第一篇:分布式系统中负载平衡算法分析
摘要:该文简单描述了负载平衡算法提出的原因,负载平衡算法的分类以及动态平衡算法的需求。详细分析了动态负载平衡中的接受者驱动、发送者驱动和双向驱动算法以及双向驱动算法的改进算法,并对各算法的优缺点进行了分析。
关键词:分布式系统 动态负载平衡
1.引言
分布式系统是由多台分散的计算机连接而成的系统,其中各个资源单元(物理的或逻辑的)既互相协同又高度自治,能在全系统范围内实现资源管理,动态地进行任务分配或功能分配,并能并行地运行分布式程序。分布式系统具有良好的可用性、可扩展性、可靠性和健壮性,并为用户提供透明方便的用户界面。因此,近年来随着一些高速网络的兴起,分布式计算机系统日益得以广泛的应用并受到人们的重视。经过研究发现,影响处理系统性能的因素包括处理机间的通信开销和分配的负载平衡等,但减少处理机的通信开销和均衡负载是相互冲突的两个因素,它们左右着任务分配策略。如负载均衡可以提高整个系统的吞吐量,因为它试图将模块尽可能均等地分配给处理机,但减少处理机的通信开销又迫使分配策略不得不尽可能地把较多的模块分配给尽可能少的处理机。由于一些并行任务之间的互相依赖关系和通讯量的大小很难在编译时就进行确定,所以人们更多地倾向于动态负载平衡的研究。随着研究的深入进行,人们注意到在一个由网络所连接起来的多个计算机系统环境中,在某一时刻,一些计算机系统的负载很重而另外一些计算机系统的负载却很轻,影响了整个系统资源的利用率。由此,我们应该采用有效的负载平衡策略,即在减少处理机通信开销的基础上,提出行之有效的算法,提高整个系统资源的利用率。
1.1 减少处理机通信开销
系统管理站设计一个信息区,各模块每通信一次,节点累加器自动累加一次,最终将通信的模块信息和累加的次数一起存储到系统管理站的信息区。待系统下次运行时,系统管理站会根据信息区中以前模块信息通信的高低次数排序,按信息区的记录情况将通信频繁的模块安排到同一个节点,从而减少处理机的通信开销。1.2 负载平衡算法 1.2.1概述
负载平衡也称负载共享,是指对系统中的负载情况进行动态调整,以尽量消除或减少系统中各站点负载不均匀的现象。因此,如何准确地评估各节点的工作负载能力并且分配新的请求任务到每个节点,成为分布式系统取得负载平衡的关键。
1.2.2 负载平衡算法的需求
(1)最小化客户请求的派发时间,使客户请求能够迅速地被派发给相应的服务副本,而不会因为低效的副本选择导致延迟。
(2)最小化客户请求响应时间和最大化系统的吞吐量,使系统能够获得最高的性能和最大的资源利用率,最小化资源的空闲时间。
(3)客户请求的响应时间具有可预期性。
(4)保证副本间负载分配的平衡,从而降低发生过载的可能性,确保服务的可用性和系统的可靠性,同时能够在一定程度上抵御负载峰值的冲击。
(5)具有好的可扩展性,不依赖于某种特定的资源或结构,也不对系统中结点或副本的数目做出任何假设。
(6)最小化系统的通信开销。
1.2.3 负载平衡算法的分类
负载平衡算法可分为动态算法和自适应算法两大类。
动态算法是根据系统状态对可以接受任务的站点进行分析,可以将任务迁移到空闲站点,甚至可以将正在执行的任务迁移到其他空闲站点,但要注意的是,信息的收集、分析及作出决定要造成额外开销,不可小视。
自适应算法是通过动态改变参数甚至策略来调整自身的行为,以适应正在改变的系统状态。如,某种负载平衡算法在A情况下的性能优于其他算法,而另一种算法在B情况下更优,自适应算法能够根据系统状态的变化选择合适的算法。在无法通过任务迁移提高系统性能的情况下,自适应算法是很好的选择。对按一次局部负载平衡调度的启动者来说,又可分为接收者主动和发送者主动两种。其中,在发送者主动算法中,当一个站点超载时,它就尝试将任务发送给一个轻载站点,整个算法的思想是负载较重的节点试图甩掉超额的工作。接收者主动算法与发送者主动算法相反,当一个站点的任务队列长度小于阀值时,它就尝试从重载站点接收一个任务。综合以上算法,本文针对考虑节点工作负载能力、请求负载差异的和配置相对简单的因素,在减少处理机的通信开销基础上提出了双向主动均衡算法。
