动态条件

动态条件（通用9篇）

动态条件 篇1

近年来, 武警部队担负维稳驻训、反恐处突、自然灾害救助、重大疫情处置、重大事故应急等非战争军事行动的地位和作用日益显著, 这些行动具有爆发突然、持续时间不定、情况复杂、性质多样、执勤点多面广的特点。武警后勤财务保障面临着更加繁重的任务和更高的要求, 必须了解并掌握有关行动的特点规律, 建立起相应的保障机制和应急预案, 才能高标准完成好动态条件下财务保障工作。本文从动态资金安全管理, 财务保障管理模式的完善, 提高管理效能等方面, 就动态条件下如何做好财务保障工作谈几点思考:

一、严密组织, 严格管理, 确保资金安全

(一) 强化机动途中现金安全管理。部队外出执行任务, 与平时保障有很大区别, 现金管理就是其中一个突出的环节。常态条件下, 部队经费开支一般由银行转账支付或直接利用《武警部队集中支付系统》来完成, 只需要储备少量现金。而遂行任务时, 一般机动路途远, 时间跨度长, 经费保障方式比较单一, 现金储备量比较大。为确保机动途中经费保障安全高效, 任务部队需要视情成立由会计和出纳两名以上财务人员组成的经费保障组, 随梯队编组随行保障。

(二) 加强临时驻地资金安全管理。进驻任务区后, 临时驻地多为学校和其它政府用房等, 住房配套设施相对简陋, 财务室的安全管理更达不到要求, 加大了资金管理的难度。特定条件下可采取一人管理钥匙, 一人管理密码, 有人在房间全程看管的方法, 保证资金绝对安全。

(三) 严格规范资金动用审批权限。部队外出执行任务时, 应结合任务类型和特点, 制定出执勤期间经费资产审批管理规定等, 按照精细化编制预算的要求, 区分前线部队与后方留守部队各项经费, 规范经费使用、审批权限等环节, 实现资金管理科学规范, 经费使用高效安全。财务职能部门要加强监督执行, 做到经费使用程序清楚、结算报审合法合理, 防止在经费使用上乱开口子, 杜绝“战斗一打, 钱财乱花”的现象发生。

二、主动作为, 积极协调, 拓宽保障渠道

(一) 疏通渠道, 确保经费保障高效。部队进驻任务区后, 首先应开设临时账户, 打通前后方账户资金划拨渠道, 确保经费供应及时高效。根据处置突发事件时现金需求量大的特点, 还应建立战储资金专户存储制度, 与银行建立热线联系, 实行现金全开候划拨提取, 保证应急资金随需随供、随到随办。

(二) 立足自我, 突出重点灵活保障。部队执行处突、维稳任务, 有时地方保障优势体现不够明显, 经费物资保障首先要按照“立足自我, 主动供应, 服务到点”的原则, 采取灵活多样的保障方式, 做好预案保障与随机保障相结合, 建制保障与越级保障相结合, 经费保障与实物保障相结合, 前送保障与伴随保障相结合, 定点保障与机动保障相结合, 确保经费物资供应到点, 财务保障上一线, 积极发挥财务保障优势, 确保任务圆满完成。

(三) 军地协调, 合理利用保障力量。按照有关政策要求, 充分发挥地方保障优势, 争取地方有关单位对部队任务所需和经费物资上的大力支持, 在立足自我保障的同时, 积极与地方、友邻单位加强沟通协调, 依托多方力量, 共同搞好财务保障。比如, 部队进驻初期, 官兵生活条件相对艰苦, 通常情况下, 可以协调地方单位解决临时驻地水、电、暖等基本生活保障。

三、坚持原则, 科学筹划, 提高管理效能

部队担负执勤任务时, 经费保障要坚持以任务为牵引, 始终按照“保战备、保中心、保生活”的要求, 以满足完成执勤任务需要和解决官兵实际生活困难为重点, 经费实行集中统管, 物资采购实行统筹统供, 资产实行集中调配, 最大限度地发挥经费物资保障效益。

(一) 加强计划管理, 确保物资采购快捷高效。物资采购要严格依据《武警部队物资采购管理规定》, 按照立项审批、编制预算、精细采购、审核验收、经费结算的程序实施, 并注重发挥好统筹统供作用, 灵活科学选取采购方式, 确保在任务区建立科学、正规的物资采购运行机制, 在提高军事经济效益的同时, 快速形成遂行多样化任务“动态保障”能力。对数量大、金额多、便于一次性集中采购的项目, 采取公开招标和邀请招标相结合的方式采购;对采购频繁、时间跨度长、小批量多批次的项目, 采取供应商协议保障和定点采购的方式进行, 确保采购过程的高效、便捷。

(二) 注重资源整合, 发挥资产使用效益。由于执行任务准备时间紧、复杂情况不可预测, 在动态条件下, 部队难免要添置部分资产, 要本着“实用、够用”的原则, 严格落实资产管理规定, 在重点保障任务完成的同时, 还要坚决杜绝“超标准、无预算”购置资产及重复购置资产等问题的发生。对超配、闲置等资产, 按照“尽量向作战单元倾斜、重点保障基层需求”的基本要求, 科学整合现有资源, 最大程度提高资产使用率。

(三) 抓基层打基础, 提高财务人员应急保障水平。急难险重任务面前, 后勤保障尤为重要。提高后勤保障能力, 人才是关键。促进财务保障能力的提高, 就必须要抓好后勤财务人员及司务长队伍建设。首先要抓好战备思想教育, 牢固树立“平时为了应急”的常备不懈思想, 增强应急观念, 加强财务理论研究, 熟悉应急财务标准, 夯实专业基础。第二, 必须以增强财务人员业务素质为核心, 以模拟应急财务保障为重任, 以提高动态条件下财务保障能力为目的, 多层次、多形式、有步骤地组织财务人员素质训练, 确保在动态条件下财务人员拉得出、供得上、算得清、管得好。第三, 司务长是基层后勤和财务部门之间的“纽带、桥梁”, 所以, 抓好司务长队伍建设, 始终要以业务培训为抓手, 有效提高司务长理财能力;以督促检查为手段, 促进基层财务管理秩序正规, 全面提升基层财务管理水平, 提高基层经费保障效益。

当前, 武警部队担负各种任务愈加频繁, 肩负的使命更加艰巨, 面临前所未有的矛盾更加突出。机动部队遂行任务的多样化彻底打破了常规的保障模式, 做好动态条件下的财务保障工作已成为不可忽视的课题。随着部队建设和发展特点规律的不断变化, 作为后勤保障职能部门, 如何做好财务保障工作还有很多空间值得进一步的研究和探讨。

摘要：随着部队建设和发展特点规律的不断变化, 作为后勤保障职能部门, 如何做好财务保障工作还有很多空间值得进一步的研究和探讨。本文从动态资金安全管理, 财务保障管理模式的完善, 提高管理效能等方面, 探索武警部队在动态条件下做好财务保障工作的方法和路子。

关键词：动态,财务保障,武警

动态条件 篇2

目前西方产业组织理论对由创新所驱使的高技术产业的竞争性质研究较少，对竞争过程和性质的理解也局限于传统的微观经济学。由于其公共政策和经济理论都没有很好的揭示这些产业的演化过程，因此在实践中，高科技产业的参与者所获取的经济租金，产业竞争程度表面上的不足，以及相关的市场结构等，都被看作是市场垄断势力的代名词。美国政府对微软案件的判决，就使这些问题变得进一步尖锐化。

微软公司在美国所遭遇的故事提醒我们，无论我们对这一案件的判决采取什么样的价值观，都可以发现，在知识密集型的高技术产业中，传统的反垄断分析不能正确地界定市场和评估市场势力，也无法据此制定科学的、能够促使产业健康成长的反垄断政策。根据西方国家实施竞争政策的传统经验来建立我国的反垄断法或竞争政策，有可能会忽视高科技的产业背景，损害我国刚刚处于幼稚状态的高科技产业的健康发展。

一、高技术产业的动态竞争：技术范式的转移

高技术产业中的竞争与低技术产业或成熟产业的竞争有着本质的不同，除了一般所说的竞争具有残酷性、周期性和不可预测性外，高科技产业中的若干重要的.特征还表现为许多方面，它们对传统标准下的反垄断政策产生了巨大的冲击(注：卡尔・夏皮罗和哈尔・瓦里安：《信息规则》，中国人民大学出版社，，第277-278页。)，如在生产成本方面的高固定成本和低边际成本的特征，这使主要以传统产业的成本特征而制定的反价格歧视政策，以及以边际成本界定掠夺性定价的反垄断标准无法实施;高科技产业需要行业的标准化和合作，因此不可避免地出现一定程度的市场集中，由此造成的垄断不可能像对传统产业那样实施管制;在高技术领域的竞争中，合作研究建立标准或开发新技术，如果能够给消费者带来利益，也不会担心受到反垄断法的制裁，等等。

我认为，高技术产业竞争与低技术产业或成熟产业的竞争本质的不同之处在于，后者所进行的技术创新是累积性创新或者连续性的创新，往往针对现有产品和服务所进行非本质改进和更新，其基础性的技术原理、路线和方向并不会由此发生彻底的改变，不需要为开发产品发展出一种全新的技术范式，用户也不需要改变他们的消费方式和消费习惯。而高技术产业竞争的本质特征是技术的非连续的范式转移(paradigmshifts)，这种范式的转移是间断性的和“蛙跳”式的，原有的技术范式会受到彻底的颠覆和毁灭性打击，产业中企业的市场份额也会发生迅速的转移，会彻底摧毁在位企业所拥有的领先优势和对市场的垄断性支配地位，出现新的市场领袖和新的产品市场割据局面。

熊彼特的“创新性毁灭过程”与我们这里所说的“非连续的范式转移”，在经济含义上具有相当的一致性，强调的都是技术创新的间断性。(注：熊彼特：《经济发展理论》，商务印书馆，1991年，第290页。)是否是技术创新的间断性的领导者，是判断一个企业是否属于高科技产业的主要标准。如移动通信技术目前已经历三代，从最初的模拟数字技术，GSM标准到3G标准，领导和顺应这种技术创新间断性潮流的摩托罗拉公司、诺基亚公司等，都是属于高科技厂商，而同样也生产手机的中国厂商，只是在现有移动通信技术范式方面进行模仿和连续的改进，不具有基础技术领域中的自主知识产权，因而只能算作是成熟产业的生产制造厂家。前英特尔公司的首席执行官AndyGrove把这种间断性的技术创新现象归结为一个产业演化中的“主要拐点”，他用拐点理论描述了这些产业中存在的巨大的商业风险，认为这一拐点是客观存在的但是它的到来却具有不可预测

动态条件 篇3

1.基于学校发展的需要

长期以来，学校在学生学业水平动态化评价方面，尤其是在指标体系、命题（或问卷）结构、工具研制、超大型数据采集、数据库建设、数据分析、结果呈现、数据解读以及评价过程质量监控方面缺乏深入的研究，在科学数据支撑下的有效反馈、指导手段和专业力量更是不足。针对我校在发展中遇到的问题，我们拟利用有效的信息技术手段结合课堂教学研究，思考和探索适合学生个性化学习的动态评价与提升研究项目。

2.基于学校的学情定位

学校地处老城区，受青岛市政建设的影响，新市民子女所占比例较大，大多数学生的家庭环境不优越，学习条件相对落后，家长在子女教育上的投入非常有限。学生受家庭条件的制约，对学校教育的依赖相比一般学校更大，学校需要能够提供个性化的课堂教学和个性化的学业评价来满足本学区学生的需要。

