融合教学模式的优化

融合教学模式的优化（共8篇）

融合教学模式的优化 篇1

机械制图是利用图像确切的表示出该机械的结构、大小、以及工作原理和技术原理的学科。制图由图形、符号、注释、文字等组成。同样它是一门工科专业必修的一门基础学科。该学科主要是为了学生的阅读与绘制机械图样技能的课程。现今大部分用人单位在绘图所用的都是CAD。CAD作为专业的计算机绘图软件, 在绘图的质量和效率等方面也有其独到的优势, 因此被大多数的用人单位所运用。因此掌握这一项技能是工程技术人员必不可少的一门技能之一。所以现在的学校在教学过程中, 将机械制图与CAD软件两门课程有机的融合在一起。大大的提高了教学质量。

1 为什么将CAD融入机械教学中

大部分学工科的学生都深有体会, 工科的专业内容一般都是枯燥、无聊、抽象的, 因此学习的气氛不如其他专业的高, 容易产生一定的情绪。在传统的教学中机械制图跟Auto CAD是不相挂钩的两门学科。在不同的时间不同地点由不同专业老师授课的。因此一般先学机械制图, 在此基础上在学习CAD的运用。在学习机械制图的时候, 都是用手工绘图, 不仅效率低, 更重要的是因为手工制图枯燥无味, 有的学生无法想象出机械模型, 大大降低了学生的兴趣, 令他们产生了畏难情绪。所以传统的教学模式并不利于学生的发展与学校教师的授课。因此提出了将CAD绘图软件和机械绘图相结合的教学模式。利用CAD来完成机械绘图的教学模式, 两者相辅相成在相同的时间相同的地点由一名教师来完成教学。利用CAD的三维图像教学, 不仅能更直观的表达机械的结构、功能等, 更重要的是避免了手工绘图的繁琐、枯燥与高要求的绘图技能。所以必然会带来提高学生兴趣与学习效率的提高。而且在学习机械绘图的时候需要花费大量的时间来完成绘图技能, 在学习CAD之后就会造成之前学习的多余, 造成了学习上的重复工。将CAD融入机械教学, 不仅能取长补短更能使学生减少不必要的时间来建立设计性思维方式来学习制图, 能更好更快地掌握计算机绘图的技能与技巧。为日后出社会找到合适更好的工作奠定良好的基础。

2 怎样将CAD融入机械教学中

将CAD融入机械制图的教学中, 需要按照以机械制图为原理, 计算机制图软件为工具的指导思想, 对教学内容进行优化以及一定的筛选, 使得CAD制图软件与机械制图两门不同的课程在同一门课程中相辅相成, 相互促进、相互结合, 以每个学生的实际情况合理的安排学科的内容来提高学习的效率以及学习的效果。

在现代机械设计创新人才中的培养体系中, 实践不必不可少的一部分, 因此在每一堂课程的教学中, 教师应该教授原理之后由每一位学生自己动手来设计制出机械图, 课程的实验课一定要在机房上完成而且要保证每一位学生都有计算机可用。在针对CAD软件的使用熟悉功能上, 可以引用具体的工程或者机械问题, 利用软件进行分析, 同时也可以增加设计的环节, 课程的设计可以与其他课程相结合, 如机械原理、机械设计等一些科目。采取一些小组形势来培养团队合作能力, 使学生在实践当中激发对机械制图的兴趣, 以及对问题的分析解剖能力。

3 教学体系内容的优化

一般的将CAD融入机械教学首先需要完成机械制图的《组合体》一章的教学以后, 再开始CAD的教学, 在学习完了这一中间段的章节, 学生都已经掌握了基本的理论, 然后在一边进行理论的教学一边进行实践的操作。主要进行CAD绘图基础以及常用绘图和编辑命令、尺寸标注、组合体三视图的画法及实例、三维实体造型命令等内容, 掌握这些内容以后, 学生不但可以手工绘制组合体的三视图, 而且也能利用Auto CAD软件绘制而成。同时, 学生们还可以根据给出的三视图来练习绘制三维实体造型, 这样一来, 大大增强了学生们操作CAD的熟练度, 同时增强了学生对投影规律和特性的认识。

在国家对学生减压的政策下, 面对当前的课程内容基本不减课时却减少的条件下, 教师所需要运用的更大的力气来授课, 机械制图与CAD的内容要根据其内在联系进行优化筛选, 本着保证重点不丢失, 留其精华去其糟粕的思想, 针对一些不必要的内容将其晒除掉, 那么有哪些内容需要筛除掉的呢, 例如在科技高速发展的今天一些已经失去存在意义的内容或者一些背对现在理论的内容, 可以删去大部分的内容教学, 简要介绍即可, 如有学生想要了解的可以介绍几本该方面的书籍让其阅读。要本着留其精华去其糟粕的思想, 筛选有利于学生的能力培养的内容, 做到让学生出学校能学有所成, 学有所用。

其次要做到教学上的优化, 在学习组合体之后即学习CAD绘图基础、常用的绘图和编辑命令、图形显示控制、尺寸标注、组合体三视图的画法及实例、三维实体造型命令等, 这样学生不仅可以提高CAD绘图的熟练程度, 而且在绘图过程中还可以加深对投影特性和投影规律的认识并能比较手绘图、尺规绘图、计算机绘图三种绘图方法的区别等等。然后要加强对CAD命令的学习, CAD的三维立体图像不仅仅立体能力强, 立体图像更直观表达, 可以动态的观看, 而且建立在这几点条件下更可以培养对学生的立体能力以及对结构的分析能力。

在考核以及师资力量的优化方面, 考核学生成绩不要仅仅局限于一张张的试卷, 需要突破这种传统的模式, 才能培养创新性人才, 对学生的考核不能仅仅是书本知识的考核, 而要全面的通过以能力为核心, 全面的知识、能力以及素质相结合的考核制度。结合学生的表现、能力、平时作业的情况、期中、期末、动手实践的能力综合来评定每一个学生的成绩。而每一所高校, 必须慎重选好制图课的老师, 教授这门课程的教师必须要有将CAD与机械制图有机结合的经验, 能做到与时俱进, 经常参加一些科研教学, 了解社会上一些企业的需求, 才能教育出出了学校受各用人单位所欢迎的学生。而且学校必须以学生为中心, 让学生评判教师教授, 给教师分数留住好的教师, 去掉无真才实学的教师。这样才能做到对学生真正有利。

4 结束语

经过实践的证明, 通过机械制图与Auto CAD融合教学模式方式学习的学生在用人单位比传统方式教学的学生更受人欢迎。因此机械制图与Auto CAD融合教学不但提高了学生的学习效率, 使得学工科的学生不再枯燥、产生畏难情绪, 更加重要的是培养了学生的思维, 以及想象能力, 锻炼了学生的能力使他们一生都受益无穷, 步入社会将更快的适应社会。

参考文献

[1]尤惠媛, 王定保.机械制图与Auto CAD融合教学模式优化研究[J].无锡职业技术学院报, 2008 (2) .

[2]李晓改.机械制图与Auto CAD融合教学模式优化研究[J].教育战线, 2011 (31) .

