布点算法（精选6篇）
布点算法 篇1
0前言
以保障供应、成本优化为目标,对基建类、运维类和办公用品三大类物资实行差异化供应保障策略。其中,对于供应量大、时限性强的基建类物资,以需求计划为依据,采用供应商直送到现场的交货方式;对于收发频率较高的办公用品类物资,采用“超市化采购”模式,组织供应商直接将物资配送至办公桌;而对于领用频繁、需求随机的运维类物资,则需维持一定数量的仓库,建立需求响应的配送调度机制[1,2,3,4]。
电网公司运维物资仓库属于仓储网络的物流节点部分,仓库布局的合理与否,将会直接影响到仓储系统的服务水平、电力物资管理中存在仓库归属分散的问题,缺乏统一管理、协调调度,因而造成物资流通不畅、重复采购[5]。针对现有电力仓储系统布局问题和配送管理要求,建立双层选址模型并通过启发式中心聚类算法进行求解[6],该模型也被用于“一级仓+急救包”的省级物流网络分级管理模式[7]。以降低电力物资仓储和配送成本为目标,通过构建CFLP模型选择合适的仓库作为配送中心[8],随后又针对电力物资集约化管理和物资配送的时效性要求,利用集合覆盖模型进行电力物资周转库布局优化[9]。利用Flexsim软件构建电力物资仓储配送体系的仿真模型[10],通过线性规划方法建模,并利用Lingo软件对仓储配送网络进行优化及求解[11]。
物流节点的布局选址问题多属于非凸、非光滑且带有复杂约束的NP-Hard问题,因而相较于传统的运筹学方法,智能算法更有利于模型求解,本文通过免疫优化算法来解决省级电网物资仓库网络布局优化问题。
1 电网物资仓库节点规划
1.1 仓库节点规划目标
1)保障供应:以服务水平可用最大配送距离加以约束,决定了仓库的最少数量以及库与库间的最大距离。
2)降低成本:在保证供应前提下,尽量与集约化管理模式相一致,采用“大仓储、大配送”的运作策略,降低成本、增加效益。集中大规模仓储与分散小规模仓储相比,可以提高作业效率、减少仓库费用(包括建设费用、管理费用、库存积压等)。通常电网物资的存储成本远高于配送成本,且集中存储有利于统一协调和调度。因此,在一定的服务水平下,应尽量减少仓库数量,降低仓储系统总成本,包括存储成本和配送成本。
1.2 电网物资仓库布局规划原则
1)适应性原则。仓库与需求分布相适应,与电网企业发展方向相适应。
2)协调性原则。以仓储网络为系统协调各仓库节点,使整体目标最优。
3)经济型原则。在保证供应前提下,以总成本最小为目标进行布局规划。
2 电网仓库布点优化方向
按电网企业物资集约化管理的思路,以省公司为单位,整合并优化仓库网络布局,以期逐步形成“中心库信息集成、区域库集中储备、周转库分级配送”的三级仓储配送体系,减少仓库数量和闲置物资储备量,提高库容利用率。电网企业运维物资的仓库网络结构如图1所示。
总公司中心库将各省公司物资库存信息存储于虚拟仓库,省公司中心库负责省内物资库存信息的存储,虚拟仓库的作用在于实现库存信息共享、统一管理及合理调度;省级、地市区域库负责物资的集中储备,并向各周转库进行物资配送;地市、县级周转库负责运维物资至需求点的二次配送。中心库为虚拟仓库,存储信息而非实物;区域库为实物储备型仓库;周转库为实物流通型仓库。
3 电网物资仓库网络布局优化模型
本文对电网物资仓库网络布局优化模型做如下设定:
1)区域库和周转库均在原有仓库网络中选定,不新建仓库;根据实际需求,对最终确定的仓库可进行扩、改建,其费用暂不考虑。
2)每个需求点有且仅有一个上级仓库对其配送物资,暂不考虑同级仓库间的物资调拨情况。
3)区域库选址时,不考虑供应商对其发生的送货费用;周转库选址时,不考虑区域库对其发生的配送成本。
基于以上假设,在保障供应水平即采用最大配送距离约束L的条件下,从n个需求点中找出尽可能少的仓库节点以降低仓储费用,并以最低配送成本实现需求点的全覆盖,建立电网运维物资仓库的布局优化模型如下所示:
目标函数为:
约束条件为:
其中,目标函数(1)表示各备选库到其覆盖需求点的总配送费用最小;
n既表示需求点的数目,也表示备选仓库的数目,即所有需求点均为备选库;(注:在区域库选址中,需求点表示所有原仓储网点;在周转库选址中,需求点表示其所在的区域覆盖范围内的所有原仓储网点,即需求点是相对的)
γ表示计算调整系数,代表统一运费率;
ωi表示第i个需求点的物资需求量;
dij表示需求点i与备选库j的之间的距离;
yij表示第i个需求点是否由第j个备选库进行配送,1为是,0为否;
xj表示第j个备选库是否被选中,1为是,0为否;
L表示最大配送距离约束,根据配送响应性要求设定;
式(2)表示最终确定的仓库数目为m,m取满足L约束下的最小数;
式(3)表示每个需求点i都有且只有一个备选库j对其进行物资配送;
式(4)表示要求需求点i到备选库j的距离不大于最大配送距离约束L;
式(5)表示xj和yij是0-1变量。
4 基于免疫优化算法的模型求解
4.1 免疫算法的基本思想
生物免疫系统是一个高度进化的生物系统,旨在区分外部有害抗原和自身组织,从而保持机体的稳定,具有产生抗体、自我调节和免疫记忆等特征。人工免疫算法是受生物免疫系统启发而兴起的一种智能算法,通过学习外界物质的自然防御机理,提供噪声忍耐、无教师学习、自组织、记忆等进化机理,利用免疫系统的产生和维持机制来保持群体的多样性,克服了一般寻优过程特别是多峰函数寻优过程中难以处理的“早熟”问题,最终求得全局最优解。