2.动态负载平衡算法
2.1发送者主动算法
发送者主动算法的思想是:当进程被创建时,它就运行在创建它的节点上,除非该节点过载了。过载节点的度量可能涉及太多的进程、过大的工作集或者其他度量。如果过载了,该节点任意选择另一个节点并询问它的负载情况(使用同样的度量)。如果被探查的节点负载低于某些阀值,就将新的进程发送到该节点上。如果不是,则选择另一个机器探查。该策略需要交换处理器的负载信息,一个节点有多种方法 向邻接节点通知它的负载情况,如定期询问、每当任务数发生变化、接收到执行任务请求、响应请求或者当任务数超过一定阈值时。
启动时,所有节点开始执行任务。在一段时间以后,节点开始检查自身是否是重载节点,如果是,它就试图在相关域中均匀的分布任务。具体来说,设该重载节点的负载为lp,相关域中有K个节点,其负载分别为l1,l2,···,lk,则平均负载Lavg为:
Lavg=(1/(K+1))(lp+l1+l2+···+lk)为达到任务的均匀分布,应求得重载节点传递给每个相关域中节点的负载量,因此引入权值hk以避免任务被迁移到负载更重的重载节点。如果Lavg>lk,则hk=Lavg-lk,否则hk=0。因此mk为:mk=(lp-Lavg)hk/(h1+h2+···+hk)然后该节点就可以按照向各个相关节点发送任务。下图为发送者主动算法流程。
图2-1 发送者主动算法(OL为任务队列长度,OLi为站点i的任务队列长度,T为阀值)
2.2接收者主动算法
接收者主动算法与发送者主动算法相反,把所有节点按照阀值M划分为轻载节点和重载节点,所有当前负载t>M的节点称为重载节点,t 启动时,所有节点开始执行任务。在一段时间以后,节点开始检查自身是否是重轻载节点,如果是,它就试图在相关域中找到重载节点,并请求该节点上的任务。具体来说,设该轻载节点的负载为lp,相关域中有K个节点,其负载分别为l1,l2,···,lk,则平均负载Lavg为:Lavg=(1/(K+1))(lp+l1+l2+···+lk)为达到任务的均匀分布,应求得相关域中重载节点应该传递给该节点的负载量mk,因此引入权值hk以避免任务从负载更轻的轻载节点迁移过来。如果Lavg 图2-2 接受者主动算法(OL为任务队列长度,OLi为站点i的任务队列长度,T为阀值) 2.3双向主动算法 在双向主动算法中,发送者和接收者都能转移任务。在系统负载较低时,本算法中的发送者主动容易发现轻载站点,在系统负载较高时,接收者主动容易找到重载站点。所以,在系统中,我们应该合理地设置均值,在系统高负载时采用接收者主动,在系统低负载时采用发送者主动。 在系统中,每个节点根据自身的硬件配置不同而具备不同的负载能力。另外,系统管理站会根据各个节点的负载能力值统计出整个系统的负载总能力值,并设置一个系统负载能力均值。由于系统管理站是在采集时刻进行负载计算的,经过实验证明,以此反映出来各个节点的负载信息会出现剧烈的抖动,从而无法准确地捕捉各节点真实的负载变化趋势。因此解决这些问题,要适当地调整采集负载信息的周期,一般控制在五秒至十秒。还有,每个负载都存在一个负载上限值和负载下限值,如果实时负载值计算结果大于或等于负载上限值(即LOADmax),则说明此节点开始处于负载超载状况;如果实时负载值低于负载下限值(即LOADmin),说明此节点开始处于空闲状态。当然在实际使用中,我们会发现所有节点的实时负载值都大于或等于它们的负载上限值,则说明当前整个系统处于超载状态,这时需要加入新的节点到集群中来处理部分负载;反之,若所有节点的实时负载值低于负载下限值,则说明当前系统的负载都比较轻。 若系统管理站确认系统处于高负载时期则采用接收者主动,即在系统处于高负载时期时,各节点在执行完负载数处理算法之后根据自己的负载上限值和负载下限值判别自己的负载情况,当自己的负载低于下限时,该节点就会按一定方式查询系统的状态,请求某个重载节点迁移一个尚未开始运行的任务给自己。