融合教学模式的优化 篇2

【关键词】现代教育技术 课堂教学

一、问题的提出

随着信息技术的不断发展,以计算机和网络为核心的现代教育技术,正在越来越深刻地影响着我们的工作、学习和生活,它给教育带来了一场巨大的变革。把多媒体技术与数学学科相互结合起来,给课堂结构带来了巨大的变化,丰富了课堂内容,改变了课堂形式,推动了课堂改革的发展。

充分发挥信息技术在数学教学中的潜在优越性,需要教师把信息技术和数学教学的学科特点有机结合起来,根据班级学生的特点进行教学设计,构建一个合理的、科学的教学时空。利用信息技术,学生有更多的时间自练、自悟、自查,并及时检查学习效果。信息技术可使反应速度较慢和学习有困难的学生有机会主动参与到教学过程中,进而理解和掌握数学知识。信息技术还可以分层设计适合不同层次的学生的数学学习计划和内容,能使各个层次的学生的潜能得到充分发挥。

二、数学课堂教学融入现代教育技术的优越性

1.融合现代教育技术,激发学生学习兴趣

兴趣是最好的老师。我国古代大教育家孔子说:“知之者不如好之者,好之者不如乐之者。”激发学生浓厚的学习兴趣及强烈的求知欲是数学学习的主要任务。教师应充分挖掘教材中的有趣因素与艺术魅力。运用现代教育技术表现手段多样化的特点,充分唤起学生的学习兴趣。因此我们在设计CAI课件时,总是充分考虑给学生以多种的感官刺激,激发学生对所学数学的“兴奋点”。

2.融合现代教育技术,培养学生创造性思维

创造性思维是最高层次的思维活动,数学创新往往是在数学美感的指引下,在自由想象的基础上对头脑中已有的知识,经验进行新的组合的结果。借助现代化的教育技术,我们可以更加有效地去搜索与数学问题有关的知识,多方位、多角度地去看待问题。教师可以充分运用现代教育技术这一载体,改变现有课堂教学以知识传授为中心的教学模式,充分发挥学生学习的主体作用,培养学生的创造性思维,发展学生的个性。

3.融合现代教育技术,真正实现“数形结合”

“活动的、具体的对象比静止的、抽象的对象更具有吸引力,更容易使学生感知与接受。”中学生在数学学习中的障碍很多是由于缺乏具体情境创设或形象思维的帮助造成的,而现代教育技术辅助教学,可以变抽象的内容为直观生动的具体形象,真正实现“数形结合”,再加上教师恰到好处的点拨讲解,使学生易于理解与把握,从而突破学习的重点、难点。

比如在讲解一般正弦函数y=Asin(ωx+φ)(A,ω>0)的图象与性质时,可以利用《数理平台》软件,先将A、ω、φ分别用一条可变的线段来表示(相当于三个参数),接着利用“标准函数工具”工具菜单在屏幕中画出一条正弦曲线,然后依次改变A、ω、φ所对应的线段长度,来改变A、ω、φ的值,可以很直观地看到图象的纵向拉伸、横向压缩与平移变换,操作非常简单、快捷,这比以前教师在黑板上徒手用粉笔来描点作图更有效率。以前数学教师对这一部分内容的教学通常感到很头痛,现在利用现代教育技术其优越性不言而喻。 

4.融合现代教育技术,促进学生自主的探究式学习

建构主义理论认为,知识不是通过教师的传授得到的,而是学习者在一定的情景即社会文化背景下,借助他人(包括教师和 学习伙伴以及现代教育技术等)的帮助,利用必要的学习资料,通过意义建构的方式而获得的,“情景”、“协作”、“会话”和“意义建构”是学习环境中的四大要素。因此建构主义学习理论强调以学生为中心,要求学生由外部刺激的被动接受者和知识的灌输对象转变为信息加工的主体,知识意义的主动建构者;要求教师由知识输灌者转变为学生主动建构意义的帮助者和促进者。

三、现代教育技术在课堂教学使用中的误区

(1) 过分地追求它的“外在美”,忽视它的“内在美”。忽视对教学的干扰。一些课件背景五颜六色,学生无法看清字幕;课前就是一段躁人的音乐,似乎是活跃课堂气氛,实际上是扰乱了学生思维。数学课必须实在,落到实处,不能讲究华丽的外表。

(2)重视演示现象,说明问题,传授知识,忽视揭示过程,培养能力。在使用多媒体的同时,往往注重演示过程,而没有指出数学方法、贯穿数学思想。导致学生只会模仿做题。

(3)重视课堂的“教”,忽视与学生的互动和情感交流。学生上课就会象看电影一样,只看屏幕,不看老师。使双边的活动更少。

四、课堂教学融入现代教育技术的几点思考

数学是一门抽象的自然科学,我们利用多媒体技术制作和使用数学课件无非是要将数学中抽象的概念、几何图形的变换过程直观地显示在学生眼前,为学生提供操作示范,便于学生动手操作,在实践中感知、发现、创造、培养学生思维能力和口头表达能力。因此应用多媒体在数学教学中应努力做到:

1.注入更多人文思想,优化教学思想;

2.注意多媒体的辅助性、工具性,坚持教师的主导地位;

3.注重德育、美育的渗透及高中学生年龄特征。

五、结束语

借助于多媒体现代教育技术,为学生创设学习的情境,通过师生之间、生生之间的互相合作与讨论,不断提出问题并验证猜想。在这个过程中,学生是学习的主人,利用多媒体技术自己解决问题,教师不进行包办代替,有利于学生进行自主探究。把现代教育技术引入到数学教学,确实优化了课堂教学,激发了学生浓厚的学习热情,使整个学习过程充满激情,课堂上充分体现了学生是学习的主体。通过操作数学软件,积极动手、动脑,卓有成效地进行数学思维,是实实在在的一种素质教育的模式。

參考文献:

[1]严士健 张奠宙 王尚志.《普通高中数学课程标准(实验)解读》.江苏教育出版社

[2]张维忠.《数学课程与教学研究》 浙江大学出版社

融合教学模式的优化 篇3

一、利用布疑示错,促进学生参与学习

在高中数学教学过程中, 教师总是会遇到这样的问题. 教师在课堂中讲解过的知识与习题,不管是讲过两次还是三次, 总是有一些学生再遇到这些题的时候不会做. 面对这样的情况,教师需要在教学活动中加强认知冲突的设置,促进学生数学学习欲望的增强. 从心理学角度来讲, 认知冲突的出现会让学生的注意力得以集中,让学生的头脑在课堂活动中保持清晰. 在进行认知冲突的设置时, 还需要对学生的学习任务分工明确,从而让学生找到学习的方向,促进其思维聚焦点的出现. 利用认知冲突去布疑示错, 会激活高中学生头脑中存在的数学知识以及相关信息,学生在疑问与错误的引导下对自己的数学知识结构中的盲点进行反思,在学生落入到认知陷阱之后再成功自救,促进学生参与到数学学习活动中.

比如在讲解有关于圆的方程的知识时,教师可以设置这样的一道题目: 圆心在直线5x - 3y - 8 = 0上的圆与两坐标轴相切,求此圆的方程. 教师先让学生进行思考,之后为学生呈现一个错误的解题过程,让学生去评判这样的题目是否正确. 在讲解了基础知识,做了适当练习之后,学生对于圆的方程知识有了一定的了解,这时教师再利用错误解题思路的呈现去制造认知冲突,会让学生掉到陷阱中去,在思考之后又得以成功自救,其学习积极性会大幅度提高.

二、利用分层提问,引导学生课堂参与

高中数学教学要面向全体学生,这是新课程标准对高中数学教学的最新要求. 让每一名学生都可以成为数学学习活动中的主体, 才能让学生乐于进行数学学习. 在教学发展的今天,高中数学教师需要更多地去关注学生的个性化发展需求,接受学生的个性差异,尊重学生的个性化人格,从而让高中数学教学质量得到快速提高. 在高中数学教学过程中,教师要适当地开展分层教学,从学生的最近发展区出发,给学生安排他们能够接受的教学内容. 学生在努力之后可以解决问题,发现只要努力就可以解决问题,他们的课堂参与积极性就会大大提高. 有效利用分层提问,落实分层教学,会让学生从被动学习模式向主动学习模式转化,从而形成更加浓厚的教学氛围.