免疫算法对自然免疫系统中的生物学术语赋予了新的含义。在基于免疫算法的电网运维物资仓库布局优化模型中,抗原表示模型的目标函数及约束,是免疫算法的始动因子和重要度量标准;抗体表示模型中的备选库,即备选区域库和备选周转库;抗体---抗原亲和力表示选址策略对应的目标函数值;抗体---抗体亲和度表示模型中各备选库之间的欧式距离;记忆单元是由特定抗体组成的抗体群,用于保持种群多样性及最优解;克隆是结合选择、扩展、交叉、变异的综合算子。
4.2 免疫算法的流程
免疫算法流程如图2所示,具体求解步骤如下:
1)识别抗原。分析问题并建立模型,选择合适的目标函数、约束条件。
2)产生初始抗体群。随机产生N个个体,并从记忆库中提取m个个体,构成初始抗体群。
3)计算抗体适应度。以个体期望繁殖率P为标准,对各抗体进行评价。
4)产生记忆细胞。以P为标准对抗体群降序排列,取前N个个体构成父代群体,取前m个个体存入记忆库。
5)判断是否满足终止条件。是则结束,输出结果;反之继续下一步操作。
6)产生新抗体群。对抗体群进行选择、交叉、变异操作,再从记忆库中取出记忆的个体,构成新一代抗体群。
7)转去执行步骤3。
5 实例分析
某省级电网公司的仓储网络系统分散,其5个地级市营业区域共包括45个县(区、市)级仓库网点,各自为政、信息不畅,不利于物资的统一调配和集约化管理。现以电网公司“中心库信息集成,区域库集中储备,周转库分级配送”的三级仓储配送体系为依托,对该省电力物资仓库布局情况进行优化。原仓库布局网点如图3所示,各仓库经过规范化处理后的需求量数值见表1。
在MATLAB中利用免疫优化算法进行求解。首先,以最大配送距离L=300km为约束,得到3个区域库的分布情况如图4所示,免疫算法收敛曲线见图5。
考虑到各地级市物资仓库的统一管理,以实现区域库覆盖某地级市全部需求点为最优准则,对图4中的区域库覆盖范围进行略微调整,如图6所示。
图6表明,对地级市1(区域1)和地级市5(区域2)分别设立1个区域库,地级市2、3、4(区域3)的原仓库网点布局比较紧凑,因而只设立1个区域库。3个区域库负责其覆盖范围内需求物资的集中储备,并向区域内周转库进行配送。
考虑到电网物资的配送响应性要求,分别对3个区域再次进行周转库布局选址优化。取最大配送距离L=100 km,利用免疫优化算法进行二次求解。由于地级市5(区域2)以现有的区域库对各需求点进行配送已经能够满足100 km的距离约束,因而不再设置周转库。区域1和区域3的周转库分布情况及配送路径规划分别如图7、图8所示。
将模型求解结果中的区域库、周转库分布情况进行汇总,得到该省级电网公司的仓库布局优化方案如图9所示,相应的配送路径如图10所示。其中,区域1、区域3中的粗线代表区域库至周转库的一级配送,细线代表周转库至需求点的二级配送,区域2中的区域库即为周转库,无二级物资配送模式。
此外,在实际操作过程中,还应考虑一些现实因素,包括地理位置、交通状况、市政规划、库容库量、应急条件等,结合实际需求对理论结果进行适当调整,最终确定优选方案。
6 结束语
本文依据电网物资集约化管理的要求,针对省级电网公司仓储网点分散的现状,对运维物资仓库布局优化策略进行研究。文章以总成本最小为目标函数,引入最大配送距离约束,构建省级电网运维物资的仓库布局优化模型,利用免疫优化算法进行求解,得到区域库、周转库的最优选址结果及相应的配送路径,对实际运作中的仓库选址问题、配送优化问题,具有一定的理论指导意义。
本文主要研究一级、二级仓库选址问题,配送路径是选址确定后的附带产物,对实际配送的一些影响因素并未在模型中加以考虑。然而,随着物资集约化管理的不断完善,仓库数量将会继续减少,快速响应的配送服务将成为仓储网络高效运作的支撑。因而,有待于对电网物资集约化管理下的配送路径优化问题进一步深入研究。
参考文献
[1]郑宝森.国家电网公司物资集约化管理[M].北京:中国电力出版社,2012.
[2]王慎言.电力企业物资供应管理[J].云南电力技术,2007,01:53.
[3]朱聪.电力物资供应项目管理初探[J].云南电力技术,2005,01:55-56.
[4]陈武.电力企业数字化物资管理[J].云南电力技术,2009,06:67-68.
[5]李正忠,刘佳宾,李涛.电力物资仓储管理现状与优化策略[J].中国储运,2011,12:101-102.
[6]李婷,胡庆东,张国英,等.电力物资仓库布局选址问题研究[J].物流科技,2011,07:62-65.
[7]欧安杰,谢晓文.省级电网企业物流网络布局优化方法及建设探讨[J].中国电业(技术版),2013,04:57-60.
[8]刘春辉,刘鹏,王改丽,等.基于CFLP模型的电网企业物资仓储网络布局优化[J].经济研究导刊,2014,31:20-21.
[9]刘春辉,刘鹏,赵艳丽,等.基于集合覆盖的电力物资周转库布局优化研究[J].现代商贸工业,2015,03:59-61.
[10]段雪松.张家口供电公司仓储配送网络规划优化研究[D].华北电力大学,2014.
[11]芦迁琨.冀北电力公司仓储配送管理优化研究[D].华北电力大学,2014.