3.基于学校网络教学平台使用的局限性

我们希望能建立智能化的技术平台来改变课堂结构，那些教师没讲的问题可以通过题目附带的答案解析帮助学生自己改正错误。对于那些学生已经掌握的问题，平台可以提供不同层次的练习供学生选取，既可以找同类型的进一步巩固，也可以选取综合性强的进行拓展提升。这样的平台能让各个层次的学生在试卷讲评课上都有收获，通过系统提供适切性的练习，真正实现因材施教，使学生能进行个性化学习。

● 研究内容

1.课题界定

课题“信息技术条件下学生学业水平个性化动态评价与提升研究”是指依托以多媒体和网络技术为核心的信息技术构建的学校教学网络平台（如“高效新课堂”和“阅卷易”等技术平台），通过对平台功能、资源的合理设计和开发，对教与学的过程和教与学资源的设计、开发、利用、评价和管理，为学生的个性化学习提供有利条件。

2.研究目标

（1）通过研究，为学生个性化发展铺路搭桥。课堂上通过运用信息技术更好地进行个性化教学，真正实现以学生为核心的个性化培养。课下借助手机、Pad等移动终端，方便学生随时随地展开专属化学习，通过平台对大数据进行智能计算，选择推送适合学生发展水平的相应问题，真正实现因材施教。

（2）通过激发学生兴趣，促进学生主动学习。在翻转课堂中，学生被赋予更多的自由，师生、生生之间有了更多交流与互动的机会。信息技术支持下的多种教学模式的融合，改变了以往沉闷的课堂气氛，让学生也能积极主动地参与学习。课堂结构的改变，促进了学生高阶思维的发展，激发了学生的学习动机，使其真正达到会学、乐学。

（3）通过研究，使信息技术下的网络教学平台，得以更加合理有效地利用，提升了办学品位，增强了学校可持续发展的能力。

3.研究框架

（1）依托高效新课堂网络教学平台，探索基于学校特点的翻转课堂教学模式。图1为系统框图。

（2）依托阅卷易网络教学平台，构建学生学业水平个性化动态评测系统。图2为系统框图。

● 研究方法

1.调查法

对本校研究对象的班级进行调查，对实验初期、实验中期、实验后期进行必要的问卷调查。

2.对比法

研究对象的班级与非实验班级对比；对研究对象班级的初、中、后期的情况及结果进行对比分析。

3.分析法

按实验要点、内容，做好学科分析。例如，分析运用网络教学平台对学生学习能力、学业水平的影响等。

4.其他

在实验中可随机运用观察法、行动研究法、经验总结法、个案法、文献法等。

● 创新之处

1.我校“高效新课堂”网络教学平台的特点

（1）教学起点弹性化。通过不同层次的练习，准确把握学生的学情，设置弹性化的教学起点，实施个性化教学。

（2）学习进程个性化。学生根据自己的学习情况，选取适合自己的相应层次的练习，实现课堂学习的个性化。

（3）教师指导具体化。根据数据反馈，确定针对每位学生的学习情况进行个性化的指导和反馈的策略，让课堂练习和评价真正成为学生学习的助推器。

（4）课后学习兴趣化。系统设置闯关练习和奖励积分，调动学生学习的积极性。

我们借助“高效新课堂”平台，提炼形成我校课堂教学的四环节，即微课助学、合作互学、重点导学、评价促学。

2.我校“阅卷易”网络教学平台的特点

（1）试题命制精准化。每道题配备的考点分析，促进教师深度钻研教材，准确把握试卷的命制。

（2）问题诊断具体化。学生可以清楚地找出自己没有掌握的知识点，以便能及时查漏补缺。

（3）查漏补缺个性化。每题配备巩固练习，学生学习后再根据个人弱点完成配套的补充练习，进行巩固训练进一步检验。让每次测试都能达到清理知识死角、解决遗留知识漏洞的目的。

（4）知识构建系统化。追踪学生日常及模拟考试等相关学习数据，记录并进行数据分析，了解每位学生的学习问题，并有重点地进行教学和有针对性的练习，帮助学生迅速提升学业水平。

借助“阅卷易”平台，我们提炼形成了我校课后自学巩固的四环节，即精准命题、科学诊断、深度分析、巩固提升。

● 研究取得的初步成果

1.学生个性化学习初见成效

在课堂上，教师借助信息技术能更好地进行个性化教学，真正实现以学生为核心的个性化培养。学生根据自己的需要可以观看微视频，可以查看自己的错题集，也可以查看自己的错题解析，利用电子书包将教具变为学生的学具。课下借助手机、Pad等移动终端，学生可随时随地展开专属化学习。教师通过平台对大数据的智能计算，选择推送适合学生发展水平的相应问题，真正实现了因材施教。

2.激发学生兴趣，促进学生主动学习

在翻转课堂中，颠倒了知识传授和知识内化发生的情境，改变了以往课堂上学生学习的被动状态，学生学得积极主动，课堂气氛轻松愉悦，从“要我学”变成“我要学”。课堂结构的改变，促进了学生高阶思维的发展，激发了学生的学习动机，使其真正达到会学、乐学。

3.挖掘学生潜能，促进学生可持续发展

义务教育阶段的课程标准，其基本出发点是促进学生全面、持续、和谐地发展，促进学生可持续发展能力的培养。基于此，我们借助信息技术，通过课堂教学为学生的全面和可持续发展铺平了道路。

浅淡VFP中动态条件的视图设计 篇4

视图实际上是由SQL-Select语法产生的临时环境, 通过一定的连接关系和记录筛选条件, 将来自于VISUAL FOXPRO数据表或后端数据库的数据集合到一起形成的数据集, 利用视图设计器中的更新条件中的设置, 使这个在Runtime时期产生的数据集可以对相应的表记录进行读写操作。如果在一个应用中, 需要重复多次使用不同的筛选条件形成视图, 以得到不同的记录集, 这就需要动态设置筛选条件, 即建立所谓的参数化视图。接下来探讨如何设计一个查询条件不“写死”在查询条件中的查询, 也就是设置一个变量, 让用户输入该变量内容, 再将该变量内容作为查询条件装入视图中。

1 利用宏替换

在视图设计器中的筛选中设置一个含有宏符号的变量, 例如:性别=“&sex”, 可以通过以下代码装入相应记录:

OPEN DATABASE<数据库名>

SEX=“男”

USE<视图名>IN 0

BROWER

如果查询后, 已在Runtime时期产生数据集, 若这时将sex变量内容再一次定义, 让视图重新装入相应记录可以采取以下两种方法。

1.1 利用REQUERY () 函数

REQUERY () 函数是用来对视图进行查询与装入记录操作的, 其返回值为真, 表示执行成功, 否则表示不成功。例如将sex变量内容重新定义后, 这时可以执行语句:=REQUERY (<视图名>) , 这样就可以重新装入记录。下面是在Form对象中实现的具体步骤:

1.1.1 在Form的数据环境中加入设置好的视图。

1.1.2 加入Grid对象、Text Box对象、Com-mand对象, 分别用于显示记录、输入查询内容、点击执行查询。

1.1.3将Grid对象的Record Source设置为装入的视图名称;

1.1.4在Form对象的Load Event事件中加入如下代码:

PUBLIC SEX

SEX=''

1.1.5在Text Box对象的Valid Event中输入如下代码:

SEX=THIS.VALUE

1.1.6 在Command对象的Click Event中输入代码:

=REQUERY (<视图名>)

THISFORM.REFRESH

1.2 利用Data Environment的No Data On-load属性

No Data Onload属性为Cursor对象的属性, 一般用于设置在Runtime时期, Cursor是否装入记录, 这一属性只适用于视图所产生的Cursor对象。利用该属性, 我们可以将Data Environment对象中的Cursor对象No Data Onload属性设为真。在Form对象中的实现的步骤同上面类似, 只需将上面第 (6) 步在Command对象的Click Event中输入代码改为:

THISFORM.DATAENVIRONMENT.CLOS-ETABLES

THISFORM.DATAENVIRONMENT.CUR-SOR1.NODATAONLOAD=.F.

THISFORM.DATAENVIRONMENT.OPENTABLES

THISFORM.GRID1.RECORDSOURCE=<视图名>

THISFORM.REFRESH

2 利用设置OOP语法来动态查询

这种方法通过用户自定义一个Form属性, 将自定义属性的值作为查询的条件, 通过修改自定义属性的值来完成动态的记录装入。下面介绍具体的操作步骤。

2.1 用表单设计器创建一新表单, 在表单的Data Environment中加入视图, 在Data Environment中形成一个Cursor1对象。

2.2 将Cursor1对象的Nodate On Load设置为.T.;

2.3在表单中创建一个Grid对象, 并将Grid对象的Record Source设置为装入的视图名称;

2.4 通过“表单”菜单中“新建属性”选项创建一个新属性, 例如属性为:query;

2.5在视图设计器中的筛选中设置OOP语法的条件, 该筛选条件必须同上一步创建的新属性名相对应, 在筛选中实例内设置的格式为:?<变量名>。例如:如果上一步设置的属性为"query", 则应在实例中输入"?thisform.query";

2.6 设置一个Text Box对象输入查询值, 在Text Box对象的Valid Event中输入如下代码:THISFORM.QUERY=THIS.VALUE

表示将Text Box对象的输入内容定义给Form对象的新属性;

2.7 设置查询按钮, 在Command对象的Click Event中输入代码:

摘要：比较详细介绍了在VFP中如何利用宏替换和面向对象设计思想来实现动态条件的视图。

关键词：视图,REQUERY () ,NoDataOnload,OOP

参考文献

[1]陈宗兴.Visual Foxpro实用手册[M].北京:科学出版社.1997.

动态条件 篇5

基于现实条件的限制, 当大规模自然灾害突发以后, 相关部门第一时间得到的信息往往是模糊的、不确定的。随着道路情况、受灾点需求等信息的不断更新, 应急物流路径优化的决策也应随时进行调整, 这就是本文要研究的动态需求条件下的路径优化问题, 也可称为“实时”问题或“在线”问题, 但国内外相关文献研究中使用“动态”问题的描述更为广泛。1977年, Wilson和Colvin研究了顾客如何搭载车辆到达目的地的问题, 这是首次将动态特性与VRP问题结合的文献[1];Potvin (2006) [2]、Xiang (2008) [3]等通过考虑不同的动态因素, 提出了相应的调配策略;Guner[4] (2012) 、饶卫振[5] (2013) 等针对不同起讫点的路径优化问题, 建立了具有模糊需求的动态多目标约束规划模型。本文在分析国内外相关研究成果的基础上综合考虑了四种动态事件, 建立了动态路径优化模型, 为动态规划理论在该领域的应用提供了相关理论依据;通过算例分析验证了模型的有效性, 可以更加适用于实际灾情发生后信息不断更新的情况, 为动态事件发生后如何优化配送方案提供了有效参考。

1 问题描述

静态需求条件下的路径优化问题是应急物流领域的热点问题, 也是本文研究的动态路径优化问题的基础, 可以简单描述为:大规模自然灾害发生后, 假设受灾地区的需求信息是确定的并可以一次性得到的, 相关救援部门根据第一时间获取的灾情信息制定救援方案, 从临时中转站调配车辆完成配送任务。静态需求条件下的路径优化模型有时间和成本两个目标:

1.1 时间最小化目标

目标函数 (1) 为模型第一目标, 即保证运载过程中的物资运输时间总和与未满足时间窗限制的惩罚最小。对于突发自然灾害来说, 各灾区对于救援物资响应时间的要求是较高的, 随着时间的推移, 需求的重点转化为对物资数量的要求。