比如在讲解有关等差数列的相关知识时,教师需要从学生的数学学习能力出发进行教学内容的安排以及练习层次的分化. 对于数学学习能力一般的学生, 教师要将数学基础认知作为教学的重点,本着让学生掌握基础知识的目的开展教学,给学生安排基础性题目,促进学生数学基础的夯实. 而对于学习基础较好的学生,教师则可以为其安排一些开放性的问题,培养学生思维,在促进数学教学活动层次性提升的同时, 满足学生的不同需要. 教师可以让学生搜集一些生活中的等差数列实例,开发学生的大脑,将生活与数学进行联系,使学生积极地参与到课堂教学活动中来.

三、利用融合总结,激活学生课堂参与

总结,是一个良好的学习习惯,也是一个十分有效的学习方法. 高中学生的学习思维是较为分散的, 只有通过定期有效的总结,才能让学习成果得以升华,使更多的数学知识化为自己头脑中的知识. 在教学过程中, 教师要引导学生将课堂总结与课下总结相结合. 在课堂中, 教师每讲完一部分重点知识,就给学生一分钟时间进行快速梳理,建立一个小的数学知识结构, 明确自己的优势与劣势. 在每节课的结束阶段,教师也要拿出三分钟时间,让学生自主进行所学知识的总结,并分享自己的总结结构,在教学反馈的过程中为学生进行补充,确保进一步完善学生的学习成果. 另外,教师还要将课堂内容总结作为一个必要的家庭作业,让学生用一个专门总结本,每天对所学知识进行总结,定期进行检查,让数学教学的效率得以提升.

比如在讲解有关于不等式的知识时,教师在课堂中讲解完不等式的性质,就要给学生一分钟去回顾,通过自我总结去发现自己是否掌握了全部的数学知识. 在课堂结束阶段, 要让学生对不等式知识进行回顾,互相补充,共同讨论,充实数学教学内容,丰富课堂教学活动. 将布疑、分层与融合进行结合,让学生全员参与到课堂教学中,会进一步优化高中数学课堂教学效果.

结语

综上所述,在高中数学教学中,教师要引导学生构建完善的教学思维,培养学生的数学意识,让学生成为数学学习的主人. 在教学中通过布疑示错与分层设问, 让学生的思维活跃起来,再通过融合总结,促进学生能够掌握全面的数学知识,能够开发每一名学生的潜能,让学生的数学学习需求得到满足.

摘要：在新课程标准快速实施的今天,学生在课堂中的参与度已经成为衡量教学水平与质量的重要标准.在课堂中布疑、分层、融合,有利于促进数学教学活动的阶梯化,从而促进学生融入到课堂活动中,实现数学教学的优化.

信息融合标准的优化研究 篇4

(一) 空间配准

多传感器信息融合系统要用到多种坐标系, 单个传感器测量时使用测量坐标系, 情报综合时使用计算坐标系, 定点定位时用地心大地坐标系。一个战术级数据融合系统中常用的坐标系有:站心平面极坐标系 (测量坐标系) , 站心平面直角坐标系 (测量坐标系) , 地心大地坐标系, 地心空间直角坐标系以及方格坐标系等。

1. 空间对准算法

空防预警系统中, 信息处理中心与雷达站处于不同的地理位置, 为了便于数据处理, 必须进行数据的统一坐标转换。坐标变换涉及: (1) 站心地平极坐标系与站心地平直角坐标系统; (2) 站心地平极坐标系与地心空间直角坐标系统; (3) 地心空间直角坐标系与大地坐标系。 (4) 方格坐标系与大地坐标系。

最为简便的处理方法是先将目标坐标从站心球面极坐标系变换到空情雷达站直角坐标系, 然后进行坐标原点的平移和坐标轴转动, 变换到指挥控制中心的统一直角坐标系中, 完成坐标变换。

2. 时间配准

多传感器系统中的时间标准根据不同阶段可分为平时、战时、自行制定三种。

平时, 信息源 (主要为雷达站) 的工作时钟取标准时间;战时, 以指挥中心时钟为基准, 其它各站 (信息源与武器系统) 与指挥中心通过通信系统对时;或者, 情报综合时把一个处理周期内各站在不同时刻测量的航迹点统一到同一时刻。

在此只考虑战时与自行制定两种, 着力解决:各站探测器 (雷达) 的时间基点要严格一致, 即系统对时;扫描周期不同导致数据采样不同步;信息传送中的通信延迟问题。

(1) 系统对时方法

(1) 小范围内, 局部区域内, 可直接对时, 统一工作在主站时钟上。

(2) 站与站距离较远时或精确对时算法, 必须考虑通信延迟问题。为减少站间误差, 各站开机时设定本站时钟初值自行计时, 站间偏差对时消除。接收外站数据包含的时间值, 由通信系统调整为本站时间。系统对时后, 记录偏差值以便自动调整。

(2) 时间配准算法

时间配准指在同一时间段内, 对各传感器采集的目标观测值在一定算法处理下推算到统一的观测时间点上。

(1) 内插外推法。将高精度观测时间上的数据推算到低精度时间点上的过程称为内插外推。首先取定时间段, 时间段的划分根据运动目标具体情况确定, 目标状态分静止、低速、高速, 对应融合时间段选为小时、分、秒;然后将各传感器观测数据按测量精度增量排序;最后将高精度观测数据分别向最低精度时间点内插、外推, 形成等间隔的目标观测数据序列。匀速直线运动的目标, 在同一时间段内, 时间外推时, 速度不变。

(2) 异步数据统一。若两类传感器采样周期不是整数, 必须利用滤波算法, 通过一种基于细分时间段的时间对准方法

假设传感器为A与B, 其采样周期分别为τ和T, 且τ/T=n/m, n、m均为整数。 (设n>m, 反之亦可) 。同一时间段内的观测数据有多个。

1) 递推估计

目标离散时间的状态、观测及滤波方程如下。

状态方程:X (k+1) =φ (k) X (k) +G (k) V (k)

观测方程:Z (k) =H (k) X (k) +W (k)

式中, X (k) 是k时刻目标的状态向量, 初始状态为X (0) , 具有均值和协方差P (0/0) , V (k) 是过程噪声, 其均值为零, 方差矩阵为Q (k) 。φ (k) 是状态转移矩阵, G (k) 是过程噪声分布矩阵。Z (k) 是传感器在k时刻的观测向量。W (k) 是观测噪声, 其均值为零, 方差矩阵为R (k) 。

滤波及预测方程:

式中, K (k+1) 为滤波增益。滤波器为卡尔曼或α-β-γ滤波, 类型根据目标和传感器而定。

在两传感器的采样周期值之比中, 取n和m的最小公倍数L。以时间△=mτ/L或nT/L作为滤波器 (k-1) 至k的一步递推时间步长。设起始时, 其测量起点相同, 数据由高精度向低精度推算。

取时间△=mτ/L后。状态、观测方程为:

滤波公式为:

当iΔ=knΔ或mΔ时, 即预测在采样点时, 通过上式, 用iΔ时刻的观测值进行滤波。

当预测不在采样点时, 利用下式估计:

传感器B在T1时刻测量值为Z2 (1) , Tk时刻测量值为Z2 (k) , 传感器A在τ1时刻测量值为Z1 (1) , 则传感器B在以Z2 (1) 为初值的情况下, 递推 (L/m-L/n) 步, 可得到传感器B在Tk时刻的估计值, 与传感器A在τk时刻的测量值同步。