布点算法 篇2
轨迹驱动切负荷(TDLS)是在检测到低频或低压现象后启动的分散式反馈控制措施,包括低频切负荷(UFLS)和低压切负荷(UVLS),属于停电防御框架中第三道防线(校正控制)的范畴。它可以降低第一道防线(预防控制)与第二道防线(紧急控制)的拒动风险,也是应对小概率严重事件的关键措施[1,2,3]。
国内外对UFLS/UVLS都有大量研究[4,5,6,7],但鲜有讨论切负荷(LS)布点优化的论文。文献[4]基于贡献度和风险概念,提出了UFLS/UVLS布点及轮次的协调优化算法,该算法将UFLS/UVLS协调优化问题解耦为布点优化、首轮LS初值优化、后续轮LS优化和UFLS/UVLS协调,并提出按控制母线对所有不安全故障的综合贡献度动态排序优化布点。但其实用性受到计算量的限制。特别是由于不确定性因素的种类及其联合分布复杂性的增加,仿真的场景数急剧增加[8]。为此,迫切需要合理地简化算法,在尽可能少地牺牲计算精度的条件下,最大限度地减少计算量。减少反映不确定性的场景数,可降低计算量,但会降低布点结果的强壮性;简化算法的迭代过程,也可减少计算量,但会影响优化效果。
本文对文献[4]方法的改进包括:提出评估简化效果的方式,研究负荷模型对TDLS布点的影响及采用简化负荷模型的可行性,从贡献度的计算和协调优化的流程这两方面简化TDLS布点算法,通过仿真算例验证其可行性,并分析了不确定性因素种类及其复杂性对计算量与计算精度的影响。
1 TDLS布点优化算法的简化思路和评估
文献[4]提出的TDLS布点协调优化算法需要多次迭代,而在每次迭代中需通过摄动法更新各候选母线的灵敏度。这对于有成百上千个候选母线的实际系统来说计算量太大。本文基于工程实际应用对计算精度和计算速度的要求,讨论TDLS布点中采用简化负荷模型的可行性,并从简化母线控制灵敏度的求取和简化协调优化的流程出发,简化TDLS布点的优化算法。
若仅考虑静态负荷模型,则计算量可减少,但必须掌握忽略动态负荷模型所增加的控制风险。本文用调用稳定性量化软件FASTEST[9]的次数来反映计算量,而按使系统安全的最小控制代价与故障场景概率的乘积来反映控制风险[10]。同时,采用文献[4]的详细算法及负荷模型的控制风险及布点计算量为基准来标幺化各简化算法的风险和计算量。简化算法以控制风险的增加来换取计算量的降低,而两者之间的权值反映了不同的偏好程度,在工程应用中可按实际计算能力的限制来选择精度最优者。
2 贡献度的概念
2.1 贡献度的定义[4]
对造成频率或电压不安全的单个故障d,定义TDLS母线k对改进各违约母线i安全性的贡献度之和为:
式中:Dk.i为TDLS母线k对违约母线i安全性的贡献度;Δηi/ΔPc.k为TDLS母线k对违约母线i的控制灵敏度;Pc.k为可中断负荷量;Cc.k为可中断负荷停电代价;Cu.i为不可中断负荷违约损失。
这里的控制灵敏度仅反映物理规律,而贡献度则同时考虑了物理规律及停电代价,反映了母线k通过TDLS的主动停电而可以减少的违约损失。
在不确定性因素u的联合概率λu及故障概率λd下,TDLS母线k对整个故障集的综合贡献度为:
2.2 Δηi的限定
为防止TDLS母线k对某一违约母线i灵敏度太大或出现负效应[11]而导致综合贡献度Dk的排序中发生“淹没”现象,对 Δηi有如下限定:
式中:ηi0和ηip为摄动前后的裕度。
为了克服“淹没”现象,将TDLS母线k对违约母线i的贡献度限制在区间[- Pc.kCu.i/(ΔPc.kCc.k),(Pc.kCu.i/ΔPc.kCc.k)]内。
3 负荷模型对TDLS布点的影响
3.1 动态负荷对暂态电压和暂态频率安全性的影响
动态负荷包括时间常数较小的感应电动机及时间常数较大的有载调压变压器与恒温负荷[12,13]。其中,感应电动机是引起暂态电压失稳的重要因素[14,15]。一般来说,动态负荷比例越大,暂态电压稳定性和暂态电压跌落可接受性就越差。一方面由于恒阻抗和恒电流负荷吸收的有功功率下降,一定程度上抑制了频率跌落;另一方面,动态负荷恢复的有功功率趋于增加而可能导致更严重的频率跌落。因此,动态负荷的占比对故障后暂态频率安全性的影响可能为非单调关系[16,17]。
3.2 计及动态负荷的电压贡献度
暂态电压安全性包括暂态电压跌落可接受性和暂态电压稳定性两方面,分别反映静态负荷及动态负荷的电压安全性。因此,在计算TDLS母线k对违约母线i电压的贡献度时取:
式中:权值αi取为静态负荷在违约母线i中的占比;ηi.vd和ηi.vs分别为违约母线的暂态电压跌落裕度和暂态电压稳定裕度[18]。
3.3 动态负荷对TDLS布点的影响
3.3.1 优化效果及计算量的权衡
动态负荷模型通过影响越限母线的违约程度及TDLS母线的控制效果,来改变各候选(控制)母线的综合贡献度排序。故在TDLS布点中选用负荷模型时,需要权衡具体项目对模型及计算量的要求。
对计算量可直接评估,而对优化效果则可以将TDLS布点结果放在不同场景(包括实际模型、工况、故障等因素)下仿真评估。控制总风险越小,则效果越强壮。
3.3.2 布点结果的强壮性评估
某特定的布点方案在校核工况m(或所有校核工况)下的控制风险Rm(或控制总风险R)为:
式中:Cm.u.d为校核工况m中,故障d在不确定性因素组合u下所需的控制代价,包括可中断负荷停电代价和不可中断负荷违约损失两方面。
3.3.3 动态负荷模型的选用流程
步骤1:在各种负荷模型下,得到相应的UVLS和UFLS布点结果。
步骤2:选择若干个动态负荷的比例,以反映实际负荷特性的不确定性。将其逐个作为校核工况,对每个故障求取控制代价Cm.u.d,并按式(5)和式(6)计算控制风险。
步骤3:以风险最小的方案做基准,标幺化其他方案的风险值(或计算量)。
步骤4:将只采用静态负荷模型的优化结果的控制风险与基准值比较,并按工程概念能否接受该差异来判定是否需要计及动态负荷模型。下文将通过仿真算例进一步加以讨论。
4 TDLS灵敏度更新方式的简化
TDLS布点优化算法的简化包括UFLS(或UVLS)单独布点优化的简化,以及两者协调优化的简化。 有关这两方面的内容分别在本节及下节讨论。
