点在t12.Ⅱ.L3和t22.Ⅱ.L3段上的概 率分别为βt1Ⅱ和βt2Ⅱ,即

由式 (15)可知,βt1Ⅱ和βt2Ⅱ的值与t12.Ⅱ.L3和t22.Ⅱ.L3段线路的长度相关。

保护1的自适应电流保护Ⅲ段的保护范围为线路L3上t11.Ⅲ.L3段的末端(见图4)。如表3所示,故障发生在线路L3上t11.Ⅲ.L3段时,保护1的自适应电流保护Ⅲ段动作;故障发生在线路L3上t21.Ⅲ.L3段时,保护1的自适应电流保护Ⅲ段不动作。

保护1的自适应电流保护Ⅲ段的保护范围在线路L3上的有效距离等值阻抗Zcq,可以反映图4中t11.Ⅲ.L3段的长度,故障点在t11.Ⅲ.L3和t21.Ⅲ.L3段上的概率分别为βtⅢ1和βtⅢ2,计算式如下:

将作为故障点在线路不同位置时,保护动作情况期望值的权重,进行信息融合。以图1中线路L3为例,自适应电流保护协同度期望函数如下:

式中:D表示保护元件将线路L3分为D段,t1,t2为各段的编号;分别为故障发生在线路L3的t段上时(t=t1,t2),保护1的自适应电流保护Ⅰ段、Ⅱ段、Ⅲ段的动作情况的期望值。

2.3基于自适应电流保护协同因子识别故障线路

定义线路的自适应电流保护协同度函数值与自适应电流保护协同度期望函数值之比为该线路的自适应电流保护协同因子。以图1中线路L3故障为例,其计算式如下:

计算区域内各条线路的自适应电流保护协同因子PC(Lj)。线路的协同因子越大,表明自适应电流保护协同度函数的值越接近协同度期望函数的值,则该线路是故障线路的概率越大。因此,故障线路的自适应电流保护协同因子应为区域所有线路自适应电流保护协同因子的最大值PCmax。取区域内各条线路中协同因子最大的线路为故障线路,并远方跳闸。区域后备保护方案如图5所示。

3算例验证

3.1电网实时数字仿真

采用天津某10.5kV配电网中性点不接地系统进行实时数字仿真(RTDS)验证,系统如图6所示,区域后备保护系统的构成模式采用区域集中式(有主式)。设置母线B1处变电站为区域主站,负责接收各区域子站上传的数据,并进行综合决策。

该系统中线路L1,L2,L5的线路类型为架空线路,线路L3,L4,L6为电缆线路,系统中线路参数如表4所示。线路L1至L6均在电源端配置阶段式自适应电流保护。

在实际应用中不需要搜集整个区域的信息,故障发生后只需要将动作的自适应电流保护元件的动作信息,以及该保护装置的自适应电流保护元件的整定值上传至区域主机。用于计算自适应电流保护效用度,以及自适应电流保护协同度函数、协同度期望函数。在线路L3中段设置 两相金属 性短路故障。如表5所示,故障发生后,动作的自适应电流保护元件动作信息有4位,因此只需上传4位动作值;并将保护元件动作的保护装置2,3的自适应电流保护元件的整定值上传至区域主机。

计算自适应电流保护效用度αiⅠj,αiⅡj,αiⅢj。各自适应电流保护 对判断线 路L3故障的效 用度αi3如表6所示。

将自适应电流保护效用度作为权重,根据第2节中给出的保护动作情况的期望值及其权重,计算自适应电流保护协同度期望函数值;再根据表5中各保护元件动作的实际情况计算自适应电流保护协同度函数值,并由式(18)得到自适应电流保护的协同因子。各线路自适应电流保护协同度函数值、协同度函数期望值、协同因子如表7所示。

进一步考虑该算法的容错性,图6所示区域系统包含线路6条,保护的总个数为6个,自适应电流保护元件动作信息的总位数为18位,对保护动作信息进行随机4位信息的修改(随机4位信息缺失或错误表示区域内的保护信息出现20% 的随机缺失或错误),用以模拟实际工程中保护信息缺失和错误的情况。经过100次仿真的统计结果平均值如图7所示[4]。信息缺失或错误的情况下,故障线路自适应电流保护协同因子仍大于其他各条线路,满足故障判断条件,由此验证了该算法具有很高的容错性。