1.2 成本最小化目标

目标函数 (2) 的目标是追求运载过程的总成本最小, 包括车辆固定成本与变动成本两方面。

在实际突发自然灾害中, 信息总是不断更新的, 本文在此基础上考虑了四种情况下的动态信息: (1) 出现新的受灾点; (2) 原有受灾点改变需求信息; (3) 原有受灾点撤销应急需求; (4) 道路阻塞。静态和动态应急物流路径优化问题的区别在于, 前者假设灾害发生后的需求信息是确定的, 其物资配送方案是配送前一次性求解得到的;而动态需求条件下的应急物流路径优化问题需要基于灾害初始时刻的已知信息求解得到初始配送方案, 进而在执行的过程中将不断更新的信息考虑进来, 产生新的配送方案。假设在配送的过程中共有M次新信息的出现, 则求解的过程就是M+1次。因此, 动态需求条件下的应急物流路径优化问题可以看成是在出现新信息的时刻点分别将新的因素考虑进来, 得出新的优化配送方案。静态与动态应急物流车辆路径问题的对比分析如图1所示。

从图1可以看出, 动态问题的初始求解是基于静态问题的, 而当新信息出现后, 运载物资的车辆正在执行初始的配送方案, 如何调整配送方案使之达到全局最优就是本文需要解决的问题。

2 动态需求条件下的路径优化模型

由上述分析可知, 建立动态需求条件下的路径优化模型, 就等价于建立能够表示M+1个静态车辆路径问题的模型, 具体来说就是在M个动态事件发生的时刻点{Event Time1, Event Time2…Event Timem}下, 动态路径优化模型的求解会分别对应M个静态路径优化问题。

因此, 本文的动态路径优化模型的最终解是M+1个静态路径优化问题在时刻点{Event Time1, Event Time2…Event Timem}下的组合。

2.1 模型假设为了更好地描述和理解灾后需求不断更新的路径优化模型, 模型的构建应满足如下假设:

(1) 只考虑一个受灾分组内的需求点物资配送信息, 即所有配送车辆从同一个中转站出发, 中转站坐标已定。

(2) 每个受灾点的物资需求都只由同一辆车供应, 且需求点的需求量小于车辆的载重。

(3) 只考虑局部道路阻塞问题, 即不考虑大面积交通瘫痪致配送方案无法执行的问题。

(4) 整个救援任务以所有需求点的需求量得到满足为止。

(5) 运载车辆的平均速度是已知的。

2.2 模型构建

动态需求条件下的路径优化问题在时刻点t下的模型是一个多目标优化模型, 根据上述分析, 结合动态规划的原理和已构建的静态路径优化模型, 现构建动态路径优化模型如下:

式 (3) 为本文建立的动态路径优化模型, 其中t0为配送方案开始的时刻点, tE为配送过程中新的动态信息Eventm出现的时刻点, ft0-t E表示从配送方案开始到动态信息出现的过程中, 配送车辆按静态路径优化模型得出的优化方案所执行得到的最优解;te为整体配送方案结束的时刻点, ft E-te表示动态信息出现后根据静态路径优化模型所得到的新的配送方案, 新的动态事件可能有M种, 其中用d (t) 表示t时刻点的动态信息, 是一个离散函数。

在物资配送过程中, 原有信息不断更新, 本文考虑的动态信息包括四类: (1) 出现新的受灾点; (2) 原有受灾点改变需求信息; (3) 原有受灾点撤销应急需求; (4) 道路阻塞。

3 模型求解思路

针对以上分析, 形成了适用于本文构建动态路径优化模型的求解思路:将动态路径优化问题看成M+1个静态问题, 即接收动态事件后, 将新信息替换原有信息得到一个新的静态路径优化问题, 在每次动态事件发生后整合接收的新信息, 从全局角度出发重新优化配送方案。

通过引用关于静态需求条件下路径优化问题设计的改进蚁群算法, 结合动态路径优化模型的特点, 本文设计的算法步骤如图2。

4 算例分析

4.1 问题的初始条件

在静态需求条件下的应急物流路径优化问题中, 通过考虑临时中转站与受灾点坐标、灾情等级、受灾点需求信息等数据, 将15个受灾点分成两个受灾分组, 利用设计的改进蚁群算法进行了相关分析, 最终的总目标函数值是由5条子路径的目标函数值分别相加并赋予权重获得:f1=3004, f2=8035;0.7f1+0.3f2=4513.3。并将改进蚁群算法的改进之处分别限制从而构造了另外两种蚁群算法进行比较, 证实了改进蚁群算法的优越性。

图3为静态路径优化问题其中一个受灾分组得到的最优解, 即本文动态路径优化问题的初始配送方案。初始最优解的车辆数目为3, 临时中转站为Ⅰ。子路径1:Ⅰ→8→3→9→1→Ⅰ;子路径2:Ⅰ→4→7→6→Ⅰ;子路径3:Ⅰ→2→5→Ⅰ。

现对配送过程中发生的动态事件进行假设如下:

(1) 在Event Time1 (3) 时刻, 受灾点3和4改变应急需求, 其中受灾点3对物资1和物资2的需求量更新为 (3;5) , 受灾点4对物资1和物资2的需求时间窗更新为 (7;9) ;

(2) 在Event Time2 (6) 时刻, 受灾点9撤销应急物资需求;

(3) 在Event Time3 (9) 时刻, 受灾点1和5之间的道路阻塞, 经过5个时间段后修复完好, 这一过程中车辆选择继续等待或者寻找新的路径;

(4) 在Event Time4 (10) 时刻, 新的受灾点10和11提出应急需求, 其中受灾点10的坐标为 (14, 8) , 对物资1和物资2的需求量为 (5;4) , 时间窗为 (9;6) , 受灾点11的坐标为 (18, 22) , 对物资1和物资2的需求量为 (14;10) , 时间窗为 (8;9) 。

4.2 实验结果分析

本算例中设定车辆的平均行驶速度为1, 车辆的载重负荷为65吨, 车辆行驶的固定成本为500元/辆, 车辆行驶的变动成本为50元/小时, 时间窗限制的惩罚系数假定为100元/小时。本算例中设定改进蚁群算法的参数如下:迭代次数为200, 种群大小为20, α=2, β=2, ρ=0.5, Q=1, τmin=3, τmax=10。

将上述设定的实际问题的初始条件代入本文建立的动态路径优化模型中, 并根据上述模型求解思路的分析求解算例, 结果如下:

(1) t0时刻的配送方案已知, 在Event Time1 (3) 时刻, 子路径1中受灾点8已完成配送, 下一配送点为3;子路径2中受灾点4即将接受配送;子路径3中受灾点2即将接受配送。

根据更新的信息, 当前时刻最优解的车辆数目为3, 子路径1:Ⅰ→8→3→9→1→Ⅰ;子路径2:Ⅰ→4→7→6→Ⅰ;子路径3:Ⅰ→2→5→Ⅰ。

(2) 在Event Time2 (6) 时刻, 子路径1中受灾点8、3已完成配送, 下一配送点为9;子路径2中受灾点4已完成配送, 下一配送点为7;子路径3中受灾点2即将接受配送。

根据更新的信息, 当前时刻最优解的车辆数目为3, 子路径1:Ⅰ→8→3→1→5→Ⅰ;子路径2:Ⅰ→4→7→6→Ⅰ;子路径3:Ⅰ→2→Ⅰ。

(3) Event Time3在 (9) 时刻, 子路径1中受灾点8、3已完成配送, 下一配送点为1;子路径2中受灾点4、7已完成配送, 下一配送点为6;子路径3中受灾点2即将接受配送。

根据更新的信息, 当前时刻最优解的车辆数目为3, 子路径1:Ⅰ→8→3→1→Ⅰ;子路径2:Ⅰ→4→7→6→Ⅰ;子路径3:Ⅰ→2→5→Ⅰ。

(4) 在Event Time4 (10) 时刻, 子路径1中受灾点8、3已完成配送, 下一配送点为1;子路径2中受灾点4、7已完成配送, 下一配送点为6;子路径3中受灾点2已完成配送, 下一配送点为5。

根据更新的信息, 当前时刻最优解的车辆数目为4, 子路径1:Ⅰ→8→3→1→11→Ⅰ;子路径2:Ⅰ→4→7→6→Ⅰ;子路径3:Ⅰ→2→5→Ⅰ;子路径4:Ⅰ→10→Ⅰ。

由上述假设可知, 在时刻点Event Time4 (10) 后不再有动态事件出现, 配送方案执行至结束。最终解的最优路径如图4所示。

最终的总目标函数值是由4条子路径的目标函数值分别相加并赋予权重获得:

从上述实验结果可以看出, 动态需求条件下的应急物流路径优化问题比较复杂, 最终解的值要大于相同数据下静态路径优化问题的值, 这是因为在动态需求条件下, 配送方案是不断修正并更新的, 车辆可能会在两个受灾点之间时接受新的配送方案, 从而修正原路径, 因而会增加时间和成本。

5结论

本文在静态需求条件下路径优化问题的基础上, 根据实际应急物资配送过程中会不断有信息更新的情况, 构建了动态路径优化模型。结合改进蚁群算法解决静态路径优化问题的特点, 本文分析了动态路径优化模型的思路, 并通过相应的算例分析了四种动态事件发生后配送方案的更新过程, 以此证实了本文构建动态路径优化模型的有效性, 为实际灾情发生时相关部门的决策提供了参考。

参考文献

[1]Wi Ison N, Colvin N.Computer control of the rochester diala-ride system[Z].Cambridge, Massachusetts, 1977.

[2]Potvin J Y, Ying X B, Benyahia H.Vehicle routing and scheduling with dynamic travel times[J].Computers&Operations Research, 2006, 33 (4) :1129-1137.

[3]Xiang Z H, Chu C B, Chen H X.The study of a dynamic dial-a-ride problem under time-dependent and stochastic environments[J].European Journal of Operational Research, 2008, 185 (2) :534-551.

[4]Guner A R, Murat A, Chinnam R B.Dynamic routing under recurrent and non-recurrent congestion using real-time its information[J].Computers&Operations Research, 2012, 39 (2) :358-373.

[5]饶卫振.大规模动态车辆路径问题优化方法研究[D].大连理工大学, 2012.

[6]王旭, 葛显龙, 代应.基于两阶段求解算法的动态车辆调度问题研究[J].控制与决策, 2012, 27 (2) ;175-181.

动态条件 篇6

一、第一种情况

如三个矢量中, 其中一个矢量不变 (即大小、方向都不变, 设这个矢量为第一个矢量) , 另一个矢量方向不变 (设为第二个矢量) , 那么第三个矢量在变化时一定有一个最小值, 且当第三个矢量与第二个矢量垂直时第三个矢量的大小最小。

1. 在运动的合成与分解中的应用

例1:两个互成角度 (不为0°和180°) 的共点力合成, 如保持它们的夹角和其中一个分力大小方向不变, 增加另一分力的大小, 那么合力将 ()

A.一定增加

B.一定减小

C.可能增加、可能减少、可能不变

D.如夹角为锐角, 那么一定增加

解析:很显然, 如两力之间夹角为锐角, 一力变大, 合力变大, 即D是正确的;如两力之间夹角为钝角, 可作如图3所示的矢量三角形, 在保持两力夹角不变, 一个分力变大, 那么合力可能增加、可能减少、可能不变, 即C也正确。

2. 在三力动态平衡类问题中的应用

例2:如图4, 两细绳AO、BO悬挂重物G, 在保持重物位置不动的前提下, 转动OB绳, 使OB绳与竖直方向夹角变大, 直到OB绳水平, 在移动中两绳受的拉力如何变化?