预测过程中, 当前没有采样点时, 可单步预测, 有采样点时, 进行滤波预测。交替进行, 便可得到与主站传感器同步的测量值。

2) 多步融合

为提高估值的精度, 可在递推基础上, 把观察时间内的预测值融合成一个虚拟的估计值, 对步长的递推估计值融合, 作为当前时刻传感器B的测量值, 实现与传感器A测量同步。

(二) 结束语

通过对多传感器信息融合系统中数据标准化问题的研究, 给出了空防预警系统中实用的时间统一方法, 以及多传感器系统在战时和情报综合处理时, 系统对时和时间对准算法。针对不同系统配置的目标探测装置扫描周期存在的差异, 提出了解决时间对准的实用方法, 一定程度上解决了数据处理起点的同步问题, 提高了信息化条件下空防预警信息处理的精确性及信息融合的准确性作用, 提高了多传感器系统的反应能力与对抗效能。

参考文献

[1]史越东.指挥决策定量分析[P].海军指挥学院研究生教材, 1999.

[2] (美) 杰克·赫什来佛·约翰.不确定性与信息分析[M].中国社会科学院出版社, 2005.

[3]王红卫.建模与仿真[M].科学出版社, 2003.

关于融合后本地传输网的优化 篇5

新一轮电信运营商重组后, 原来各自建设的光传输资源需要合理优化。这样可以健壮传输网的保护能力, 同时相对提高光网络的系统容量。本文作者从事新联通公司网络建设方面工作, 在此讨论关于本地传输网的优化方面的问题。

二、新联通本地传输网的现状

1、网通的传输本地网现状

网通的传输本地网是在原来的铜线传输网的基础上逐步发展起来的, 网络拓扑结构层次清晰, 分层主要以地市与县公司组建一个网络, 承载县公司和地市公司之间业务。各县公司有独立的传输网络。另外网络的传输网在光缆纤芯数上比较富余。而组建的SDH网络系统容量也较大。

2、联通的传输本地网现状

联通传输本地网由于是后期建设, 一般都把一个地市作为一个整体考虑组网, 网络没有很清楚的县域结构。而且网元数量比较多, 系统容量不大, 在汇聚层以2.5G为主, 接入层主要以622M为主。

三、传输本地网优化的目标

两个公司融合后, 将面对两张网络结构不尽相同的传输网络, 如何在最投低投资的情况下进行有效的整合, 是运营商面对的一个课题。网络整合的主要目标有以下几点:

1、清晰的网络结构

清晰的网络结构有利于提高网络利用率, 充分发挥设备的功能潜力, 并且有利于设备的扩容、升级和网络的演进。一般来讲按照汇聚、边缘层面建设。要合理选择汇聚节点, 充分发挥汇聚节点设备的汇聚地位和能力, 形成合理、清晰的汇聚区域划分, 提高纤芯利用率。

2、综合的业务接入

考虑综合的业务接入问题, 应能够支持多业务, 如GSM基站的2M数字电路和将来的3G业务接口, 同时能够支持数据业务的接入功能, 很好的满足NGN和IP网络的建设。

3、使网络更具备生存性

在优化过程中要充分利用两张网络的丰富的光缆资源, 尽可能的组建成自愈环, 提高网络生存能力。在投资较少的情况下, 使网络结构更合理化, 业务保护能力更强。

四、传输本地网优化需要解决的问题

传输本地网在建设过程中总会因为各种原因, 会存在这一些不足。

1、网络优化解决同一条光缆组建SDH自愈环的问题

传输本地网采用了同一条光缆组建SDH自愈环的网络结构使SDH自愈环的保护功能大打折扣, 只能在设备级光口上进行保护。会导致截环的发生。因此必须利用融合后的光缆资源解决原来同一条光缆SDH自愈环的问题。

2、解决网络中长支链的问题

各个运营商在网络拓扑上都有很多支链, 尤其在北方山区, 建设环网线路投资巨大。由铜线线路和PDH网络发展起来的传输网络, 存在的链型网络可能更多一些, 在县公司的农话网络中仍然存在非常多的链型拓扑结构的网络。链型网络存在着很大的安全隐患。因此要利用融合后的网络资源解决网络中存在的长支链问题, 提升网络的安全。

五、传输本地网优化的几种方案

前期优化主要以投资为导向, 以最小的投资使网络有最大的提高。目前的网络还是以SDH组网为主, 组建各种SDH自愈环, 建壮网络为目的。应以利用融合后的光缆, 只对设备进行小副度改进为主的优化。主要有以下几个方案:

1、利用空闲纤芯组建SDH自愈环

原联通和原网通在传输本地网光缆线路的建设上可以互补, 本方没有到达的光缆路由, 而对方已经到达的光缆路由, 可以互相利用空闲纤芯组建环网, 这样达到了不增加线路投资组建成环网, 极大的提升了网络安全。

2、双方都为链型网络首尾相接组建环网

原联通和原网通很多地方都存在链型结构, 只不过走不同的光缆杆路。这样可以使两家光缆在两端互联, 借用对方的光缆空闲芯, 各自组建环网。虽然光缆为同方向, 由于光缆杆路不同, 一般都会有一定距离, 而且处于不同机房, 因此会起到比较理想的环网保护效果。

3、没有光缆空闲纤芯的解决方案

有些地方由于发展速迅和前期建设估计不足, 可能没有空闲纤芯。这样在优化时可能会遇到困难, 可以采用增加粗波分 (CWDM) 的方式解决。

如果都为一家SDH传输设备, 可以采用重新组网的方式, 如果都是SDH设备不同厂家, 可以借助SDH标准接口的特性进行互联互通。在进行互联互通时要注意以下几点:

(1) 开销字节J1和C1字节的匹配

(2) 光接口的功率适配

(3) 关注组建环网的类型

互联互通组建的环网最好采用单向通道环, 因为通道环采用双发选收的原理, 保护机制相对简单, 可以很容易做到。而MSP (复用段环) 要采用倒换协议, 所以不建议采用, 因为各厂家的设备可能会存在差别, 成功的机率很小。

六、小结

融合教学模式的优化 篇6

尽管已有 大量的现 代诊断技 术应用于 电力变压 器故障诊 断中[1], 但进一步 的理论研 究和应用 结果表明 , 这些诊断 方法仍存 在许多不 足之处 : 文献 [2] 提出了一 种基于粗 糙集理论 的变压器 故障诊断 方法 ,能够较好 地处理不 完备信息 , 但故障类 别划分结 果较为模 糊 , 尤其不能 区分对多 重故障的 诊断 ; 文献 [3] 采用了信 息融合技 术来解决 变压器故 障诊断问 题 ,模糊均值 算法受样 本的分布 和初始参 数影响较 大 ; 文献 [4] 基于证据 理论的故 障诊断方 法 , 当故障样 本量发生 变化时 , 易发生信 息组合爆 炸问题 ,难以获得 准确的故 障诊断结 果 。

因此 ,在全面了 解电力变 压器故障 情况和故 障诊断相 关技术背 景的基础 上[5,6], 本文提出 基于粗糙 集优化的 电力变压 器综合故 障诊断方 法 ,提高了变 压器故障 诊断的准 确性 。 该方法既 有很高的 学术理论 价值 ,又有很高 的工程实 用价值 。