3.2IEEE33节点配电网仿真验证

为进一步验证本算法的适用性及可行性,利用RTDS搭建了IEEE33节点的配电网电力系统模型进行RTDS仿真验证,该系统为单电源辐射系统。系统图及各保护编号如图8所示。

该区域后备保护的构成模式为区域集中式,设置变电站33为区域主站,负责接收各区域子站上传的数据,并进行综合决策。在线路L10末端设置三相金属性故障。如表8所示,故障发生后,动作的自适应电流保护元件动作信息有4位,因此只需上传4位动作值;并将保护元件动作的保护装置8,9,10的自适应电流保护元件整定值上传至区域主机。

根据自适应电流保护整定值形成自适应电流保护效用度αijⅠ,αijⅡ,αijⅢ。各自适应电流保护元件对判断线路L10故障的效用度αi10如表9所示。

将自适应电流保护效用度作为权重,根据表8中自适应电流保护元件动作的实际情况,计算自适应电流保护协同度函数值。再利用第2节自适应电流保护动作情况的期望值及其权重的确定方法,计算协同度期望函数值。最后,由式(18)得到自适应电流保护协同因子。将各线路自适应电流保护协同度函数值、协同度函数期望值、协同因子示于表10。

对于仅在线路首端配置自适应电流保护的单电源系统,在线路末端发生故障,故障线路首端自适应电流保护的Ⅰ段不动作,将造成故障线路的协同因子减小,是最不利的情况之一。表10给出了线路L10 末端故障情况下各线路自适应电流保护协同因子,由表10可知,线路L10的自适应电流保护协同因子为0.630,仍是区域 最大值,满足故障 识别判据,可见本算法具有很高的可靠性。

考虑到离故障线路的电气距离越远的保护信息对故障判断的影响越小,对故障线路的相邻二级线路区域进行容错性分析,区域包含线路5条,保护的总个数为5个,自适应电流保护元件动作信息的总位数为15位。当出现随机3位信息缺失或错误(表示区域内的保护信息出现20%的随机缺失或错误)时,仿真实验100次的统计结果平均值如图9所示。

可以看出在信 息缺失和 错误的情 况下,线路L10 仍满足故障识别判据,进一步验证了该算法具有很高的容错性,且不受故障位置和故障类型的影响。

在线路L27首端设置 两相经过 渡电阻接 地故障,故障发生后,仅有4位保护信息动作,需要上传4位动作值,并将保护元件动作的保护装置25,26,27的自适应电流保护元件的整定值上传至区域主机。用以计算自适应电流保护效用度、自适应电流保护契合度函数、契合度期望函数,得到各线路的自适应电流保护协同因子计算值如图10所示。可以看出在信息正常的情况下,线路L27的自适应电流保护协同因子为区域最大值,满足故障识别条件。随机3位信息缺失或错误的100次统计实验结果显示,该算法仍能准确识别故障线路。

4结语

本文提出了一种基于自适应电流保护协同因子的区域后备保护算法,该算法具有以下特点。

1)引入了自适应电流保护判据结果,可适应故障类型的变化。

2)将自适应电流保护效用度作为权重对动作信息进行融合,不受故障位置和故障类型的影响。

3)该算法不受通信系统的非同步的影响。

4)在自适应电流保护动作信息高位数缺失或错误的情况下,该算法仍能准确判断故障。

协同因子论文 篇3

关键词：冠心病,丹参酮ⅡA磺酸钠,辛伐他汀,高敏C反应蛋白

冠心病即冠状动脉粥样硬化性心脏病,在冠状动脉硬化基础上,冠状动脉管腔狭窄、闭塞,导致血栓形成,进而导致心肌不同程度缺血。冠心病是临床上的难治病,死亡率高,在疾病发生发展过程中,炎症因子被激活入血[1]。研究表明,炎症反应是动脉粥样硬化形成、演变和破裂过程的重要环节[2]。丹参酮ⅡA磺酸钠注射液是从丹参中提取的中药成分[3],具有抗炎作用,可在一定程度上预防损害、减少血小板相关血栓栓塞性疾病的发生。丹参酮ⅡA磺酸钠还有具有抗氧化,抗氧自由基,防止心肌缺血再灌注,保护心脏功能等作用,可防止细胞内钙离子超载引发的细胞损伤,并抑制炎性细胞因子的产生[4]。本研究采用丹参酮ⅡA磺酸钠注射液与他汀协同治疗冠心病患者,并观察其疗效以及对冠心病炎症因子血清超敏C反应蛋白(hs-CRP)的影响,现报告如下。