解析:以结点O为研究对象, 受三个力的作用, 这三个力构成一封闭三角形。由题意, 重力不变, OA绳子拉力方向不变, OB拉力方向变化时其余二力相应改变, 如图5所示。从图中可知, OB、OA垂直时OB拉力最小。所以OB拉力先变小后变大, OA拉力一直变大。

3. 在动力学中的应用

例3: (2005年北京高考题) 真空中存在范围足够大的、水平向右的匀强电场。在电场中, 若将一质量为m, 带正电的小球由静止释放, 运动中小球的速度与竖直方向的夹角为37°。 (取sin37°=0.6, cos37°=0.8) 现将该小球从电场中某点以初速度v0竖直向上抛出, 求运动过程中

(1) 小球受到的电场力的大小与方向。

(2) 小球从抛出点到最高点的电势能的变化量。

(3) 小球的最小动量的大小和方向。

解析:这题前两个问题比较简单, 一般考生容易求解, 而第三小题求物体在恒力作用下做曲线运动过程中小球的最小动量的大小和方向, 是一个较难的极值问题。由题意, 带电小球从静止释放, 在运动过程中小球的速度与竖直方向的夹角为37°, 设小球受到的电场力为F, 小球受力图如图6所示, 由于电场强度方向水平向右, 小球带正电, 电场力与小球重力满足, 所以。

当带电小球从电场中某点以初速度v0竖直向上抛出后, 由于小球受到的合力方向与其运动方向不在同一直线上, 小球做曲线运动, 如图7所示。

由图6可求得, 带电小球受的合力, 在小球运动过程中方向始终不变, 即是个恒力, 由动量定理,

(*) 式中是小球的初动量, 大小P0=mv0, 方向竖直向上, 是个恒量;→P为小球运动时间t时的动量;是小球合力的冲量, 大小, 与时间成正比, 方向始终与竖直方向成37°。

(*) 式是个矢量式, 运算遵守平行四边形法则, 三个矢量组成一个封闭的矢量三角形。由于不变, 方向不变, 故对应不同的, 可作出一系列的封闭的矢量三角形, 如图8所示。从图8中不难看出, 当与垂直时, P值最小, 所以

动量的方向为斜向右上方并与竖直方向成53° (水平方向成37°) 。

二、第二种情况

如果三个矢量中, 有一个矢量不变 (设为第一个矢量) , 第二个矢量大小不变而方向改变, 且当第一个矢量的大小大于第二个矢量的大小时, 那么当第三个矢量与第二个矢量垂直时, 第一个矢量与第三个矢量间夹角最大。

如图9所示的三角形中, AO大于BO, B点可在圆上移动, 当AB与OB垂直时, 角BAO最大。

1. 在小船渡河问题中的应用

例4:一只小船在静水中的速度为v1=3m/s, 河水的流动速度为v2=5m/s, 小船应怎样过河, 航程最短?

解析:由于河水速度大于船在静水中的速度, 所以船不能垂直过河, 但船的运动仍有最短路程。以河水的流速v2=5m/s的矢量末端为圆心, 以船在静水中的速度为v1=3m/s为半经作圆。从出发点作这个圆的切线, 从图10中可以看出, 船沿这切线运动的路程最短。

设小船的合运动方向与水流方向成θ角时航程最短, , 所以小船与水流方向成37°角时航程最短。

2. 在三力动态平衡类问题中应用

例5:如图11所示, 在“共点力合成”实验中, 橡皮筋一端连接两个弹簧秤, 分别用力F1与F2拉两个弹簧秤, 使这端拉至O点不动, 现使F2大小不变地沿逆时针转过某一小角度, 相应地使F1的大小及图中β角作以下哪些变化是可能的 ( )

A.减小F1的同时增大β角

B.减小F1的同时保持β角不变

C.增大F1的同时减小β角

D.减小F1的同时减小β角

解析:以结点O为研究对象, O受绳子OP及两根弹簧拉力F、F1、F2三个拉力而处于平衡这三个力构成一个封闭的矢量三角形。如图12所示。由题意, 0P的拉力F不变, F2大小不变, 以F末端为圆心, 以F2大小为半经画一个圆, 那么在F2逆时针转动过程中, F1与F2垂直时, F1与F之间的夹角最大, 而F1一直减小。所以这题正确的答案为A、B、D。

三、第三种情况

如果三个矢量中, 有一个矢量不变 (设为第一个矢量) , 第二个、第三个矢量间的夹角不变且小于900, 那么当第二个 (或第三个) 矢量与第一个矢量垂直时, 第三个 (或第二个) 矢量有最大值。

如图13所示, 三角形ABC中, AB不变, 点C在三角形ABC的外接圆上移动, 角ACB保持不变且小于90°, 当AB与BC垂直时, 边AC为直径 (最大) 。

例6:如图14, V字形夹板AOB, 夹角为θ (小于90°) , 夹板中间有一个光滑的小球, 开始OA与地面间夹角为α, 两板对小球的弹力分别为FA、FB, 现缓慢在顺时针方向转动夹板AOB, 关于FA、FB的变化下列说法正解的是 ( )

A.FA一直变大, FB一直变小

B.FA一直变小, FB一直变大

C.FA先变大后变小, FB先变小后变大

D.FA、FB都是先变大后变小

动态条件 篇7

关键词：动态竞争,竞争行动,行动特征

1 引言

动态竞争理论主张从企业行动的视角来探讨竞争战略,研究的重点是企业间竞争行为之间的内在规律,研究中使用的基本变量主要是企业的具体行动。这种视角认为,战略是由一连串的行动构成的,不断采取行动使得组织有能力应付日益增大的不确定性,使组织保持足够的自由行动的能力,降低组织的迷失程度,跟上环境发展的步伐,能够在一定程度上控制自己的命运[1]。对于动态竞争条件下企业间竞争行动特征的研究有助于深入理解竞争行动的本质,掌握竞争行动的内在规律,在竞争中谋取主动。

2 动态竞争与竞争行动

2.1 动态竞争理论

西方管理学者从20世纪80年代初开始,就注意到竞争动态化的特点,并认为动态竞争是90年代以来战略管理学界最重要、讨论最热烈的问题之一。企业面临着比以往任何时候都更加动态的环境。竞争环境越来越复杂,竞争对手间互动的节奏明显加快,竞争的对抗性越来越强,竞争内容的变化越来越快,竞争优势的可保持性越来越低。1994年,Richard D Aveni据此提出了“超级竞争”(hyper competition)的概念[2],1996年George Day和David Reibstein将这种竞争现象归纳为“动态竞争”(dynamic competition)[3]。

归纳动态竞争战略思想和理论的各种观点,动态竞争主要具备以下几个特点:(1)以高强度和高速度的竞争为显著特点;(2)竞争对手之间的战略互动节奏明显加快,竞争互动成为制定竞争和营销战略的决定因素;(3)企业优势的可保持性降低,任何优势都是暂时的,它都有可能被竞争对手通过模仿和创新所取代;(4)动态竞争的有效性不仅取决于时间在先,更主要的是企业改变竞争规则、创造新需求以及预测反应的能力。

2.2 竞争行动的概念和类型

竞争行动的研究和界定始终是以互动为前提的,行动中往往包含对竞争对手行动所做出的反应,无法将行动和反应截然分开。因此,本研究借鉴Ferrier等人[4]的方法,结合我国具体情况,从竞争对手间的竞争行动出发分析和研究我国企业的动态竞争行为。

Grimm和Smith等人[5]对竞争行动定义是:具体的、可侦查的竞争活动,诸如降价或新产品推介,通常是由一个企业发起的为了保护或提高它的相对竞争地位的行动;Chen、Smith和Grimm的研究中[6]把行动定义为由一个企业发起的以提高或保护它的相对竞争地位为目的的具体的、可侦察的竞争活动,如新产品发布等;我国学者谢洪明、蓝海林等认为竞争行动是企业为了获得或保持竞争优势而实施的企业行为[7]。王斌等[8]认为进攻是某个企业发动的具体的、可能导致占据竞争对手市场份额或者降低对手预期收入的竞争行动;在Ken G.Smith等人进行的研究中[5],通过对美国41个行业7年间的4 876个竞争行动的收集整理和研究,归纳出大致6种主要类型的竞争活动:重要的价格行动、营销和促销活动、推出新产品、扩大生产能力、法律行动及信号行动;在Ming-Jer Chen等人对美国航空业的研究中[9],从191个行动中归纳出5种主要行动类型:提供新产品、合并、降价、新的促销战、联合广告。国内学者谢洪明、蓝海林等人在对中国彩电行业竞争行为的研究中[7],也对其进行了分类,主要包括:推出新产品、扩大生产、进入新市场、进入新行业、合作联盟、银企合作、收购兼并、降低价格、提高价格、重要促销、对外投资。

3 动态竞争条件下的竞争行动特征分析与实证

从目前的研究来看,对于竞争行动的界定并无明显分歧,都认为企业间竞争行动的实质是针对竞争对手,目的是市场地位,手段是不断推出的创新性的行动。而这些行动的内容和形式可以是模仿,可以是真正意义上的创新,区别在于冲击的强度和广度,表现为不同的速度,类型和模仿倾向,涉及到企业经营活动的各个层面,并最终对企业的竞争地位和组织绩效产生影响。因此,需要在此概念的基础上进一步分析和探讨竞争行动的特征。

3.1 研究方法

本研究以中国家电企业为研究对象,采用实证研究中的内容分析法对2001—2006年的全部中国电子报内容进行了查询和分析,查阅了50 743篇文章,从中采集了26家主要家电企业的1 100个竞争行动,并将这些行动划分为10种不同的行动类型,在此基础上提出并验证竞争互动行为的特征。

具体方法是:根据前人的研究,先大致确立了企业可能的8种行动类型,然后分别进行编码:(1)推出新产品;(2)重要促销;(3)合作联盟;(4)进入新市场;(5)降价;(6)并购;(7)进入新行业;(8)扩大生产。同时规定了每种行动类型的确认标准,然后在进行内容分析的时候逐一把企业的竞争行动归入上述几种类型中去并在分类过程中对现有分类方法和标准进行必要的修正[10],又增加了(9)改进服务;(10)其他这两种类型,最终确定了10种行动类型。

为了保证竞争行动分类结果的可靠和有效,作者又同另外两位企业管理专业以及一位营销专业的博士研究生一起对每一种行动的内涵和分类标准进行确认和修正,并对样本进行二次抽样,随机抽取100个行动,4人再次分别对这些行动进行内容分析并划分行动类型,结果有93个行动的划分结果完全一致,一致率达93%,7个行动未完全达成一致。证明分类编码的结果具有较高的可靠性。竞争行动的分类标准、文章题目举例及描述性统计,如表1所示。

3.2 竞争行动特征分析与实证

通过文献查阅及对所收集整理的资料进行分析,提出动态竞争条件下的竞争行动特征具有可观测性、互动性、动态学习性和路径依赖性。

(1)可观测性。通过对中国主要家电企业竞争行动之间间隔(天数)规律的分析,发现在2001年1月—2006年12月期间,在时间序列上相邻的两个竞争行动之间的时间间隔最小为0天,最大为21天,平均为2.05天。竞争行动间隔天数的频数的分布图可以看出,1 100个行动中有686个(62.4%)行动,行动之间的间隔小于1天,约97.5%的行动之间的间隔小于10天,如图1所示。这一方面说明家电企业实施新的竞争行动非常频繁,竞争激烈;另一方面也说明媒体对家电企业的关注程度很高,尽可能记录了这些企业的每一个竞争行动。反过来也从很大程度上说明了竞争企业间的竞争行动完全能够通过公共资源对它们进行观察和分析,具有可观测性的特点。