4.1 UFLS与UVLS对灵敏度更新的要求不同
TDLS母线对单一违约母线的贡献度与控制灵敏度成正比,而其综合贡献度则与所有违约母线的控制灵敏度呈线性关系。控制灵敏度与电网结构及工况、TDLS母线及违约母线的位置、切负荷的时机及控制量等因素密切相关。
暂态电压跌落的时空分布受功角振荡及系统无功等因素的影响[19]。一般来说,与振荡中心的电气距离较近及本地无功支撑不够的那些母线的暂态电压跌落较严重,这导致UVLS动作的时空分布较明显[20],而同一UVLS母线对不同的违约母线电压跌落的控制效果差别也很大。一条母线在其被确认为UVLS母线的前、后,对其他候选母线的控制灵敏度变化的影响很大,导致各候选母线在两次相邻的迭代中的贡献度排序变化较大。因此,UVLS的布点优化必须在每次迭代中更新各候选母线的灵敏度。
暂态频率跌落的时空分布特性则与系统频率的跌落趋势较为一致[21],各违约母线的违约程度相差不大。大量仿真表明,各UFLS首轮动作时机接近,且对频率跌落的各违约母线的控制灵敏度相差不大。在迭代过程中,候选母线的控制灵敏度在两次迭代中虽有所变化,但其排序的变化不大。故在UFLS布点优化中可采用固定的灵敏度来更新各候选母线的贡献度,以减少计算量。
4.2 降低母线灵敏度更新的频度
UFLS的布点优化过程中,虽然各母线的控制灵敏度也随迭代而变,但其排序变化不大。为了研究UFLS母线灵敏度更新频度对优化效果的影响,比较以下4种方式下的计算量与控制风险。方式一(或方式二,或方式三):仅在首次(或前两次,或前三次)迭代中更新各UFLS母线的控制灵敏度。方式四:完整的迭代更新灵敏度[4],即每次迭代都更新各UFLS母线的控制灵敏度。
LS从电网中直接切除部分负荷而有助于电压及频率的恢复,但还存在着不利于电压及频率恢复的因素,即由于留网负荷的负荷特性,其吸收的功率可能随着电压及频率的恢复而趋于增加,从而抵消LS的正面影响。若反面影响大于正面影响,则产生LS负效应现象[11]。
首次更新灵敏度时,由于LS的量很小,容易遇到负效应现象。后续迭代中,由于LS已经有相当的量,不易观察到负效应现象。因此,方式一虽然减少的计算量最多,但其灵敏度值可能受负效应的影响而影响优化过程。方式二基本可以避免负效应的影响,且其计算结果已非常接近方式三,故推荐采用方式二。
5 协调优化流程的简化
5.1 数学模型
TDLS协调优化的目标为总风险R最小,R由两部分组成,分别对应于UFLS及UVLS。若故障集中的全部故障只存在低频不安全,或只存在低压不安全,则不需要协调环节。否则,应考虑UFLS/UVLS的互相影响而协调优化UFLS和UVLS的布点。
式中:CUFLSd.l(或CUVLSd.l)为故障d下第l个TDLS母线的UFLS(或UVLS)代价,它是LS数量Pd.l和停电赔偿价γl的函数;u为不确定因素;g(x)=0为系统运行的等式约束;h(x)≥0为不等式约束,可包含其他约束条件,如某些电网结构固有的限制条件等;Pl.max为TDLS母线l的最大可中断容量;ηd代表各种安全稳定裕度。
5.2 协调优化的流程
协调优化布点采用 “解耦优化—迭代协调”框架,见图1(a)。UVLS的动作时间一般早于UFLS,而其控制空间则有很强的局部性。 故首先优化UVLS布点子问题,再优化UFLS布点子问题,并反复迭代直至总风险收敛。其中,将上一个子问题的优化结果,纳入下一个优化子问题的仿真场景中。
图1(b)以UFLS布点优化子问题为例,描述了其内部流程。根据贡献度信息和总风险,优化子问题的布点。具体过程为:从上一个子问题贡献度最差的母线开始,逐个去除上一个子问题的布点,求取所有候选母线集合M的频率贡献度并排序,依次增加布点,直至系统在所有故障下均保持频率安全及电压安全,并反复迭代直到总风险R收敛。
5.3 协调优化布点迭代过程的简化
5.3.1 两个优化子问题交互过程的简化
为了研究迭代过程对计算量与控制风险的影响,比较以下3种方案:方案一,仅先后优化UVLS和UFLS各一次,即无迭代的方案;方案二,在方案一的基础上,不再进行子问题内部的反复优化,而是根据对电压/频率的贡献度对TDLS布点试探替代;方案三,即文献[4]中的完整迭代方案。
5.3.2 寻优中的替代处理
在先后优化UVLS和UFLS各一次后,得到UVLS和UFLS的初始解。此后,方案二不再像文献[4]那样完整地迭代,而是进入替代寻优。不失一般性,以刚结束的UVLS子问题的结果为场景,优化UFLS子问题为例,说明替代处理的寻优过程。
步骤1:对上一轮UFLS选出的频率控制母线集合W ,按对电压控制的贡献度从低到高排序,将候选的UFLS母线M中电压贡献度最高者M1作为试探的替代者。
步骤2:取M1替代电压贡献度最低的UFLS已选母线。若总风险(同时计及电压安全及频率安全)没有降低,则再试探替代下一个已选母线,若都不成功,则替代过程结束;若总风险降低则确认该项替代,并在更新已选母线的队列及候选母线中新的电压贡献度最高者为M1后,重复步骤2,直至这样的替代不再能降低总风险为止。
由于候选母线队列中只有电压贡献度最高者会用作试探,并且在第一次替代成功以后就进入了已选母线的集合,故不必再试探替代其他的已选母线,与文献[4]相比可大大减少每轮试探次数和循环次数。
5.3.3 替代的流程
图2以UFLS布点子问题优化为例,描述了其内部流程:以上一个子问题的UVLS布点结果作为场景,根据UFLS母线对电压的贡献度信息,按5.3.2节方法对上一个子问题的UFLS布点结果进行替代优化,直至总风险R不能降低为止。
5.4 关于替代优化的讨论
对于电压及频率均存在不安全的故障集,TDLS布点需要计及UFLS及UVLS的交互影响。协调优化布点完整迭代方案[4]通过子问题之间和子问题内部的反复迭代来处理;本文的简化的协调方案则对TDLS布点进行替代优化,以其总风险来反映母线对电压及频率跌落的综合改善效果。大量仿真表明,本简化的协调方案的原则是保证与完整迭代方案相比,其风险误差在精度要求范围内以大幅降低计算量。