1 资料与方法

1.1临床资料

选择2012年4月—2014年3月我院心血管内科收治的冠心病患者150例,均符合以下入选标准:(1)既往有陈旧性心肌梗塞病史或经冠脉造影检查证实至少有1支冠脉狭窄 ≥50%的冠心病患者;(2)符合不稳定心绞痛或非ST段抬高急性心肌梗死诊断的住院患者;(3) 3 mg/L<hs-CRP≤15mg/L;(4)高密度脂蛋白胆固醇(LDH-C)≥80 mg/d L或正在服用他汀药物。排除标准:(1)近1个月内有感染、发热、创伤、烧伤及手术史;(2)近1个月内行冠心病介入手术或入院后计划住院期间行介入手术者;(3)有出血倾向或血小板降低者;(4)正在使用抗生素或清热解毒者;(5)严重心力衰竭、EF≤5%者;(6)恶性肿瘤患者;(7)活动性风湿免疫性疾病、结核病患者;(8)严重肺、肝、肾、神经精神系统、血液系统疾病患者。其中男34例,女26例;年龄29~76岁, 平均年龄(64.0±5.0) 岁;病程1~8年,平均5.6年。按入院先后顺序随机分为治疗组A50例、治疗组B50例和对照组50例。各组在性别、年龄、病程及病情等方面比较,差异无统计学意义(P>0.05),具有可比性。

1.2 治疗方法

各组均给予阿司匹林肠溶片、硝酸酯类制剂等常规治疗,对照组在常规治疗基础上,给予辛伐他汀20 mg口服, 每晚1次,治疗组A在对照组基础上加用丹参酮IIA磺酸钠注射液40 mg,治疗组B在对照组基础上加用丹参酮IIA磺酸钠注 射液80 mg。 疗程14 d。 治疗前后 均检查血 清hs-CRP和IL-6水平,心电图、血常规、尿常规和肝肾功能等。

1.3 疗效评价标准

显效:治疗后心绞痛症状分级降低2级,原为轻、中、 重者,心绞痛症状基本消失,不再使用硝酸甘油;有效: 治疗后心绞痛症状分级降低1级;硝酸甘油的用量减半;原为1级者,心绞痛症状消失;无效:心绞痛症状无改变,硝酸甘油的用量无改变,未达到改善程度[5]。

1.4 观察指标

观察治疗前后血清hs-CRP变化情况,观察治疗过程中有无心肌梗死和猝死事件发生等不良反应事件发生。

1.5 统计方法

采用SPSS 17.0统计软件包进行数据分析,计量资料用均数±标准差(±s)表示,组间比较采用t检验;计数资料以百分率表示,组间比较采用χ2检验,P<0.05表示差异有统计学意义。

2 结果

2.1 三组临床疗效比较

治疗结束后,治疗组A与治疗组B的总有效率显著高于对照组,差异具有统计学意义(P<0.01)。与治疗组A比较,治疗组B总有效率显著提高,差异具有统计学意义(P< 0.05),见表1。

例(%)

*与对照组比较,P<0.01;#与治疗组 A 比较,P<0.05。

2.2 三组治疗前后血清 hs-CRP 水平比较

三组治疗前血清hs-CRP水平比较差异无显著性(P> 0.05),与治疗前比较,3组治疗后血清Ahs-CRP水平均有统计学差异(P<0.01或P<0.05)。与对照组治疗后比较,对照组A血清Ahs-CRP水平虽有所降低,但差异无统计学意义(P>0.05),治疗组B血清hs-CRP水平显著降低,差异具有统计学意义(P<0.05),见表2。

2.3 不良反应

三组患者在治疗期间均无心肌梗死和猝死事件发生;用药过程中未发现明显不良反应。

mg/L

*与治疗前比较,P<0.05,**P<0.01;#与对照组、治疗组 A 治疗后比较,P<0.05。

3 讨论