1RS优化的信息融合故障诊断模型

基于粗糙 集 (Rough Set,RS) 优化的信 息融合故 障诊断方 法是依据 粗糙集理 论本身具 有严谨的 内在逻辑 关系 , 无需对预 处理信息 进行经验 或知识积 累 , 是处理模 糊性和不 精确性问 题的较为 理想的数 学工具 。 因而利用 粗糙集理 论对电力 变压器故 障系统大 量数据进 行前期处 理 ,能够在保 留关键信 息的前提 下对故障 数据进行 最大限度 的约简 , 既去除了 大量冗余 信息 , 缩减了故 障信息的 规模 ,又保证了 变压器故 障诊断数 据的客观 性和精确 性 。 再将粗糙 集约简后 的变压器 故障数据 用于信息 融合技术 中 , 通过Dempster -Shafer证据理论 (D -S证据理论 ) 方法进行 数据融合 , 利用证据 理论实现 对非精确 信息的正 确推理 , 解决了信 息融合数 据的组合 爆炸问题 , 从而得到 精确的诊 断结果 。 其故障诊 断系统框 图如图1所示 。

通过仿真 验证了以 粗糙集为 工具 、 以信息融 合理论为基础 ,可以有效 地实现对 油浸式电 力变压器 故障信息 的检测与 隔离 。 因此 ,粗糙集和 信息融合 相结合的 电力变压 器故障诊 断方法相 比于其他 的故障诊 断方法具 有非常明 显的优势 。

2粗糙集理论的决策表约简法

2.1样本数据的选取

依据样本 数据的选 取原则 , 通过收集 华北电网 虹桥220 k V变电站多 台油浸式 电力变压 器的历史 故障数据 , 共得到近 百个样本 ,选择其中 比较有代 表性的6个样本整 理成原始 样本决策 表 , 如表1所示 , 诊断结果 对应的实 际故障类 型为 :1、无故障 ;2、低能放电 ;3、 高能放电 ; 4 、 中低温过 热 ; 5 、 高温过热 。

2.2决策表的约简

粗糙集理 论的核心 思想实质 上是在保 持其分类 能力不变 的情况下 , 通过知识 约简 , 导出问题 的分类或 决策规则 。 若用粗糙 集理论处 理决策表 时 ,则要求决 策表中的 各值均用 离散值表 示 。

本文先利 用等频率 划分离散 法对原始 决策数据 进行离散 化 , 再由粗糙 集约简法 进行故障 数据的约 简 , 等频率划 分离散法 是根据给 定的参数 将这个属 性的取值 从小到大 进行排列 , 最后平均 划分为k段 , 即得到断 点集 。

其中以C2H2/C2H4为例,经等频离散化后的结果如表2所示 。 然后再进 行样本数 据的约简 ,其结果见 表3。 表3中 ,0表示C2H2/ C2H4的属性值 落在区间 {[0.000,0.002]} 中 ,1表示其属 性值落在 区间 {[0.002 ,0.005] 、[0.005 , 0 . 007 ] 、 [ 0 . 007 , 0 . 008 ] 、 [ 0 . 008 , 0 . 051 ] 、 [ 0 . 051 , 0 . 211 ] } 中 , 2表示其属 性值落在 区间 {[0.211 ,1.131] , [1.131 ,1.165] 、 [ 1 . 165 , 1 . 210 ] 、 [ 1 . 210 , 1 . 343 ] } 中 。 其他的输 入特征矢 量的离散 化和约简 形式同上 ,在此不一 一列出 。

其中在对12种故障样 本气体含 量的比值 各自实现 条件属性 的约简后 , 若删除第K个条件属 性时的决 策属性与 未删除前 的决策属 性没有什 么不同 ,则说明该 条件属性 可以省略 ; 反之 , 该条件属 性则不可 省略 。 以此方法 对这12个条件属 性再进行 约简 , 其形成的 最终决策 表如表4所示 , 约简后的 故障特征 属性由原 始决策表 中的12个减少为 现在的5个 , 决策表规 模大大减 小 , 为下一步 的PNN网络训练 作好了优 化工作 。

3信息融合的故障诊断

D - S证据理论 可以用来 融合来自 多信息源 的相容命 题 , 并对这些 相容命题 的交集 ( 合取 ) 命题所对 应的基本 信任分配 函数赋值 。 相容命题 是指命题 之间有非 空交集存 在[7]。

设Bel1和Bel2是同一识 别框架 Θ 上的信任 函数 ,m1和m2分别是对 应的基本 概率分配 函数 , 焦元分别 是A1, … , Ak和B1, … Br, 则组合后 新的基本 概率分配 函数m = m1⊕m2, ⊕ 定义为组 合算子 :

式中 , 若K≠1, 则m确定一个 基本信任 分配函数 ; 若K=1 , 则认为m1和m2是完全矛 盾的 。

4诊断结果判定

本实验将 收集到的 油浸式电 力变压器 的100组数据作 为原始样 本 , 运用以下 两种方法 进行故障 诊断 :(1) 直接采用D-S证据理论 算法进行 信息融合 ;(2) 采用经RS优化后的 信息融合 技术进行 故障诊断 。

先以低能 放电故障 类型为例 , 对比两种 方法的融 合诊断结 果 , 如表5所示 ,m1( f1 ) 与m1( f2 ) 值相近 , 仅从D S证据理论 融合结果 不能分离 出故障传 类型 , 这是由于 直接采集 到的变压 器原始故 障数据中 存在大量 信息 ,易造成信 息融合爆 炸问题 。 而经RS优化后的D-S融合结果 中 ,m(f2) 最大 , 即该测量 数据偏离 正常值的 程度也是 最大的,充分利用粗糙集理论 约简大量冗余和互补 信息 , 并且保证关键信息 不丢失, 因而可以正 确分离出 变压器故 障类型 。 另外 ,单一D-S证据理论 融合结果 经3次融合仍 不能诊断 出故障类 型 ,RS优化后D-S融合结果 一次融合后即可正 确诊断出故障类型 , 可大大提 高故障诊 断系统的快速 性 。 将上述的100组样本数 据通过这 两种方法进 行故障诊断的结果整理 成如下的直观的状态 图。

( 1 ) 单一信息 融合技术 的故障诊 断结果

信息融合 故障诊断 结果如图2所示 , 圆圈所对 应的数值 表示该样 本经诊断 后的故障 类型序号 ,星号所对 应的数值 表示该样 本的实际 故障类型 序号 。 诊断误差 图中的误 差值0表示诊断 后的故障 类型序号 与实际故 障类型序 号相同 , 诊断结果 正确 ; 误差值2、-3表示诊断 后的故障 序号与实 际故障序 号的差值 , 诊断结果 不正确 。 最后经过 仿真发现 诊断结果 中有21个故障类 型与样本 实际故障 类型不一 样 ,其故障诊 断准确率 为79%。

( 2 ) RS优化的信 息融合故 障诊断结 果

粗糙集优 化的信息 融合诊断 结果如图3所示 , 最后经过 仿真发现 诊断结果 中只有3个故障类 型与样本 实际故障类 型不一样 ,其故障诊 断准确率 为97%。

可见 ,基于粗糙 集优化的 信息融合 的电力变 压器故障 诊断准确 率比单一 信息融合 技术的准 确率要高 ,其方法应 用于变压 器故障诊 断中 , 可以去除 大量冗余 信息 , 简化故障 诊断系统 的规模 ,且大大提 高了故障 诊断的准 确性和快 速性 。