6 仿真算例
6.1 计及动态负荷的TDLS布点优化
6.1.1 计算场景
1)仿真系统
取山东省网为例,用稳定性量化分析软件FASTEST进行时域仿真,并按照暂态电压和频率安全二元约束表计算电压及频率安全裕度,监视所有500kV和220kV母线,暂态电压及频率安全二元约束表分别为(0.75(标幺值),1.0s)和(49.0Hz,10s)[22]。
考虑工况的不确定性。工况L1为冬大方式下的极限负荷水平,97机462节点,其中负荷节点数177;工况L2是冬大方式下的期望负荷水平,89机462节点,其中负荷节点数177。其发电出力、负荷及概率见附录A表A1。动态负荷采用感应电动机的三阶机电暂态模型。静态负荷ZIP模型中,恒阻抗、恒电流及恒功率负荷的比例为0.35∶0∶0.65。有功和无功的频率调节系数KLP和KLQ分别为1.8和-2.0。
2)故障集
对上述两个工况下所有的短路故障及单厂全停故障穷尽式仿真,将存在电压或频率不安全现象的5个故障纳入故障集,见附录A表A2。在缺乏实际系统统计值的情况下,各故障的概率可按一般采用值设置。
3)LS的代价
取可中断负荷[23]的容量为系统实际配置UFLS的41.64%,停电代价为1万元/(MW·h);不可中断负荷占母线负荷的30%,负荷违约停电代价[24]为5万元/(MW·h)。停电时间统一为1h。
6.1.2 布点寻优结果的比较
在观察动态负荷对UVLS布点优化的影响时,动态负荷占比分别取为0%,5%,10%和15%。在观察动态负荷对UFLS布点优化的影响时,则有意增加了动态负荷的占比,分别取为0%,30% 和50%。
两者优化的结果及其寻优的详细过程见附录B。对两者优化结果的强壮性校核分别见表1及表2,其详细的校核过程见附录C。其中的计算量用稳定分析的次数来反映(下同)。不难看出,动态负荷的占比对UVLS布点优化的影响较大,而对UFLS布点优化的影响则几乎可以忽略。
针对多个系统测算,负荷模型中计及动态负荷,其数值积分的计算量一般是只考虑静态负荷的1.5~2.0倍,故表1 及表2 中,动态负荷占比不为零值时的计算量与其占比为零值时的计算量之比,应该是相应B值之比的1.5倍。
6.1.3 优化结果的分析
取文献[4]的全局优化布点方法对应的风险值及计算量做基准。对UVLS布点,不计动态负荷时,其风险值和计算量分别为基准值的1.25 倍和71%。其风险明显增加,不能满足工程要求,故必须考虑动态负荷。对UFLS布点,不计动态负荷时,其风险值非常接近基准值,而计算量只有基准值的66%。故对只出现暂态频率不安全的UFLS布点优化时,可只采用静态负荷模型。
6.2 频率贡献度的简化求取
6.2.1 计算场景
仿真系统、工况、安全约束二元表和停电代价设与6.1 节相同,本节研究UFLS灵敏度更新的简化,故附录A表A2中5个故障中只有F4和F5与之相关。
6.2.2 频率贡献度简化处理的影响
在求取综合贡献度并优化UFLS布点时,分别采用4种方式,即每次迭代都更新TDLS母线的控制灵敏度,仅前3次迭代更新灵敏度,仅前2次迭代更新灵敏度,仅首次迭代更新灵敏度的方式。其优化结果的风险和稳定分析次数如表3所示。
在首次迭代时,某些TDLS母线可能对频率的贡献度较低,甚至为负(即控制负效应)。因此,仅首次迭代更新灵敏度的方式,忽视了这些母线在后续迭代中的贡献度增加的可能。因此,其控制风险代价增加较多。而第二次迭代及以后,UFLS控制的负效应一般不再会出现,故仅前2次迭代更新灵敏度的方式的风险代价就非常接近最小值,其计算精度非常接近文献[4]的每次迭代都更新的结果。类似地,若进一步考虑了ZIP比例及KLP的不确定性(详见附录A表A3及A4,附录D表D1及D2),可以得到相同的结论。
随着不确定性的增加,布点优化的计算量急剧增加,仅前2次迭代更新灵敏度方式所需的计算量就显得格外重要。
6.2.3 优化结果的分析
图3以稳定分析(积分)次数反映计算量,并取为横坐标,而取控制风险为纵坐标,比较了UFLS布点的各方式的综合效果。不难看出,仅更新前2至3次,控制风险就很接近每次迭代都更新的结果。图3(a)用有名值反映了不同方式在各不确定性因素下的优化结果;图3(b)至(d)则以每次迭代都更新方式的结果为基准。
由图3可见,灵敏度更新次数的增加有可能改进简化算法的优化效果,但计算量也随之加大。从代表某简化方式的点出发,连接到代表未简化方式的点的直线越接近水平线,则简化的综合效果越好。不难看出,在不同的不确定因素下,仅在前两次迭代中更新灵敏度的方式都有最好的简化效果。
同样,可以观察到:图3(c)及(d)比图3(b)考虑的不确定性因素增加,而简化的综合效果随之提高。说明要考虑的场景数越多,简化越有效。
6.3 UFLS与UVLS协调布点的简化
6.3.1 计算场景
为了使电压及频率都可能不安全,取山东省网冬大方式下的另一种工况L,81机462节点,负荷数177,详见附录A表A5。设定的安全约束二元表及停电代价同6.1节。故障集中包括电压和频率均不安全者,见附录A表A6。在6.2节基础上增加考虑ZIP比例的不确定性,见附录A表A7。
6.3.2 不同协调方案的效果
表4比较了不同的协调优化方案,包括:① 在UFLS布点及UVLS布点这两个优化子问题的外部迭代至收敛的方案,作为比较的基准;②只在两个优化子问题的外部单次迭代的方案;③本文第5节建议的简化的协调方案,即在子问题优化初解的基础上通过替代来考虑TDLS母线对两个子问题的综合改善效果。从表中可见:该简化方案对应的控制风险较单次迭代方案低,很接近完整迭代方案,而计算量则较完整迭代方案大幅降低。
为了观察负荷ZIP比例不确定的影响,分别取其离散分布为2 档及3 档,布点结果的比较见附录E表E1及表E2。在同时考虑ZIP比例和KLP的不确定性时,离散分布均取为3档,布点结果的比较见附录E表E3。不难看出,在多种不确定性的场景下的结论与单一场景下相似。
6.3.3 优化结果的分析
图4(a)用有名值反映了不同方案在各不确定性场景下的优化结果;图4(b)—图4(e)则以完整的迭代方案的结果为基准。