(2)互动性。竞争行动的互动性,是指在动态竞争中,竞争行动是竞争对手间多回合的互动活动,一个企业采取了某种行动,其他可能会受到影响的企业就会采取相应的行动进行防御或反击,并且这种从行动到行动是多回合的,循环往复地在这些竞争对手间进行。

2001—2006年按时间顺序绘制的中国主要家电企业竞争行动的散点分布图,如图2所示。从图2中可以看到,各种类型的行动在此期间的分布并不均匀,也不规律,但几乎每种类型的行动在时间序列上都出现了或多或少的重叠密集区域,在推出新产品、重要促销、降价、扩大生产和改进服务这几种类型的竞争行动中表现得尤为明显,说明企业间的竞争行动的确存在明显的互动倾向。以2005年的“推出新产品”行动为例,全年该类型的行动共有86次;在1月1日至1月15日间,康佳、长虹、创维等企业先后实施了18次,在3月18日至3月25日1周内,上广电、TCL康佳、海信、创维相继9次推出新产品;5月20日至6月10日间,春兰、海尔、海信等相继16次推出新产品;9月至10月又有非常集中的23次推出新产品的行动。仅这4个时间段中推出新产品行动的数量就达66次,占全年行动总数量的77%,说明企业推出新产品的行动在时间上的集中趋势十分明显,不同企业间存在明显的互动。

除此之外,通过对中国主要家电企业的竞争行动进行相关分析,发现有些企业的竞争行动之间存在显著的正相关关系,说明这些企业间的竞争行动存在着相互影响和相互对应的互动的关系。

(3)动态学习性。在动态竞争中,企业通过不断采取行动,而持续获得和更新关于如何行动更有效的知识和能力,这是一个动态的学习过程。这个过程既包括通过重复原有的行动获取和更新知识,也包括通过模仿和学习对手的行动获取知识。因此,企业在竞争互动中,一方面会去采取更多自己熟悉的行动;另一方面也会去尝试其他新的行动,丰富自己的行动技能,以跟上竞争的节奏,保持或提高自己的市场地位。

通过主要家电企业2001—2006年分前后两阶段竞争行动的数据对比分析,可以有力地说明企业间的竞争行动存在着上述的动态学习性。

前后两阶段的竞争行动数据分3个部分来进行对比。首先,行动总数量,18家(占90%)的样本企业前3年的行动总数量都少于后3年,说明大多数企业相对于自己来说,竞争行动数量都呈现增多的趋势。其次,3年总的行动种类数,16家(占80%)的样本企业行动种类的总数在后3年中都有增加。第三,新增类型的行动数量及其占行动总数量的比例,从两阶段对比来看,新增类型的行动数量也呈增加趋势,但占总行动数量的比例前3年在0~40%之间波动,后3年在5.3%~45.5%之间波动,所占比例也呈现出上升的趋势,但始终没有超过50%,也就是没有超过原有类型的竞争行动增加的比例。这说明企业新增类型的行动的绝对数量和相对比例都在增加,原有类型的竞争行动绝对数量在增加,但增加的比例在减少。

(4)路径依赖性。竞争行动的路径依赖性,是指在动态竞争中,虽然在对手的不断进攻和打击之下,企业会有动态的学习能力,但企业仍然会表现出一定的偏好去较多地选择过去曾经给自己带来成功的那些行动类型。

通过2001—2006年分前后两阶段新增类型行动数量及企业竞争行动总数量的数值,可以分别计算出企业原有类型行动在前3年和后3年中的总数量。大多数企业后3年的竞争行动总数量都较前3年有所增加,新增类型的竞争行动数量虽然也在增加,但在行动总数量中所占比例最多为45.5%,对大多数企业来说这个比例在20%~30%之间,占竞争行动大多数的仍是企业较为熟悉和擅长的原有类型的行动。所以,从普遍意义上来讲,企业仍然愿意选择利用自己熟悉和擅长的行动技能来组织和实施竞争行动。

4 结语

通过对中国主要家电企业竞争行动数据的分析和归纳,对动态竞争条件下企业间的竞争互动行为的基本特征进行了分析和检验,证明了家电企业之间的竞争行动具有可观测性、互动性、动态学习性和路径依赖性的基本特征。对于动态竞争条件下企业间的竞争互动行为特征的了解有助于更清楚和更深刻地认识竞争对手之间的竞争行动:相互竞争的企业可以主动地利用公共信息分析竞争对手的行为;只有在紧跟主要竞争对手行动节奏的前提下,才能有效发挥自己的优势,谋求竞争的主动;企业在竞争中并非是完全被动的,企业竞争行动呈现日趋多样化的特点,都在不断尝试通过多种竞争行动争夺市场,在竞争中相互模仿和学习,通过观察和学习在互动中掌握更多的主动;动态竞争要求企业不断创新,不断破坏现有的优势,推出新的行动,创造新的优势,而过去的行动轨迹却导致了路径依赖性并进而束缚了企业未来的行动选择,因此,要注意和警惕竞争行动的路径依赖性特征,避免出现行动和战略逐渐陷入墨守成规、安于现状的简单化倾向。

参考文献

[1]王永贵.21世纪企业制胜方略:构筑动态竞争优势[M].北京:机械工业出版社,2001.

[2]D’AVENI R A.Hyper competition:Managing the dynamics ofstrategic maneuvering[M].New York:Free Press,1994.

[3]DAY G S,REIBSTEIN D J,GUNTHER R E.动态竞争战略[M].上海:上海交通大学出版社,2003.

[4]WALTER J F,SMITH K G,CURTIS M G.The roleof competitive action in market share erosion and industry dethronement:a study of industry leaders and challengers[J].Academy of Management Review,1999,4:372-388.

[5]CURTIS M G,SMITH K G.Strategy as action:Industry rivalry and coordination[R].Cincinnati:South-Western College Publishing,1997.

[6]CHEN M J,SMITH K G,CURTIS M G.Action characteristics as predictors of competitive responses[J].Management Science,1992,38:439-455.

[7]谢洪明,蓝海林,叶广宇,等.动态竞争:中国主要彩电企业的实证研究[J].管理世界,2003,(4):77-128.

[8]王斌,田志龙.多点竞争战略中的企业动态博弈模型分析[J].管理评论,2005,17(8):17-23.

[9]CHEN M J.Competitor analysis and interfirm rivalry:toward atheoretical integration[J].Academy of Management Review,1996,21(1):100-134.

动态条件 篇8

受输电走廊通道资源等因素的制约,同时为了提高线路单位走廊的输电容量和土地利用率,有效地减少设备投资,接线简单、施工速度快的T形接线已成为中国高压输电线路中一种常见的线路连接方式。但同时该线路具有输电功率高、负荷重的特点,一旦线路发生故障,有可能造成大面积停电。近几年,随着同步相量测量技术的成熟,基于同步相量测量的输电线路故障定位方法[1,2,3,4,5,6]得到了快速发展。但是,考虑到同步相量测量单元(PMU)的经济成本,难以实现所有母线处均配置PMU。因此,基于同步PMU,利用三端互联信息对T形输电线路进行快速有效的故障测距具有更重要的意义。

文献[7]提出一种基于π形等值线路模型、利用T形线路三端正序电压和电流进行故障定位的新算法。文献[8,9]提出了充分利用三端测量数据的行波故障测距的新方法。文献[10]提出一种基于小波变换的T形输电线路精确故障定位算法。文献[11]根据同杆双回线的特性建立了同杆双回线构成的T形线路的反序、正序网络, 提出了基于反序正序电流的故障测距方法。文献[12]中提出一种利用两端同步电压电流相量的T形线路故障测距新方法。文献[13,14]基于分布参数模型,假定故障发生在某一支路,根据求得的故障距离与该段线路总长度的相对关系确定故障支路,从而提出了一种T形线路无测距死区的故障测距新方法。

上述方法仅考虑了电力系统在静态条件下的故障测距,但是,当系统在功率低频振荡情况下发生故障时,电压和电流信号会出现振荡且具有动态特性[15],从而无法准确判断出故障支路,测距结果也会出现误差。针对以上问题,本文考虑了信号的动态特性,提出了一种利用三端同步电压、电流相量的T形线路故障测距新方法。

1 基本理论

图1所示为分布参数的均匀输电线路模型。

线路任一处无限小长度∂x都有串联阻抗和并联导纳,l表示线路长度,则∂x段的电压差$\partial \dot{U}$和∂x两侧的电流差$\partial \dot{{\rm I}}$可表示为:

$\begin{array}{l}\frac{\partial \dot{U}}{\partial x}=\dot{{\rm I}}R+L\frac{\partial \dot{{\rm I}}}{\partial t}(1)\\ \frac{\partial \dot{{\rm I}}}{\partial x}=\dot{U}G+C\frac{\partial \dot{U}}{\partial t}(2)\end{array}$

式中:R,L,G,C分别为线路单位长度的电阻、电感、电导和电容。

当系统处于静态条件下,往往认为信号幅值与频率在短时间内保持不变,假设电压、电流信号为:

$\{\begin{array}{l}\dot{U}=u\text{e}{}^{\text{j}\omega t}\\ \dot{{\rm I}}=i\text{e}{}^{\text{j}\omega t}\end{array}(3)$

式中:u和i分别为电压信号和电流信号的幅值,且为常数;ω为系统的角频率。

将式(3)代入式(1)和式(2),得

$\begin{array}{l}\frac{\partial \dot{U}}{\partial x}=R\dot{{\rm I}}+\text{j}\omega L\dot{{\rm I}}(4)\\ \frac{\partial \dot{{\rm I}}}{\partial x}=G\dot{U}+\text{j}\omega C\dot{U}(5)\end{array}$

所以,求解式(4)和式(5)可以得到线路任一处$\dot{U}$和$\dot{{\rm I}}$为:

$\begin{array}{l}\dot{U}=\dot{U}{}_{{\rm N}}\cosh \gamma x-\dot{{\rm I}}{}_{{\rm N}}{\rm Z}{}_{\text{C}}\sinh \gamma x(6)\\ \dot{{\rm I}}=\frac{\dot{U}{}_{{\rm N}}\sinh \gamma x}{{\rm Z}{}_{\text{C}}}-\dot{{\rm I}}{}_{{\rm N}}\cosh \gamma x(7)\end{array}$

式中:$\dot{U}{}_{{\rm N}}$和$\dot{{\rm I}}{}_{{\rm N}}$分别为线路N端的电压和电流相量;${\rm Z}{}_{\text{C}}=\sqrt{{\rm Z}/Y}$和$\gamma =\sqrt{{\rm Z}Y}$分别为线路的单位长度波阻抗和单位长度传播系数;Z和Y分别为线路单位长度的阻抗和导纳。

2 故障测距算法实现

假设线路LR发生故障,故障点与R端的距离为x,单位km,如图2所示。

2.1 故障支路判别

首先忽略支路LT的影响,然后通过测量线路两端电气量$\dot{U}{}_S,\dot{{\rm I}}{}_S$和$\dot{U}{}_R,\dot{{\rm I}}{}_R$,按照双端故障测距算法进行计算可得到故障距离估计值xest。最后,比较xest和xtap的大小来判别故障支路,其中xtap是分支点O与线路R端之间的距离,判别原理如下:

1)当Re(xest)<xtap+Δ时,故障支路是LR;

2)当Re(xest)>xtap+Δ时,故障支路是LS;

3)当Re(xest)=xtap+Δ时,故障支路是LT或O节点附近。

其中Δ是由于系统在动态条件下对故障测距算法结果造成的误差。Re(xest)代表取xest的实数部分,因为xest可能是复数。

2.2 线路参数和故障距离估计

通过2.1节的方法可以判别出故障支路,之后需要进一步估计故障距离。

2.2.1 线路参数的估计

当系统在动态条件下,电压、电流信号的幅值和频率会随时间快速变化,增加故障测距的误差。因此,本文考虑了输电线路参数和信号的动态特性,假设电压、电流信号分别是:

$\begin{array}{l}\dot{U}(t)=u(t)\text{e}{}^{\text{j}\omega {}_{0}t}(8)\\ \dot{{\rm I}}(t)=i(t)\text{e}{}^{\text{j}\omega {}_{0}t}(9)\end{array}$

式中:u(t)和i(t)分别为电压和电流信号的幅值,随着时间而变化;ω0为固定旋转相量的角速度,由PMU测得。

将式(8)和式(9)代入式(1)和式(2)可得:

$\frac{\partial \dot{U}}{\partial x}=\dot{{\rm I}}$$R+\text{j}\omega {}_{0}L+\frac{L}{i(t)}\frac{\partial i(t)}{\partial t}$

$\begin{array}{l}=\dot{{\rm I}}\overline{{\rm Z}}(10)\\ \frac{\partial \dot{{\rm I}}}{\partial x}=\dot{U}\end{array}$

$G+\text{j}\omega {}_{0}C+\frac{C}{u(t)}\frac{\partial u(t)}{\partial t}$$=\dot{U}\overline{Y}(11)$

式中:等效阻抗$\overline{{\rm Z}}$和导纳$\overline{Y}$如下:

$\begin{array}{l}\overline{{\rm Z}}=R+\text{j}\omega {}_{0}L+\frac{L}{i(t)}\frac{\partial i(t)}{\partial t}(12)\\ \overline{Y}=G+\text{j}\omega {}_{0}C+\frac{C}{u(t)}\frac{\partial u(t)}{\partial t}(13)\end{array}$

传统的静态故障测距算法没有考虑线路参数和信号的动态特性,将信号幅值的微分∂(i(t))/∂t和∂(u(t))/∂t始终视为0,会对动态下的故障测距结果产生误差。假设现在时刻t1=0 ms,本文利用3个报告时刻的信号幅值可表示t1时刻动态特性:

$\begin{array}{l}\frac{\partial (u(0))}{\partial t}=\frac{u(\tau )-u(-\tau )}{2\tau }(14)\\ \frac{\partial (i(0))}{\partial t}=\frac{i(\tau )-i(-\tau )}{2\tau }(15)\end{array}$

图3为信号幅值与报告时刻之间的关系,其中报告间隔时间为τ。

考虑线路发生故障后,故障点两侧的波阻抗ZC和传播系数γ各不相同,且是动态变化的。将式(8)、式(9)、式(14)和式(15)代入式(12)和式(13),可以得到动态条件下三端的等效阻抗和等效导纳(t=0 ms):

线路S端:

$\overline{{\rm Z}}{}_S=R+\text{j}\omega {}_{0S}L+\frac{L}{\dot{{\rm I}}{}_S(0)}\frac{\dot{{\rm I}}{}_S(\tau )\text{e}{}^{-\text{j}\omega {}_{0S}\tau }-\dot{{\rm I}}{}_S(-\tau )\text{e}{}^{\text{j}\omega {}_{0S}\tau }}{2\tau }(16)$

$\overline{Y}{}_S=G+\text{j}\omega {}_{0S}C+\frac{C}{\dot{U}{}_S(0)}\frac{\dot{U}{}_S(\tau )\text{e}{}^{-\text{j}\omega {}_{0S}\tau }-\dot{U}{}_S(-\tau )\text{e}{}^{\text{j}\omega {}_{0S}\tau }}{2\tau }(17)$

线路R端:

$\begin{array}{l}\overline{{\rm Z}}{}_R=R+\text{j}\omega {}_{0R}L+\frac{L}{\dot{{\rm I}}{}_R(0)}\frac{\dot{{\rm I}}{}_R(\tau )\text{e}{}^{-\text{j}\omega {}_{0R}\tau }-\dot{{\rm I}}{}_R(-\tau )\text{e}{}^{\text{j}\omega {}_{0R}\tau }}{2\tau }(18)\\ \overline{Y}{}_R=G+\text{j}\omega {}_{0R}C+\frac{C}{\dot{U}{}_R(0)}\frac{\dot{U}{}_R(\tau )\text{e}{}^{-\text{j}\omega {}_{0R}\tau }-\dot{U}{}_R(-\tau )\text{e}{}^{\text{j}\omega {}_{0R}\tau }}{2\tau }(19)\end{array}$

线路T端:

$\begin{array}{l}\overline{{\rm Z}}{}_{{\rm T}}=R+\text{j}\omega {}_{0{\rm T}}L+\frac{L}{\dot{{\rm I}}{}_{{\rm T}}(0)}\frac{\dot{{\rm I}}{}_{{\rm T}}(\tau )\text{e}{}^{-\text{j}\omega {}_{0{\rm T}}\tau }-\dot{{\rm I}}{}_{{\rm T}}(-\tau )\text{e}{}^{\text{j}\omega {}_{0{\rm T}}\tau }}{2\tau }(20)\\ \overline{Y}{}_{{\rm T}}=G+\text{j}\omega {}_{0{\rm T}}C+\frac{C}{\dot{U}{}_{{\rm T}}(0)}\frac{\dot{U}{}_{{\rm T}}(\tau )\text{e}{}^{-\text{j}\omega {}_{0{\rm T}}\tau }-\dot{U}{}_{{\rm T}}(-\tau )\text{e}{}^{\text{j}\omega {}_{0{\rm T}}\tau }}{2\tau }(21)\end{array}$

式中:$\dot{U}{}_S(0),\dot{U}{}_R(0),\dot{U}{}_{{\rm T}}(0)$和$\dot{{\rm I}}{}_S(0),\dot{{\rm I}}{}_R(0),\dot{{\rm I}}{}_{{\rm T}}(0)$分别为t=0 ms时刻线路S,R,T端的电压和电流相量;ω0S,ω0R,ω0T分别为S,R,T端的固定旋转相量的角速度。

2.2.2 分支点电气量的估计

在T形线路的三端都装有PMU,已知S,T端的电压、电流相量分别为$\dot{U}{}_S,\dot{{\rm I}}{}_S$和$\dot{U}{}_{{\rm T}},\dot{{\rm I}}{}_{{\rm T}}$,可计算出分支点O处的电压、电流相量$\dot{U}{}_{{\rm O}},\dot{{\rm I}}{}_{{\rm O}}$。根据式(6)和式(7),由S端测量结果计算得到电压、电流相量的$\dot{U}{}_{S{\rm O}}$和$\dot{{\rm I}}{}_{S{\rm O}}$分别为:

$\begin{array}{l}\dot{U}{}_{S{\rm O}}=\frac{\dot{U}{}_S-\dot{{\rm I}}{}_S\overline{{\rm Z}}{}_{S\text{C}}}{2}\text{e}{}^{\overline{\gamma }{}_{S}l{}_S}+\frac{\dot{U}{}_S+\dot{{\rm I}}{}_S\overline{{\rm Z}}{}_{S\text{C}}}{2}\text{e}{}^{-\overline{\gamma }{}_{S}l{}_S}(22)\\ \dot{{\rm I}}{}_{S{\rm O}}=\frac{\frac{\dot{U}{}_S}{\overline{{\rm Z}}{}_{S\text{C}}}-\dot{{\rm I}}{}_S}{2}\text{e}{}^{\overline{\gamma }{}_{S}l{}_S}-\frac{\frac{\dot{U}{}_S}{\overline{{\rm Z}}{}_{S\text{C}}}+\dot{{\rm I}}{}_S}{2}\text{e}{}^{-\overline{\gamma }{}_{S}l{}_S}(23)\end{array}$

式中:$\overline{{\rm Z}}{}_{S\text{C}}=\sqrt{\overline{{\rm Z}}{}_S/\overline{Y}{}_S}$,为线路S端波阻抗;$\overline{\gamma }{}_S=\sqrt{\overline{{\rm Z}}{}_S\overline{Y}{}_S}$,为S端传播系数;lS为线路LS的距离。

同理,由T端测量结果计算得到的电压、电流相量$\dot{U}{}_{{\rm T}{\rm O}}$和$\dot{{\rm I}}{}_{{\rm T}{\rm O}}$分别为:

$\begin{array}{l}\dot{U}{}_{{\rm T}{\rm O}}=\frac{\dot{U}{}_{{\rm T}}-\dot{{\rm I}}{}_{{\rm T}}\overline{{\rm Z}}{}_{{\rm T}\text{C}}}{2}\text{e}{}^{\overline{\gamma }{}_{{\rm T}}l{}_{{\rm T}}}+\frac{\dot{U}{}_{{\rm T}}+\dot{{\rm I}}{}_{{\rm T}}\overline{{\rm Z}}{}_{{\rm T}\text{C}}}{2}\text{e}{}^{-\overline{\gamma }{}_{{\rm T}}l{}_{{\rm T}}}(24)\\ \dot{{\rm I}}{}_{{\rm T}{\rm O}}=\frac{\frac{\dot{U}{}_{{\rm T}}}{\overline{{\rm Z}}{}_{{\rm T}\text{C}}}-\dot{{\rm I}}{}_{{\rm T}}}{2}\text{e}{}^{\overline{\gamma }{}_{{\rm T}}l{}_{{\rm T}}}-\frac{\frac{\dot{U}{}_{{\rm T}}}{\overline{{\rm Z}}{}_{{\rm T}\text{C}}}+\dot{{\rm I}}{}_{{\rm T}}}{2}\text{e}{}^{-\overline{\gamma }{}_{{\rm T}}l{}_{{\rm T}}}(25)\end{array}$

式中:$\overline{{\rm Z}}{}_{{\rm T}\text{C}}=\sqrt{\overline{{\rm Z}}{}_{{\rm T}}/\overline{Y}{}_{{\rm T}}}$,为线路T端波阻抗;$\overline{\gamma }{}_{{\rm T}}=\sqrt{\overline{{\rm Z}}{}_{{\rm T}}\overline{Y}{}_{{\rm T}}}$,为T端传播系数;lT为线路LT的距离。

根据基尔霍夫电流定理,分支点O处的电压、电流相量可以表示为:

$\begin{array}{l}\dot{U}{}_{{\rm O}}=\frac{\dot{U}{}_{S{\rm O}}+\dot{U}{}_{{\rm T}{\rm O}}}{2}(26)\\ \dot{{\rm I}}{}_{{\rm O}}=-(\dot{{\rm I}}{}_{S{\rm O}}+\dot{{\rm I}}{}_{{\rm T}{\rm O}})(27)\end{array}$

2.2.3 故障距离的估计

在判别出故障支路后,利用非故障支路末端的电压、电流相量估计得到分支点O处的$\dot{U}{}_{{\rm O}},\dot{{\rm I}}{}_{{\rm O}}$,从而三端线路可以等效为双端线路。根据式(6),从线路R端计算得到的故障点F处t=0 ms时刻电压$\dot{U}{}_{RF}$为:

$\dot{U}{}_{RF}=\frac{\dot{U}{}_R-\dot{{\rm I}}{}_R\overline{{\rm Z}}{}_{R\text{C}}}{2}\text{e}{}^{\overline{\gamma }{}_{R}x}+\frac{\dot{U}{}_R+\dot{{\rm I}}{}_R\overline{{\rm Z}}{}_{R\text{C}}}{2}\text{e}{}^{-\overline{\gamma }{}_{R}x}(28)$

式中:$\overline{{\rm Z}}{}_{R\text{C}}=\sqrt{\overline{{\rm Z}}{}_R/\overline{Y}{}_R}$;$\overline{\gamma }{}_R=\sqrt{\overline{{\rm Z}}{}_R\overline{Y}{}_R}$。

同样从分支点O计算得到的故障点F处电压为:

$\begin{array}{l}\dot{U}{}_{{\rm O}F}=\frac{\dot{U}{}_{{\rm O}}-\dot{{\rm I}}{}_{{\rm O}}\overline{{\rm Z}}{}_{{\rm O}\text{C}}}{2}\text{e}{}^{\overline{\gamma }{}_{{\rm O}}(l{}_R-x)}+\frac{\dot{U}{}_{{\rm O}}+\dot{{\rm I}}{}_{{\rm O}}\overline{{\rm Z}}{}_{{\rm O}\text{C}}}{2}\text{e}{}^{-\overline{\gamma }{}_{{\rm O}}(l{}_R-x)}(29)\\ \overline{{\rm Z}}{}_{{\rm O}\text{C}}=\sqrt{\frac{\overline{{\rm Z}}{}_{{\rm O}}}{\overline{Y}{}_{{\rm O}}}}(30)\\ \overline{\gamma }{}_{{\rm O}}=\sqrt{\overline{{\rm Z}}{}_{{\rm O}}\overline{Y}{}_{{\rm O}}}(31)\end{array}$

$\begin{array}{l}\overline{{\rm Z}}{}_{{\rm O}}=R+\text{j}\omega {}_{0{\rm O}}L+\frac{L}{\dot{{\rm I}}{}_{{\rm O}}(0)}\frac{\dot{{\rm I}}{}_{{\rm O}}(\tau )\text{e}{}^{-\text{j}\omega {}_{0{\rm O}}\tau }-\dot{{\rm I}}{}_{{\rm O}}(-\tau )\text{e}{}^{\text{j}\omega {}_{0{\rm O}}\tau }}{2\tau }(32)\\ \overline{Y}{}_{{\rm O}}=G+\text{j}\omega {}_{0{\rm O}}C+\frac{C}{\dot{U}{}_{{\rm O}}(0)}\frac{\dot{U}{}_{{\rm O}}(\tau )\text{e}{}^{-\text{j}\omega {}_{0{\rm O}}\tau }-\dot{U}{}_{{\rm O}}(-\tau )\text{e}{}^{\text{j}\omega {}_{0{\rm O}}\tau }}{2\tau }(33)\end{array}$

式中:$\dot{{\rm I}}{}_{{\rm O}}(0)$和$\dot{U}{}_{{\rm O}}(0)$分别为t=0 ms时分支点O处的电流和电压相量;ω0O为由S,T两端估计得到的分支点O处的固定旋转相量的角速度。

根据故障点处电压相等,即$\dot{U}{}_{{\rm O}F}=\dot{U}{}_{RF}$,从而求解故障距离。但由于需要求解关于x的非线性方程,本文利用了Newton迭代法,建立如下的方程:

$\begin{array}{l}f(x)=\dot{U}{}_{RF}-\dot{U}{}_{{\rm O}F}=\\ \frac{\dot{U}{}_R-\dot{{\rm I}}{}_R\overline{{\rm Z}}{}_{R\text{C}}}{2}\text{e}{}^{\overline{\gamma }{}_{R}x}+\frac{\dot{U}{}_R+\dot{{\rm I}}{}_R\overline{{\rm Z}}{}_{R\text{C}}}{2}\text{e}{}^{-\overline{\gamma }{}_{R}x}-\end{array}$

$\frac{\dot{U}{}_{{\rm O}}-\dot{{\rm I}}{}_{{\rm O}}\overline{{\rm Z}}{}_{{\rm O}\text{C}}}{2}\text{e}{}^{\overline{\gamma }{}_{{\rm O}}(l{}_R-x)}+\frac{\dot{U}{}_{{\rm O}}+\dot{{\rm I}}{}_{{\rm O}}\overline{{\rm Z}}{}_{{\rm O}\text{C}}}{2}\text{e}{}^{-\overline{\gamma }{}_{{\rm O}}(l{}_R-x)})(34)$

对式(34)求一阶导数得:

$\begin{array}{l}{f}^{\prime }(x)=-\overline{\gamma }{}_R\frac{\dot{U}{}_R+\dot{{\rm I}}{}_R\overline{{\rm Z}}{}_{R\text{C}}}{2}\text{e}{}^{-\overline{\gamma }{}_{R}x}+\\ \overline{\gamma }{}_R\frac{\dot{U}{}_R-\dot{{\rm I}}{}_R\overline{{\rm Z}}{}_{R\text{C}}}{2}\text{e}{}^{\overline{\gamma }{}_{R}x}-\end{array}$

$\begin{array}{l}\overline{\gamma }{}_{{\rm O}}\frac{\dot{U}{}_{{\rm O}}+\dot{{\rm I}}{}_{{\rm O}}\overline{{\rm Z}}{}_{{\rm O}\text{C}}}{2}\text{e}{}^{-\overline{\gamma }{}_{{\rm O}}(l{}_R-x)}-\\ \overline{\gamma }{}_{{\rm O}}\frac{\dot{U}{}_{{\rm O}}-\dot{{\rm I}}{}_{{\rm O}}\overline{{\rm Z}}{}_{{\rm O}\text{C}}}{2}\text{e}{}^{\overline{\gamma }{}_{{\rm O}}(l{}_R-x)})(35)\end{array}$

根据牛顿迭代法建立迭代函数:

$x{}_{k+1}=x{}_k-\frac{f(x)}{f^{\prime }(x)}(36)$

最后设置最大迭代次数为5,再通过一个初始故障距离x,即可求解出最优故障距离Xest。

2.3 算法的实现

在2.2节中已经提出了T形线路单相模型的故障测距算法,而求解实际中的三相线路模型需要进行解耦运算。本文选用对称分量变换对三相线路进行解耦,考虑正序分量能反映输电线路各种类型的故障,仅选用正序分量$\dot{U}{}_{S1},\dot{{\rm I}}{}_{S1},\dot{U}{}_{R1},\dot{{\rm I}}{}_{R1},\dot{U}{}_{{\rm T}1},\dot{{\rm I}}{}_{{\rm T}1}$代替相分量$\dot{U}{}_S,\dot{{\rm I}}{}_S,\dot{U}{}_R,\dot{{\rm I}}{}_R,\dot{U}{}_{{\rm T}},\dot{{\rm I}}{}_{{\rm T}}$,并利用正序的线路参数估计故障的距离。

本文所提出的动态条件下T形线路故障测距算法是利用PMU测量频率的变化来修正动态条件下的线路参数,从而达到提高故障测距精度的目的。算法流程如图4所示。

3 仿真研究

为了验证本文所述方法的正确性和有效性,对如图5所示的230 kV T形输电线路进行PSCAD/EMTDC建模仿真。线路模型参数见附录A。系统三端数据的采样率为2.4 kHz,基波相量估计采用动态相量测量算法(DPEA)[16],报告频率为50 Hz。

S端母线所连发电机容量为800 MVA,在靠近S端的F点处设置持续时间为100 ms的三相接地短路故障,从而产生一个扰动迫使电力系统进入一个低频振荡过程。

本文分别用静态故障测距算法(steady fault location algorithm,SFLA)和动态故障测距算法(dynamic fault location algorithm,DFLA)2种方法计算故障距离,并通过相对误差来评价算法的性能:

$E{}_{\text{e}\text{s}\text{t}}=\frac{X{}_{\text{e}\text{s}\text{t}}-X{}_{\text{a}\text{c}\text{t}}}{l}\times 100％(33)$

式中:当线路SR发生故障时,l=lS+lR;线路OT发生故障时,l=lT;Xact为所在测量支路故障点到测量点的实际距离。

3.1 不同故障位置的测距结果

本文在T形线路的不同位置(D0～D16,间距20 km)发生A相接地故障,故障时间t=0 ms,过渡电阻为0～50 Ω,通过不同的工况对算法进行验证。

图6和附录A图A1分别为线路SR在D4位置和线路OT在D12位置发生A相接地故障(故障角为0°,过渡电阻为20 Ω),2种算法的故障测距误差。

因为系统在t=0 ms发生突变,且DFLA和SFLA算法应用了3个不同报告时刻的数据窗,因此,在t=0 ms时刻附近,2种算法的相对误差Eest都比较大。由于DFLA和SFLA算法的误差曲线都是动态变化的,呈现波动性,本文利用故障后50～1 000 ms之间的平均误差和最大误差对算法的性能进行考量。在图6中,DFLA算法和SFLA算法最大误差分别是0.086 2%和0.214 2%;在附录A图A1中,DFLA算法和SFLA算法最大误差分别是0.145 7%和0.486 9%。由此可以看出,虽然由于系统振荡的影响,2种算法的误差曲线均含有动态特性,但是相对于SFLA算法,DFLA算法的测距精度提高了约3倍。

图7和附录A图A2分别示出线路SR和线路OT在不同位置发生A相接地故障(故障角为0°,过渡电阻为0～50 Ω),2种算法的故障测距最大误差。

对比图7和附录A图A2可以发现,DFLA算法的最大误差约在0.223 9%以内,而SFLA最大误差则达到0.665 9%,且2种算法的最大误差会随着过渡电阻的增大而增大。因为得益于DFLA算法考虑了信号动态特性对故障测距的影响,DFLA算法较SFLA算法可以得到更加准确的测距结果。

3.2 不同故障角对测距结果的影响

3.1节给出了故障角为0°时线路在不同位置发生故障的测距结果,而表1和附录A表A1所示为当故障角为90°时,线路SR和线路OT在不同位置发生A相接地故障(过渡电阻为0～50 Ω),2种算法的平均误差。对比分析可以看出,不同故障角对测距结果基本没有影响。另外,当故障时的过渡电阻增大时,动态特性也随之增大,使得DFLA和SFLA这2种算法的精度有所降低,但是新算法比传统算法仍具有更高的精度。在表1和附录A表A1中,DFLA算法的平均误差最大为0.087 6%,而SFLA算法则达到了0.279 1%。

3.3 不同故障类型对测距结果的影响

表2列出了线路SR在D4位置发生不同类型故障(故障角为0°,过渡电阻为0～50 Ω),2种算法的平均误差和最大误差。由表2可知,DFLA算法测距精度很高且不受故障类型的影响。其中,2种算法的平均误差和最大误差均会随着过渡电阻的增大而增大,这与前文的线路不同位置故障测试的结果一致。表2没有列出线路AB相间短路、AB两相接地故障、ABC三相接地故障在过渡电阻0 Ω或5 Ω的情况,这是因为小电阻故障时系统会发生扰动,使得系统在故障后迅速变得不稳定,从而无法进行故障测距。

线路不同位置发生不同类型的故障(故障角为0°,过渡电阻为50 Ω,故障位置为0～1.0(标幺值)),2种算法的最大误差如图8和附录A图A3所示。当线路不同位置发生不同类型的故障时,DFLA算法依然较SFLA算法有更好的测距精度。在图8中,测距最大误差Eest曲线在0.5(标幺值)位置出现拐点,这是因为将T形线路等效为两端线路,且利用了分支点O处的电压、电流相量估计值的影响。另外,图8表明了系统在分支点O附近发生不同类型故障时,DFLA算法依然有较高的测距精度且无测距死区。