5结束语

该研究成 果在油浸 式电力变 压器故障 诊断方面 具有广阔 的应用前 景 , 将粗糙集 理论与信 息融合技 术结合 ,利用粗糙 集在处理 模糊性和 不确定性 问题上的 优势对原 始故障数 据进行约 简 , 既不受样 本分布的 影响 ,又对不完 备信息具 有较强的 适用性 ,可在保证 关键信息 不丢失的 情况下简 化诊断网 络规模 ,增强诊断 系统的抗 干扰性 。 进而利用 信息融合 进行故障 类型分类 ,令故障特 征与故障 类别一一 对应 , 且可区分 多重故障 类型 , 使诊断网 络有较高 的准确性 和快速性 。 另外 ,将电力变 压器在线 监测技术 与故障诊 断技术相 结合 ,把在线监 测得到的 数据整合 到变压器 故障分析 中 , 能够更及 时 、 更精确地 诊断出变 压器故障 类型 。

摘要：针对现有的故障诊断技术在应用于电力变压器故障诊断中,存在的冗余信息过多、诊断结果不准确等不足之处,将粗糙集理论与信息融合技术相结合,先利用粗糙集理论对故障系统前期数据进行最大限度的约简,再采用证据理论方法对预处理信息进行融合,进而进行故障模式的分类,可简化故障诊断网络规模,且相比于单一的信息融合的诊断方法,能够更快速、更精确地诊断出变压器故障类型。其研究成果在油浸式电力变压器故障诊断方面具有广阔的应用前景。

融合教学模式的优化 篇7

1 LEACH协议简介

LEACH(Low Energy Adaptive Clustering Hierarchy)[2]是一种低功耗自适应分层路由协议。该协议中网络运行时间按“轮”计量，每轮循环分为簇的建立和数据通信两个阶段。网络节点动态成簇，簇头负责收集、融合成员节点采集的数据，并将融合后的数据直接发送给基站。LEACH协议一方面能够保证各节点等概率地担任簇头，使得网络能量分布相对均衡;另一方面运用TDMA的MAC层机制来减少簇内数据发送冲突，降低了能耗。但该协议仍存在以下几点不足：(1)簇头的选择未考虑节点的距离和剩余能量因素，易导致簇头分布不均或能量低的节点当选簇头;(2)该协议提到了数据融合的概念，但并未给出具体的算法;(3)簇头与基站采用一跳通信模式，如果某个簇头距离基站较远，能耗会大幅增加，影响网络性能。

参考文献[3]针对突发事件监测网络利用蚁群算法构建数据收集链路，参考文献[4]提出了基于区域的簇头选择和采用贪婪算法构建簇间链式路由的多跳数据传输方法。以上两种方法节能效果都很显著，但单簇头使得网络的鲁棒性较差。参考文献[5]提出了基于自适应数据融合的路由协议，延长了网络时间，但未考虑到簇头的选择及其路由方式。

针对LEACH协议的不足，综合考虑簇头的选择、数据融合方法以及簇头与基站的通信方式三个方面，提出了改进算法LEACH-E。

2 改进的数据收集和融合算法

2.1 模型假设

本文对网络模型作如下假设：(1)基站固定;(2)所有节点同构，能量有限，具有定位功能以及数据融合能力(3)节点可调节功率大小与基站点通信;(4)节点能量消耗采用一阶无线电模式[6]。

2.2 算法描述

2.2.1 簇的建立

节点n产生随机数，当该值小于门限值T(n)时，该节点成为本轮的一个簇头，否则节点等待簇头发出公告，根据信号的强弱来决定自己要加入的簇。为避免节点因任务过重而过早死亡，LEACH-E算法中将T(n)定义如下：

其中，p为网络中簇头个数的百分比，r为当前轮数，G为最近1/p轮未当选过簇头的节点集，Eo和Ecureent分别是节点初始能量和当前能量。

同时，为了避免产生的簇头过于集中，甚至导致簇内通信彼此干扰[7]的情况出现，一旦选出的两个簇头间距小于通信半径的1/4，就取消其中能量较小的节点本次担任簇头的资格。

2.2.2 簇头的数据融合

数据融合[8]是将来自不同节点的信息中冗余、无效和可信度较差的部分删除，并处理成一个较小的、内容等价的信息，从而在满足用户需求的条件下最小化网络传输量。在WSN中，相比于数据的采集和处理，节点的能量主要消耗在无线通信模块，而数据融合正是一种能极大程度地减少通信量从而降低能耗的技术。

由于同一个簇内节点分布相对集中，不同节点一定时间内采集的数据有极大的相关性，本文采用主成分分析法对数据降维，即将多个原始变量线性组合为少数几个互不相关的综合变量(即主成分)，从而使这些主成分能够反映原始变量的绝大部分信息，且所含的信息互不重叠。其具体步骤如下：

(1)簇头每隔一定时间收到一次N个成员节点发送的数据，当收到M次后，构成原始数据矩阵XM×N，其中xij表示第j个节点第i次发送的数据。

(2)对XM×N进行标准化处理得到X，记μ1×N为均值向量，σ1×N为标准差向量。

(3)求标准化后变量的协方差矩阵SN×N。

(4)求S的特征值λ1≥λ2≥…≥λN>0及相应的单位正交特征向量A=(a1,a2,…,aN)。

(5)确定主成分个数p。方差贡献率反映了主成分Yi所含信息量的大小，p值的确定以累计贡献率达到85%以上为原则。记E=(a1,a2,…,ap)(p

(6)计算标准化的原始数据在提取出的特征向量上的投影。

(7)数据的重构。簇头将得到E、Y、μ、σ发送给基站，基站对数据进行重构，计算D=YET，同时将μ扩展成UM×N，其中U的每一行均由μ构成，将σ对角化为Σ，令X*=DΣ+U，即得到原始数据的近似。

2.2.3 簇间的路由

由能量模型可知，节点间路径越短，其通信能耗就越小。基于WSN拓扑结构不断变化的特点，本文采用蚁群算法建立簇间路由，从而将簇头的一跳通信改为多跳，在缩短单跳距离的同时保证簇头到基站的路径之和最短。

蚁群算法[9]是一种自组织的、并行的算法，其基本思想是蚂蚁能够根据相邻簇头间信息素的积累建立正向反馈机制找到通往基站的最短路径。首先，随机分配m只蚂蚁到n个簇头上，每条路径上初始信息素相等，每只蚂蚁根据路径上的信息素浓度、距离以及剩余能量独立选择下一跳节点，t时刻蚂蚁k从簇头i到相邻簇头的转移概率定义为：

其中，Ni为节点i在通信半径以内的节点即邻居节点，Mk为第k只蚂蚁已走过的节点集，启发式因子ηij=1/dij2,τij、dij分别为两簇头间的信息素和距离。在所有蚂蚁完成一次搜索之后，按以下规则更新最优路径上的信息素量：

其中,ρ为信息素挥发因子，Q为信息素强度，Lk表示第k只蚂蚁在本次循环中所走路径的总长度。当算法运行达到最大迭代次数后，选择值最小的作为当前最优解，簇头将沿着得到的最优路径通过多跳方式将数据传给基站。

由于蚁群算法是一种启发式算法，下一跳节点的选择有一定的随机性，因此不能保证每次都能找到最短路径，这样可能会增加传输延迟和节点能耗，但同时也避免了一定时间内总是沿着唯一一条最短路径进行通信，进而导致该路径上的簇头承担了太多的发送任务而过早死亡的情况出现。