不难看出,完整的迭代方案的总风险最小,而计算量最大;外部单次迭代方案的计算量大幅减少,但总风险最大;在子问题优化初解的基础上通过替代来简化的协调方案只比单次迭代方案少许增加计算量,却大幅提高了计算精度,简化效果良好。
随着不确定性场景的增加,各方式的计算量均显著增加。其中完整的迭代方案的计算量增加最快,而简化的协调方案的标幺计算量反而下降。从代表该简化方案的点出发,连接到代表基准方案的点的直线最接近水平线,简化的综合效果很好。
7 结语
本文综合考虑了负荷模型对布点优化的计算量和精度的影响,在满足工程应用精度的前提下尽可能地简化算法。研究表明在满足工程需要的精度的前提下:①UFLS布点可以不考虑动态负荷;②在求取UFLS候选布点的灵敏度时,采用仅在前两次迭代中更新灵敏度方式来更新贡献度,可减少超过一半的计算量;③在协调优化布点中,采用替代优化可以减少迭代次数,计算量下降大约50%。但在不确定性因素及其联合分布复杂性进一步增加时,如何协调计算量和布点结果的强壮性仍需不断改进。
广东建陶企业进入湖南布点 篇3
随着东部沿海尤其是广东佛山建筑陶瓷企业向中西部产业转移战略的逐步推进,我国的建筑陶瓷产业格局正在发生新的变化,传统建筑陶瓷产业的基地板块目前正在进行重新组合。截至2007年12月,除了新中源集团投资湖南衡阳的项目投产开业、在江西高安的建筑陶瓷项目紧锣密鼓地建设外,来自广东地区的东鹏、新明珠、欧神诺、金意陶、欧文莱、乐华、马克波罗等知名建筑陶瓷企业也先后在江西高安投资兴建大型建筑陶瓷基地。随着这些东部沿海地区建陶企业在中部项目的建设和竣工投产,江西、湖南、湖北等中部省区将会成为我国建筑陶瓷产业的新接续地。
新中源集团目前已在全国布局9个大型生产基地,其中有广东顺德、四川夹江、湖南衡阳、辽宁法库、江西高安和湖北当阳等。随着湖南衡阳衡利丰陶瓷有限公司的开业,衡阳已成为粤陶向中部转移大潮中的“报春花”。
浅谈大气监测布点的优化 篇4
关键词：大气监测,检测布点,大气质量评价
环境污染可以分为水污染、大气污染和声污染。本文将要探讨的就是大气污染。大气污染具有全球性, 空气是不断的流动的。因此一个地区或者国家受到了污染, 那么其它地区或者国家也将会受到污染。因此对大气监测与治理方面的工作非常重要。那么在开展大气监测工作中, 将如何进行布点呢?本文将会介绍这方面的内容。
1研究大气监测布点优化的意义
1.1有利于更好的开展大气监测工作。为什么要研究大气监测布点优化的相关内容?研究这方面的内容有什么意义?其实研究大气监测布点优化相关的内容主要有以下几方面的含义:首先, 研究大气监测布点优化[1], 可以更好的开展大气监测工作。布点是大气监测过程中一个必要的途径。通过布点, 对不同地方的大气环境进行相关数据的纪录, 然后在整合总体的数据, 可以得到某一区域的大气情况。所以布点工作对大气监测的影响是非常大的。因此, 研究大气监测布点优化相关的内容, 可以更好的开展大气监测这项工作。1.2提高数据的有效性。在大气环境监测的过程中, 布点的不同将会直接的影响到最终的数据与结果。因此布点的方式和方法在大气环境监测的过程中是非常重要的。如果不能采用合适的布点方式, 那么该区域的大气监测数据将会失去意义。因此, 选择合适的布点对大气监测工作是非常重要的。所以研究大气监测布点优化方面的内容, 有助于提高大气监测数据的有效性和准确性。1.3有利于促进我国环保事业的发展。我国环保事业是有许多方面组成的, 大气污染的治理便是其中非常重要的一项。研究大气监测布点优化方面的内容[2], 可以从整体上提高大气监测的技术含量, 从而为更好的治理大气污染提供有效的数据保障与理论依据, 进一步的加强我国环保事业的发展, 为我国的环保事业尽一份力量。
2研究大气监测的基础资料分析
2.1污染源特征。在研究大气监测的过程中, 是需要许多的准备工作的。想要对一个地区进行大气监测, 首先需要做的事情就是了解这一区域的污染源特征。污染源根据不同的分类标准可以分成不同的种类。根据污染源流出口的形状来分, 污染源可以分为点污染源、线污染源和面污染源;根据污染时间来分, 可以分成持续源、间歇源和瞬时源;根据污染形式来分可以分为以此污染源与二次污染源。污染源的分类还有许多中, 主要的分类就分为以上几种。每一种污染源的特性是有所不同的。因此在对某一区域实行布点法进行大气监测的时候, 首先就要了解这一区域的污染源特征。污染源的特征不同, 所采用的布点方法也是有所差别的。2.2气象资料。对检测地区的气象资料进行一定的了解, 也是采用布点法进行某一区域大气监测的必要准备之一。那么所谓的气象资料包含哪些方面的内容呢?它主要包括风向、风速、温度、湿度、降水量、日照时间以及温度梯度及逆温层底部高度的资料。风向是指风吹来的方向, 研究风向是为了找出布点的方位, 一般进行大气监测的过程中, 布点的位置为下风向;风速是指单位时间内, 风水平移动的距离。研究风速是为了确定布点数量的多少与布点的方式。风速与布点数量是成正比的;湿度温度等其它气象要素也是确定布点相关内容的有效依据。2.3地形与其它资料。除了需要了解相关的污染源特征资料与相关的气象资料, 在进行大气监测之前, 还需要了解相关区域的地形资料和健康情况与人口及动、植物资料。不同的地形布点的方式也是有所差别的[3]。同时, 健康情况与人口及动、植物资料也影响这布点方式的选取。因此对这些资料进行必要的掌握与分析时非常重要的一项工作。
3布点的几种方式介绍