3.4 不同噪声对测距结果的影响

表3比较了不同噪声对2种算法故障测距结果的影响。由表3可知,在噪声影响下,DFLA算法依然具有较高的精度。当故障位置在D4时,随着噪声增大,即信噪比由60 dB降至40 dB,SFLA算法的平均误差Eest值由0.144 3%变为0.149 1%,噪声对SFLA算法的影响较小,这是因为SFLA算法的误差主要来源于动态特性的影响。而DFLA算法的平均误差Eest值由0.058 1%变为0.081 3%,这是因为DFLA算法滤除了动态特性的影响,噪声的大小对DFLA算法的影响相对较大。

4 结语

本文提出了一种动态条件下的T形输电线路故障测距算法。通过建立时变的信号模型使其能正确表示信号的动态特性,从而可以准确估计动态条件下的线路参数,最后将T形线路等效为双端线路进行故障距离的计算。大量的测试结果表明,该方法克服了传统方法在系统振荡等动态情况下测距误差较大的不足,能提高动态情况下的故障测距精度,且不受过渡电阻和故障类型的影响,无测距死区。另外,本文方法对采样设备无特殊要求,方便实施,具有较高的应用价值。

附录见本刊网络版(http://aeps.sgepri.sgcc.com.cn/aeps/ch/index.aspx)。

摘要：当电力系统在功率低频振荡等动态情况下发生故障时,电力信号幅值和频率往往表现出一定的动态特性,影响了传统的T形输电线路故障测距算法的精度。因此,提出了动态条件下T形输电线路故障测距算法。该方法拓展了传统的静态信号模型,建立了时变的信号模型使其能正确表示信号的动态特性,并加入基于同步相量测量单元(PMU)的动态同步相量测量算法估计的信号相量值,从而可以在动态条件下正确判断出故障支路和估计线路参数。最后通过牛顿迭代算法得到准确的故障距离。应用PSCAD/EMTDC软件模拟各种工况对算法进行验证,仿真结果表明所提出的测距算法在动态条件下具有较高的故障测距精度,并且不受过渡电阻和故障类型的影响。

动态条件 篇9

关键词：控制性交替灌溉,土壤水分动态,根系吸水,夏玉米

1 研究背景

控制性交替灌溉技术是一种有效的节水方法,它以局部水分亏缺理论为基础,总是保证一部分根区湿润,一部分根区相对干燥,可以大量减少灌水量、降低蒸腾而不减少作物产量,又不需要像喷灌、滴灌、地下灌等那样的基础设施投资[1,2,3,4,5,6]。然而,这种灌溉技术的应用研究在东北地区尚处于起步阶段,土壤水分模拟研究处于空白。本文的研究目标是建立控制性隔沟交替灌溉条件下的二维玉米根系吸水模型在此基础上建立考虑棵间土壤蒸发和根系吸水的玉米控制性交替灌溉条件下的土壤水分动态模型。

2 材料与方法

2.1 试验设计

本研究的试验部分于2008年5月18日至9月28日在沈阳农业大学水利学院试验基地,移动式防雨棚下的有底蒸渗仪测坑中进行(蒸渗仪尺寸3 m×2.4 m×0.8 m)完成,供试作物为玉米,品种为沈玉17号。该基地位于北纬41°44′,东经123°27′,海拔44.7 m,土质为潮棕壤土,耕作层平均土壤容重为1.38 g/cm3,田间持水率为0.33～0.41 cm3/cm3,凋萎系数为0.18 cm3/cm3,试验场内设有自动气象观测系统,自动观测太阳辐射强度、风速等相关气象资料。试验采用垄植沟灌的方法,梯形沟断面及玉米行株距(尺寸见图1),灌水方式采用控制性隔沟交替灌溉,即本次灌水的沟,下次使其干燥,本次干燥的沟,下次灌水湿润,以后这样反复交替进行。灌水量为常规灌的2/3,拔节期以前200 m3/hm2、拔节-抽雄期为300 m3/hm2,抽雄期以后为330 m3/hm2。当垄所在根系层平均含水率达到下限时开始灌水,水分控制下限为田间持水率的67%。3次重复。

2.3 测定方法

土壤剖面含水率采用中子仪(CNC503DR)测定,在预先布置的测管处(如图1)用中子仪测定剖面含水率5天测定一次、灌水前后加测,在使用中子仪前采用用烘干法对其进行标定。土壤蒸发(E)用微型蒸渗仪观测,微型蒸渗仪分内、外两个套筒,套筒材料为1 mm厚镀锌铁皮,内筒内径分为10 cm和8 cm两种,相应的外筒内径为12 cm和10cm,前者置于沟中,后者置于垄上。每天16时称重换土。每天17时用便携式土壤水分测定仪进行测定干沟、湿沟和垄台地表10 cm处含水率。根密度在苗期-拔节期、拔节期-抽雄、抽雄-灌浆、灌浆-成熟期各生育阶段采用10 cm 10 cm根钻挖根系样本取样一次,共取4次。取样时选有代表性的典型样株,分别在垄沟走向垂直剖面上以玉米为中心向两侧10 cm,20 cm,30 cm处分别取样,各测点每10 cm取一土样直到无根为止,将所取的根系冲洗,测有效根的鲜重和根长,烘干后称其干重。

2.4 控制性隔沟交替灌溉土壤水分动态模拟模型

2.4.1 控制方程

在控制性隔沟交替灌溉条件下非饱和土壤水分运动为纵向和横向二维运动。故假设土壤为均质各向同性的刚性多孔介质不考虑气相及温度对水分运动的影响,采用二维Richards方程来描述[7]。

$\frac{\partial \theta }{\partial t}=\frac{\partial }{\partial x}\left[D(\theta )\frac{\partial \theta }{\partial x}\right]+\frac{\partial }{\partial z}\left[D(\theta )\frac{\partial \theta }{\partial z}\right]-\frac{\partial {\rm K}(\theta )}{\partial }-S(x,z,t)(1)$

式中:z为垂向距离,规定向下为正,cm;x为水平距离,cm;θ为土壤含水率,%;K(θ)为非饱和导水率,cm/min;D(θ)为非饱和扩散率,cm2/min;S(x,z,t)为根系吸水项,1/min。

方程采用交替方向隐式差分格式结合Gauess-Seidel迭代法求解,沿水平方向步长Δx为1 cm;沿纵向z方向步长Δz为2 cm,将时间离散化,时间步长Δt为1 min。

2.4.2 定解条件

初始条件为θ(x,z,0)=θ0(x,z) (t=0) 式中,θ0(x,z)为初始含水率;控制性隔沟交替灌溉上边界属于土壤蒸发边界条件,地表边界(z=0)即$-D(\theta )\frac{\partial \theta }{\partial z}+k(\theta )=-E{}_{s}t>0$式中,ES为棵间土壤蒸发速率,cm/min,K(θ)、D(θ)同上;控制性隔沟交替灌溉的模拟区域选择在干湿沟的中心区域,由于区域的对称性可视左右边界处通量为零。下边界处采用有底蒸渗仪,水分无法通过所以下边界通量也为零。

2.4.3 根系吸水项

根据feddes根系吸水模型和水分传输连续性方程推出二维根系吸水模型[8,9]

$S(h)=\alpha (h)\frac{{\rm T}{}_{pot}\cdot \text{π}R{}_{\max }^2}{2\text{π}{\displaystyle \underset{0}{\overset{{\rm Z}{}_{\max }}{\int }}}{\displaystyle \underset{0}{\overset{R{}_{\max }}{\int }}r}\cdot \beta (r,z,t)\text{d}r\text{d}z}\beta (r,z,t)(2)$

式中:α(h)为反映土壤水势对根系吸水影响的函数,且0≤α≤1,数值大小取决于根区压力水头,其计算如下;

$\alpha (h,r,z)=\{\begin{array}{cc}(h-h{}_1)/(h{}_2-h{}_1)& h{}_2＜h\le h{}_1\\ 1& h{}_3\le h\le h{}_2\\ (h{}_4-h)/(h{}_4-h{}_3)& h{}_4＜h＜h{}_3\\ 0& h\le h{}_4\end{array}(3)$

式中:h1为土体孔隙完全被水充满时对应的负压值;h2为土体达到最大毛管持水率时对应的负压值;h3为当土壤中的毛管水因作物吸收和地表蒸发而发生断裂时对应的负压值;h4为当作物产生永久凋萎时对应的负压值;Rmax为最大根系伸展半径,cm;Zmax为根系最大垂直深度,cm;Tpot为作物潜在蒸腾强度,cm/d。

康绍忠等(1995)引入分摊系数,将玉米总蒸发蒸腾分摊为叶面蒸腾与棵间蒸发,为土壤-植物-大气连续体水分传输的动态模拟提供准确的参数,因此Tpot首先根据Penman-Monteith公式计算参考作物需水量ET0,然后由玉米分摊系数计算潜在蒸腾。根据实测取根资料做二元线性回归分析得到了相应的回归方程,即:

$\begin{array}{l}\beta (r,z,t)=\exp [(0.0001t-0.0528)x-\\ (0.0002t-0.0637)z+(0.0095t-0.1215)](4)\end{array}$

式中:x是以基径为中心的水平向坐标,cm;z为垂向坐标,cm;β(x,z,t)为有效根长密度,cm/cm3;t为时间,d。

2.4.4 参数确定

(1)土壤水力参数:土壤水力参数需要输入的土壤水力参数是通过野外取土然后室内用压力锅测定,土壤水分特征曲线用水平土柱吸渗法测定非饱和土壤水扩散率并通过关系式 计算非饱和导水率参数如表1所示。

(2)根系密度函数参数的确定:本试验作物为玉米,根据试验场基本资料,结合实际种植情况吸水参数取值见表2。

注:θ为体积含水率,cm3/cm3;s的单位为,cm。

3 结果与结语

利用上述模型及参数,具有代表性的两个连续灌水周期的土壤含水量进行了模拟计算,土壤含水量模拟结果与实测值相关分析及误差分析比较如表3。

注:***表示相伴概率值P<0.05,相对误差=|测量值-真实值|/真实值。

从表3中可知,模拟值与实测值之间有显著的相关性,相关性方程的斜率均在1.0左右,也说明模拟与实测值之间有较好的一致性。此外两个连续灌水周期模拟值实测值平均绝对误差均在0.012～0.019 cm3/cm3之间,平均相对误差均值均在5.26%～7.85%之间,均方差在0.029～0.038 cm3/cm3之间,其中苗期实测值与模拟值之间的误差较小,平均相对误差在5.26%～6.22%之间,均方差在0.029～0.031 cm3/cm3之间,随着玉米的生长,进入拔节期模型误差开始增大,这是由于实测玉米根系吸水模型根密度是在以基径为中心垄沟两侧取根,并没有考虑三维空间根密度的空间变化,导致了模拟时造成较大的误差,因此,在试验条件允许的条件下应加密根密度观测点,发展三维模型进一步提高模型的精度。但本研究二维模型平均相对误差最大达到7.85%,均方差最大达到0.038 cm3/cm3,表中可以看出各生育期平均相对误差最大没有大于10%,均方差没有大于0.04 cm3/cm3,因此可以说明模型对夏玉米控制性交替灌溉条件下土壤水分动态模拟具有较高的精度。