3 仿真实验与分析

本文运用MATLAB7.0进行仿真，分别从簇头向基站发送数据包的数目、节点的平均能耗和网络存活节点个数三个方面来比较改进前后算法的性能。

在100 m×100 m的区域内随机分布100个节点，基站位于(50,175)。具体参数设置如表1。

图1是簇头发送给基站的数据包数目。当簇头基于主成分分析法对数据融合之后，原本每个簇头要发送M×N个数据，如今只需传送(M×p+N×p+2N)个数据，从而大幅地减少了数据通信量，缓解了网络拥塞。图2直观地表明LEACH-E算法能有效减少节点的平均能耗。图3是网络存活节点个数随轮数的变化情况。LEACH中网络运行至第449轮时第一个节点死亡，当LEACH-E在560轮时才出现死亡节点，前者在518轮时半数节点死亡，而后者在599轮时50%节点死亡，可见改进后的算法能将网络周期延长15%左右。这正是由于LEACH-E充分考虑了簇头的位置分布、剩余能量、通信方式等因素，使网络能量被均匀分担到每个节点上，避免了部分节点负载重而过早失效，从而有效延长了网络的生存时间。

本文基于LEACH协议，针对簇头的选择、数据融合算法以及簇头到基站的通信方式做了一系列优化。实验结果表明,该算法相比于LEACH协议能有效地节省节点能耗，保证网络负载均匀，延长网络生命。但本文未考虑数据融合带来的延迟问题，因此如何平衡数据融合的时效性是进一步探索和研究的方向。

摘要：针对WSN路由协议LEACH中簇头负载过重的问题,提出一种改进的数据收集和融合算法LEACH-E,在簇的建立阶段根据节点的剩余能量及相对距离选择簇头;在通信阶段,运用主成分分析法对簇头收到的数据进行降维处理,再将融合后的数据沿着蚁群算法找到的最优路径以多跳方式发送给基站。仿真结果表明,该算法在均匀分簇、均衡节点能耗、延长网络生命等方面有更好的性能。

关键词：无线传感器网络,路由,能量,数据融合

参考文献

[1]王殊,阎毓杰,胡富平.无线传感器网络的理论及应用[M].北京:北京航空航天大学出版社,2007.

[2]HEINZELMAN W,CHANDRAKASAN A,BALAKRISHNANH.Energy-efficient communication protocol for wireless micro-sensor networks[J].IEEE Computer Society,2002:3005-3014.

[3]杨靖,熊伟丽,秦宁宁,等.用于无线传感器网络的高效能数据收集算法[J].吉林大学学报(工学版),2011,41(6):1720-1725.

[4]李雅卿,李腊元.WSN中LEACH路由协议的改进及其仿真[J].计算机工程,2009,35(10):104-106.

[5]王培东,袁召兰,王瑜.基于自适应数据融合的LEACH路由协议[J].电子技术应用,2011,37(7):123-126.

[6]廖明华,张华,谢建全.基于蚁群算法的WSN能量预测路由协议[J].计算机工程,2012,38(3):88-90.

[7]张路桥,朱清新,吕涛,等.无线传感器网络中考虑干扰的拓扑优化[J].电子科技大学学报,2011,40(4):564-567.

[8]孙利民,李建中,陈渝.无线传感器网络[M].北京:清华大学出版社,2005:260-272.

融合教学模式的优化 篇8

电力系统无功优化是关乎电力系统的安全、经济和稳定运行的最重要手段之一[1]。鉴于无功优化问题的目标函数、约束条件、控制变量和状态变量之多,使之在电力系统的分析计算中存在着许多难点,到目前为止还没有一个完全行之有效的方法解决所有问题,只能尽可能的寻找收敛速度快、收敛精度高的优化方法来分析计算最优解。

求解无功优化问题的最优方法大致可分为两大类,一类为传统优化方法;另一类为智能优化方法[2]。智能优化方法已成为目前人们研究无功优化的日趋方向。在众多优化方法中发现蚁群算法在解决多变量、非线性、不连续、多约束的问题时具有其独特的优越性。蚁群算法通过释放的信息素的累积和更新而收敛于最优路径,具有较强的鲁棒性、并行分布式计算、正反馈、全局收敛能力等特性,但该算法同样存在着搜索时间长,容易出现停滞现象,有陷入局部最优的可能性。综合对其它智能算法的研究,研究引入鱼群追尾行为和微分进化的随机扰动来改善蚁群算法。通过提出一种融合鱼群行为和微分进化的蚁群优化算法(FDEACO)来对电力系统进行无功优化。

1无功优化的数学模型

电力系统无功优化是指当系统有功负荷、有功电源及有功潮流分布己经给定的情况下,通过优化计算确定系统中某些控制变量的值,以期找到在满足所有约束条件的前提下,使系统的某一个或多个性能指标达到最优时的运行方式[3]。

所选数学模型为以系统网络损耗最小为目标函数,采用罚函数的形式处理节点电压越限和发电机无功出力越限的情况,其数学模型为

undefined

式中x1,x2∈Rn,x1=[VG,QC,Tt]为控制变量,x2=[VL,QG,PSB],λ1、λ2分别为违反电压和发电机无功出力约束的惩罚因子;α、β分别为违反节点电压和发电机无功出力约束的节点集合;Vilim、Qilim分别为节点i电压和无功的限值;Vimax、Vimin分别为节点电压Vi的上限和下限;Qimax、Qimin则分别为发电机节点i的无功出力Qi的上限和下限。

约束条件为:

a.潮流[4]等式约束

undefined

式中i∈N;Pi、Qi分别为注入节点i的有功功率和无功功率。

b.变量约束

变量约束可分为控制变量约束和状态变量约束。选取发电机端电压VG、无功补偿设备补偿容量QC和变压器分接头变比Tt为控制变量;发电机无功出力QG,负荷节点电压VL作为状态变量。

控制变量约束条件为:

undefined

状态变量约束条件为:

2融合鱼群和微分进化的蚁群优化算法

2.1蚁群优化算法简介

蚁群算法(Ant Colony Algorithm)是20世纪90年代才提出的一种新型的模拟蚁群行为的算法,由意大利A.Colomi和M.Dorigo首先提出来的[5]。是一种用以解决组合优化问题的多路并行的优化方法。蚁群算法的整个寻优过程可以分为相互作用的三个过程:蚂蚁构建解的过程、信息素更新过程和后台处理过程。

蚁群优化算法[6,7]通过模拟蚂蚁觅食行为来搜索问题的最优解。每只蚂蚁在候选解的空间中独立地进行搜索,并在前进途中留下路径信息素(pheromone trail),通过感知这种路径信息素来与其它蚂蚁进行交流、合作,从而找到最佳路径。经过某一路径的蚂蚁数目越多,路径上释放的信息素的强度就越大,蚂蚁选择下一路径时就依概率选择信息素强度大的方向。经过搜索的不断进行,较短路径上信息素不断累积,越来越多的蚂蚁能够选择短路径,从而收敛于最优路径,求出问题的最优解。

2.2鱼群优化算法简介

人工鱼群算法(artificial fish swarm algorithm,AFSA)是李晓磊[8]等人模仿鱼类行为方式提出的一种基于动物自治体的优化方法,是集群智能思想的一个具体应用。

在水域中的鱼能自行或尾随其它鱼找到营养物质多的位置,因而存在鱼数目最多的位置一般就是这片水域中营养物质最多的位置。鱼群算法就是根据这个特点,通过模仿鱼群的觅食、聚群及追尾行为,来实现问题寻优。以下是鱼具有的几种典型行为:

觅食行为:通常鱼在水中随机、自由地游动,只有当发现食物的时候,才会向着食物逐渐增多的方向游去。

聚群行为:鱼在水域游动过程中为了保证生存和躲避危害会自然地聚集成群。鱼聚群遵守的规则有3条:分隔规则;对准规则;内聚规则。

追尾行为:当鱼群中的一条或几条鱼在水域中发现食物,其临近伙伴会尾随其游动到食物点。

2.3 FDEACO算法的提出

蚁群优化算法的本质上是多代理算法,通过单个代理之间的交互来完成整个蚁群的复杂行为。其主要特征是信息素正反馈、分布式计算以及贪婪启发式搜索。ACO的基本原理都是通过旅行商问题来阐述的,如文献[9]中所述。