3.1扇形布点法。布点主要有三种方法, 不同的布点方法所适应的情况不同。第一种就是扇形布点法。扇形布点法是以污染源为中心, 以一定的角度与弧长做扇形进行布点。扇形布点法主要是是为了弄清某一方位的污染影或验证大气扩散模式。污染影是指处在污染区域的地方或者范围的大小;而大气扩散模式是指研究污染物在大气中一种迁移、扩散的方式。扇形布点法需要注意的事项是一定要以污染源为研究的中心, 而布点的区域应该是污染源的下风向。如果在布点的过程中将布点的范围设置在污染源的上风向, 那么此次检测的数据无效或者不具有代表性。3.2放射式布点法。放射式布点法是为了弄清被污染地区的各个风向方位、每个污染风向方位机率相似的情况下采用的一种布点方式。在采用放射式布点法进行大气监测的时候, 要以污染源为中心, 做若干个同心圆进行研究。在研究的过程中, 要在不同的同心圆内设置相同的点或者呈一定的递减规律进行研究。3.3网格布点法。网格布点法就是将监测的区域划分成一张大网, 然后进行平均分配, 将每个网格设置一个点。网格布点法监测的目的是为了弄清校多而分散均匀的污染源, 且污染物空间分布比较均匀。这个时候采用网格布点法是最合适的。需要注意的是, 网格布点法应该设置在污染源的下风向。
4优化布点的具体操作介绍
4.1准确设置监测点的高度。想要进行大气监测过程中布点法的优化处理, 可以注意的事项有许多中, 在众多的事项中, 比较突出的事项之一就是要准确的设置监测点的高度。在进行布点的过程中, 监测点的高度对大气监测的结果是有很大的影响的, 因此, 设置监测点的高度是一项非常重要的工作。在设置监测点高度的过程中, 主要有以下几种参考物:第一是污染源, 监测的高度与污染源的距离是一个有效的参数。根据相关的气象资料等内容, 可以推测出监测点距离污染源的距离;第二是研究对象。研究对象的不同, 监测点的高度也是不同的。在研究污染对人类的影响、对动物的影响、对植物的影响过程中, 所需要设置的监测点高度是有所不同的。相关的实验人员应该注意这方面的内容。从而更好的开展布点法大气监测工作。4.2避开污染源。优化大气监测布点法的过程中, 还可以采取的有效措施之一就是要注意避开污染源。一些初级的研究学者在进行大气监测布点的过程中, 并不是很注意这方面的内容, 有的学者甚至将布点的位置选在与污染源最近的地方。这样的做法是错误的。污染源附近的大气监测所得出的数据不具有代表性。因为污染物在大气中是进行不断的扩散的。因此想要准确的研究大气质量, 在开展大气监测工作的过程中, 布点所选取的位置应该远离污染源。具体应该距离污染源的距离可以根据当时的实际情况来断定。4.3避开障碍物。在布点的过程中, 想要数据更加的准确, 更加的具有代表性, 还可以采取的措施就是在进行布点方位选取的时候, 要尽量的避开障碍物。一些工作者在进行布点的过程中, 所选取的布点区域内有较明显的障碍物。这就使得布点法获得的大气相关的参数不具有准确性。想要更好的应用布点法进行大气监测, 就要在选取布点区域的时候, 尽量的避开明显的障碍物。
结束语
以上内容就是本文对大气监测布点优化相关内容的介绍, 通过本文的介绍, 想必大家对这方面的知识有了一定的了解。大气监测是治理大气污染中一个非常重要的手段。因此对大气监测的重视程度应该是非常高的希望相关的技术人员能够注重大气监测工作的开展, 为我国的大气污染治理提供有效的理论依据。
参考文献
[1]王鹏.分析测试质量控制[M].北京:化学工业出版社, 2013.
[2]范江.干早环境监测[M].北京:地质出版社, 2014.
城市空气质量监测优化布点研究 篇5
监测布点是空气质量监测工作中的重要组成部分，原则上，监测布点数量越多、密度越大，所反映出来的信息就越可靠，但与此同时所耗费的人力、物力、时间和经费也就越多，因而如何优化监测布点，通过有限的监测布点获得更为科学可靠的空气质量信息成为城市空气质量监测工作中亟需解决的问题。
1 城市空气质量监测优化点布点原则
由于不同地区的空气质量监测任务和监测目的不同监测条件也有所差异，因而其监测点位的布设方法也各不相同，城市空气质量监测的点位的布设一般应遵循以下原则:1)监测点位要具有较强的代表性。所设置的监测点位应能反映出监测区域大气环境特点、空气污染水平及其变化规律等等;2)监测条件一致。所选取的监测点位的条件应尽量保持一致，以保证各个点位之间所获得的监测信息具有较强的可比性;3)点位分布均匀。为了使监测区域的空气污染水平及其变化规律得以较为客观的反映出来，应在符合实际情况和监测需要的条件下尽量使监测点位分布均匀一些，同时，监测点位的选取还应充分考虑一座城市的主要功能区域和空气污染源的分布;4)布点的设计往往是一项长期的工程，一旦确定布点，往往是长期的，一般很难随实际情况的变化而随意变动，但随着城市规模的逐渐扩大，城市功能分区及污染源情况不可能一成不变，城市未来空气质量及其分布规律也极有可能发生一定的变化，因此要对城市规划有详细的调查，这样可以保证监测点兼顾城市的未来发展需要。
2 城市空气质量监测优化布点步骤
城市空气质量监测优化布点应遵循实际考察并设计方案，设置点位，点位检验三个步骤进行，具体方法及相应的注意事项如下：
2.1 求全市区均值
首先，在进行空气质量监测点位布设前要先对检测区域概况进行考察，包括对城市地形、人口密度、功能区分布、城市规划等问题进行深入了解，对上述因素的调查应尽可能详尽，从而确保后续监测方案的设计及点位的布设更为科学合理。在此阶段应对城市的主要污染区进行详细调查，对主要污染区域进行模块划分，为后续监测方案设计和点位布设提供依据，保证布点密度、个数的设计合理，同时详细的地域调查可以对特征区域进行标注，保证了布点设计位置具有代表性。同时对于主功能区以及污染区的划分可以保证监测布点的针对性。
其次，应通过网格实测及其他手段法计算出全市区均值。利用落地浓度计算法对主要污染物趋势进行分析，进而找出轻污染、中等污染、重污染区域，并画出污染物地理分布图。并依据上述分析的来的信息制定几套较为可行的备选方案，再通过方便程度、安全性、位置高度、仰角、离主干道距离、无局地污源等因素对备选方案进行对比分析，选择最优点位。
2.2 点位设置
由于设置空气质量检测点位需要一定的条件，只有充分考虑到可能影响监测数据的各种因素，才能确保点位设置合理有效。一般来说城市空气质量监测点位设置应注意以下条件：监测点位周边建筑物在一定时间内不能有过大的变动，监测点位空气必须通畅，采样口和接收器之间要通畅无障碍物等等，应结合所选方案情况及上述条件对监测点位进行合理布置。
2.3 点位检验
为了确保所设点位合理可靠，在初步确定点位位置后还应进行点位检验，检验方法如下(以双污染因子的检验为例)：
以上两式中：
t———实际计算t值;
X1-X2———样本和均值;
n1、n2———样本和容量;
———样本1和样本2的方差;
———合并样本方差。
通过上述公式对监测点进行检验，若所选取的样本与总体样本无差别，则可采用检验样本作为监测点来监测整个城市的空气质量。
3 总结
综上所述，优化点位布设对于保障城市空气质量监测客观性、可靠性以及节约空气质量监测费用及人力、物力有着重要的意义。由于不同城市的地形、功能分区、污染源、人口、监测条件等均有着各自的特点，且各地空气质量监测目的和监测需要不同，因而应在进行监测点位布设前应先进行详细的实际考察，并结合考察结果和监测点位优化布设的一般原则制定可行的监测方案，再结合监测条件设置合理的监测点位，另外，进行点位检验也是确保监测信息科学可靠的重要措施。
参考文献
[1]陈艳萍.浅谈城市环境空气监测点位的优化调整[J].科技与企业.2012 (10) :181
[2]杨亚洋.环境空气监测数据分析及处理[J].中国新技术新产品.2011 (23) :203
[3]吴江洲.关于城市环境空气监测点位优化调整工作应注意事项的探讨[J].中小企业管理与科技.2011 (13) :111-112
城市交通噪声监测优化布点研究 篇6
关键词：噪声监测,优化布点,物元分析法
近年来, 市区噪声污染问题日益严重, 已经开始影响到人们正常的生活起居。尤其在一线城市, 防治噪声污染的呼声越来越高, 相关部门接受的关于造成污染的投诉也高举投诉榜首。噪声污染防治已经成为了百姓关注的焦点之一, 并开始影响到社会正常的运行秩序。经济飞速增长的同时, 人们对生活质量的要求越来越高, 近年来, 政府部门也逐步加强了对城市噪声整改建设工作。《城市区域环境噪声标准》的出台, 标志着我国城市环境噪声控制工作的系统化、标准化和制度化。整体来说, 我国城市环境噪声管理和控制工作初见成效, 城市环境得到有效改善。但是我国许多城市的环境噪声污染水平还是远远高于国家标准, 治理噪声污染时一项长期艰苦的工作, 需要相关部门和居民的一致努力和防范。
1 城市交通噪声监测现状
近年来, 在考察某些地区的噪声水平时广泛地使用了网格布点与定点监测结合的方法。该方法对于有效网格数量有严格的限制 (不得小于100个) , 监测频率控制在一年一次。该方法虽然得到广泛应用, 该方法也存在显著的缺点, 工作负担较重, 而且噪声污染的分布规律的寻找是一项复杂艰苦的工作。优化布点就是要寻找这样一个测点, 该测点可以代表某个区域噪声污染的平均水平, 并长期监测之。模糊物元法是建立在模糊理论的基础上的, 凭借其自身的诸多优点, 在各个领域得到应用, 但是在噪声监测方面, 研究相对较少。模糊物元法应用于城市交通噪声监测中, 是一个大胆的尝试, 可以大幅度降低工作负担, 并可以真实反映噪声质量状况的测点。
2 物元分析法在优化布点中的应用
传统的物元分析法在优化布点应用中存在明显的缺陷, 首先, 人为制定污染指标标准值, 这样操作的主观性和不合理性较大;另一方面该方法的准确性有待进一步提高, 因为是根据点聚图, 进而是人工观察监测点的分布聚集, 最后也是人工选取优选点。本文主要是希望通过模糊评价法, 能有效改进物元分析法, 尽可能地减少主观性, 增加准确性。
2.1 模糊物元的三个基本元素
模糊物元模型需要建立三个基本要素:事物M={M1, M2……Mm};特征C={C1, C2……Cn};M关于C的量值Y={Yi1, Yi2……Yin}或{Y1j, Y2j……Ymj} (i表示第i个事物, j表示第j个特征) 。
事物集合M={M1, M2……Mm}是由评价对象所组成的集合, 其中Cj (j=1, 2, ..., n) 是关于事物的若干因素, 对应的权重系数为wj (j=1, 2, …, n) , wj反映了各个因素在综合评价中所具有的重要程度, 通常应满足归一性和非负条件, 即所有的wj构成了M上的一个模糊权重向量w= (w1, w2, ……wn) 。
2.2 隶属矩阵的建立
对Mi (i=1, 2, m) 进行单因素评价, 确定事物对指标Cj (j=1, 2, …n。) 的隶属度 (可能性程度) , 从而得到单因素隶属矩阵Yij (Yi1, Yi2, ……, Yin) , 它是隶属集Y上的模糊子集。对M中所有的元素进行评价, 得到总的隶属矩阵
2.3 关联矩阵的建立
关联函数Rij与隶属函数Yij都是以Xij为中间元, 两者是等价的。由于隶属度反映的是事物的指标值接近指标最大点或远离指标最小点的程度, 其实也就反映了各点之间的关联度, 因此有关联度Rij=Yij.
2.4 权重矩阵的建立
为了避免人为主观因素的干扰, 在该模型权重系数的确定过程中, 拟选用Shannon熵, 的方法, 充分利用实测数据指标, 客观地确定出熵权。
2.5 综合关联矩阵的建立
根据关联度矩阵R和权重矩阵。得到各因素各指标之间的综合关联度为:
3 噪声控制方法
城市区域环境噪声控制可以从声源、传播途径等多个角度出发考虑, 还可以通过合理的城市规划等方法控制
交通噪声的源头控制主要是加强对车辆部件出厂前的控制, 主要控制气流噪声、机械噪声和电磁噪声;传播途径中的噪声控制主要是通过安装消音器或者隔声技术或吸声等方法对其传播途径进行控制。噪声污染控制需要相关部门的大力支持, 需要社会各界的共同努力。比如在城市总体规划中, 规划者要注意隔离工业区和居住区, 尤其是规划居住区的道路网时, 要从道路的功能和性质出发进行总体考虑, 要对交通性干道路分好类, 定好级。此外, 城市噪声与人口密度直接相关, 人口数量越大, 噪声污染也越大, 城市发展规划要注重并做好城市人口增长控制。总之, 要多管齐下, 寻求减轻造成污染的各种方法和途径, 要社会各界力量的共同参与。
参考文献
[1]翟国庆, 王国鑫, 张莉.优化选取区域环境长期噪声监测点[J].噪声与振动控制.2008 (03)
[2]谢永霞, 胡素霞, 叶晓彬.物元分析进行噪声监测优化布点[J].河南师范大学学报 (自然科学版) .2001 (01)