ACO同样存在着陷入局部最优和收敛速度慢等缺点。通过对人工鱼群算法的研究,受人工鱼群觅食、聚类和追尾行为的启发,将人工鱼群追尾行为引入到蚁群优化算法,对蚁群算法进行改善。

蚁群算法的核心就是路径选择策略和信息素更新机制。蚂蚁k在可行域里依转移概率公式进行搜索,

undefined

式中τij,ηij分别表示边ij上的信息素和启发信息;α和β分别反映了所积累的信息素和启发信息的相对重要性;undefined表示蚂蚁下一个可供选择的城市集。

一次搜索完成,行走路径上包含的信息即为可行域里的一个可行解。路径的长度即为目标函数的值。用向量X表示解的状态,则蚂蚁k搜索到的解为Xk,到目前为止记录的最优解的状态为Xbest,比较适应值,若蚂蚁搜索到的解Xk比当前最优解Xbest更优,则更新最优解Xbest;否则,依据人工鱼群算法追尾行为,蚂蚁k搜索到的解依据鱼群追尾公式向当前最优解前进一步,即

式中STEP表示人工鱼移动步长的最大值,xki表示蚂蚁k的状态向量Xk的第i个元素。

对蚂蚁搜索到的解应用人工鱼群追尾行为的式(6)进行修改,然后再对修改后的新解进行信息素的更新。可以使解快速的向最优解的方向收敛,达到全局最优解,从而加快了蚁群算法的收敛速度,提高了算法的执行效率。

在信息素的更新机制里,公式(7)(8)(9)是基本的信息素更新公式。

τij(t+1)=(1-ρ)×τij(t)+Δτij (7)

undefined

式中ρ为信息素挥发系数;Lk表示第k只蚂蚁在本次循环中所走路径的长度;Q是常数为信息素强度。

通常情况下,蚁群算法通过正反馈可以使所有蚂蚁收敛于最优解,但是,在特殊情况下算法也有陷入局部最优的可能性。当大部分蚂蚁收敛于局部最优解,将很难跳出局部最优解再找到全局最优解。

为了弥补蚁群算法的上述不足,受微分进化算法的启发,将发散项引入到蚁群算法的信息素更新机制里,通过增加随机扰动来帮助算法跳出局部最优。

Lundefined=Lk+F(Lp-Lq) (10)

式中F为属于[0,1]的微分进化发散因子;p,q为介于(0,1)之间的随机数。

因此信息素更新公式变为

undefined

通过加入微分进化算法的发散项,对蚁群算法信息素的更新引入了一个微小扰动量,增加了随机性,从而可以减小了算法过早陷入局部最优的可能性。

3基于FDEACO算法的无功优化

将FDEACO算法应用于电力系统无功优化模型中,具体的优化步骤如下:

a.读取原始数据,包括节点和支路信息;

b.初始化。将系统的控制变量量化分级作为“城市”,控制变量的维数和取值范围,对应于蚁群搜索的可行域。在可行域里随机产生m个个体,设置算法参数,形成初始蚁群;

c.蚁群k依据公式(5)进行搜索,记录各个控制变量的取值,在可行域中得到一个解状态,依据节点和支路信息计算潮流和适应值;

d.比较适应值,若Xk比当前最优解Xbest更优,则更新最优解Xbest;否则,根据公式(6)将所搜所到的解向当前最优解前进一步,对搜索到的新解依据节点和支路信息计算潮流和适应值;

e.根据公式(7)(8)(11)对新解进行信息素的更新;

f.达到迭代次数或计算精度,计算最优潮流和最小网损,输出最优潮流、最优解、最小网损和迭代次数,程序终止。否则回转步骤c.继续进行搜索。

4算例分析

为了验证算法的有效性,选取IEEE30节点标准测试系统为例进行算例分析。

IEEE30节点共有6台发电机,41条支路,4台变压器,9台并联电容补偿器,机端电压的范围为[0.9,1.1],其余节点电压为范围为[0.9,l.05],变压器变比的范围为[0.9,1.1],电容的无功补偿范围为[0,0.5],功率的基准值取为100 MVA。参数设置,蚂蚁数量50,迭代100次,α=1,β=2,ρ=0.3,Q=100,最大移动步长STEP=0.005

利用Matlab编写FDEACO算法程序,在初始条件下,计算潮流得:∑PG=2.893 86 ∑QG=0.980 20,Ploss=0.059 88,利用FDEACO算法进行多次优化计算。表1给出了遗传算法[10]、多智能体粒子群算法[11]、免疫蚁群算法[12]、FDEACO算法的优化结果并将它们进行比较。

优化前后各节点的平均电压情况如图1。

基本蚁群算法和FDEACO迭代结果对比如下图2。

IEEE30节点系统的初始网损为0.059 88,三个节点26,29,30电压越限。经过FDEACO算法优化后,由表1中数据可以看出,平均计算网损为0.048 12,相比遗传算法,多智能体粒子群算法,免疫蚁群算法计算的网损更小;由图1可以看出系统经过算法优化后没有电压越限的节点,所有节点电压保持在一个很好的水平。由图2可以看出FDEACO比基本蚁群算法更早收敛于最优解,提高了收敛速度和精度。通过以上图表发现用FDEACO算法进行电力系统无功优化降低了电压损耗和有功网络损耗,提高了供电质量,增强了系统的安全性、可靠性和经济性。

5结论

在基本蚁群算法的基础上提出的FDEACO算法,改善了基本蚁群算法的搜索时间长、容易出现停滞和陷入局部最优解的缺陷。通过在IEEE30节点算例应用验证,该算法进行无功优化是有效的,加快了收敛速度,提高了计算精度和全局收敛能力。

参考文献

[1]宋明曙.电力系统无功优化分析[D].济南:山东大学,2008.

[2]蔡宁.电力系统无功优化研究综述[J].电工技术,2006(10):43-44.

[3]段涛,陈维荣,戴朝华,等.多智能体搜寻者优化算法在电力系统无功优化中的应用[J].电力系统保护与控制,2009(1):10-15.

[4]吴际舜,侯志俭.电力系统潮流计算的计算机方法[M].上海:上海交通大学出版社,2000.

[5]ColorniA,DorigoM,ManiezzoV.An investigation of some proper-ties of an ant algorithm[C].Proc of the Parallel Problem Solvingfrom Nature Conference(PPSN’92).Brussels,Belgium:ElsevierPublishing,1992,509-520.

[6]张纪会,高齐圣.自适应蚁群算法[J].控制理论与应用,2000,17(1):1-3.

[7]陈敬宁,何桂贤.带杂交变异因子的自适应蚁群算法在电力系统无功优化中的应用[J].继电器,2003,31(1):36-39.

[8]李晓磊,邵之江,钱积新.一种基于动物自治体的寻优模式:鱼群算法[J].系统工程理论与实践,2002,22(11):32-38.

[9]陆洁.基于蚁群算法的城市中压配电网络规划研究[D].天津:天津大学,2008.

[10]Lai LL,杨以涵.遗传算法在电力系统无功优化中的应用[J].中国电机工程学报,1995,15(005):347-353.

[11]赵波,曹一家.电力系统无功优化的多智能体粒子群优化算法[J].中国电机工程学报,2005,25(5):1-7.