若此时该重载节点尚无这样的任务存在,则轻载节点同它进行一次“预约”,要求一旦有新创建的或到达的任务,就将它迁移给自己。 若系统管理站确认系统处于低负载时期则采用发送者主动,即在系统处于低负载时期时,各节点在执行完负载数处理算法之后根据自己的负载上限值和负载下限值判别自己的负载情况,当自己的负载高于上限时,该节点向系统广播一个“请求迁移出负载”的请求消息。接收到这一请求消息的节点根据自己的状态决定是否参与投标。若参与,则向请求者发送一个标书(含可以接收的负载量),该重载节点对接收到的标书进行筛选,选出其中负载最少的节点并把其希望迁移的负载迁移给它。 综上所述,双向主动算法的步骤分析如下: 第一步骤:查询系统任务接收器,查看是否有新任务,若无新任务,且各节点负载为空,则系统为初始状态,处于等待情况;若有新任务提交,转到第二步骤; 第二步骤:系统管理站分析系统负载状况,此时情况讨论如下:(1)若系统管理站确认系统处于高负载时期则采用接收者主动。(2)若系统管理站确认系统处于低负载时期则采用发送者主动。 所以以下几步骤根据第一步骤的分析分为高负载时期和低负载时期情况进行。当系统处于高负载时期时,转到以下第三步骤; 第三步骤:此时轻载节点按一定方式查询系统的状态,请求某个重载节点迁移一个尚未开始运行的任务给自己。若此时重载节点迁移一个未开始运行的任务给轻载节点,则转入第四步骤;如果该重载节点尚无这样的任务存在,则转入第五步骤; 第四步骤:轻载节点运行迁移的负载,完成重载节点迁移的所有任务转入第五步骤。第五步骤:轻载节点对重载节点进行“预约”,一旦有新创建的或到达的任务,就将它迁移给自己,然后转入第四步骤,否则直到系统节点完成所有任务转入第六步骤; 第六步骤:退出程序。 当系统处于轻负载时期时,转到以下第三步骤; 第三步骤:此时重载节点向系统广播一个“请求迁移出负载”的请求消息,转入第四步骤; 第四步骤:接收到这一请求消息的节点根据自己的状态决定是否参与投标;若参与,则向请求者发送一个标书(含可以接收的负载量),转入第五步骤; 第五步骤:该重载节点对接收到的标书进行筛选,选出其中负载最少的节点并把其希望迁移的负载迁移给它。 第六步骤:轻载节点完成重载节点迁移的负载,若还有重载节点向系统广播一个“请求迁移出负载”的请求消息,转入第四步骤,否则直到系统节点完成所有任务转入第七步骤; 第七步骤:退出程序。 以上各个步骤是在各个节点上并行同步进行的,负载空闲与否的判断,负载数处理算法的执行等都是动态进行的。因为在该平衡算法中,各个节点根据系统的负载状况选择发送者主动还是接收者主动,所以该算法命名为双向主动算法。 3.算法性能分析 3.1 算法特点 发送者主动的主要优点是:没有过重负载的忙节点,不会被空闲邻接节点所打扰。这一点在系统整个负载较低时尤为重要。 发送者主动的主要缺点是:负载过重的忙节点还要额外增加处理负载平衡调度的负担。接受者主动主要优点是:不需要相互交换负载信息;对于大规模并行计算问题,当每个节点均处于忙状态时,几乎不需要额外调度开销;负载平衡的许多工作由空闲节点来完成,没有给忙节点增加许多额外负担。 接受者主动的主要缺点是:在开始和结束阶段时任务数相对较少,许多任务请求会延迟忙节点的执行。 双向主动算法的最大特点是结合了发送者主动和接收者主动两者的优点,经过研究发现,双向主动策略有以下几个优点:(1)当系统处于重载状态时,负载平衡的许多工作有空闲节点来完成,没有给忙节点增加额外的负担。(2)当系统处于轻载状态时,重载节点能容易地发现轻载节点,从而快速地将重载节点的负载迁移到轻载节点,提高负载的迁移效率。 3.2 性能分析 通过参考资料,分析到了各种情况,负载能力高的节点比负载能力低的节点处理点更多的任务,相同负载能力的节点处理相同份额的任务,任务的平衡是按照各节点负载能力占各节点总的负载能力的比例来进行的。4.总结 综合分析,如果系统的算法较简单,则整体性能可能略低,可靠性不高;而如果算法较复杂,则系统资源可能占用较多,开销较大,因此采用何种算法应结合具体应用而定。对于任务间通信量不大或要求不高的系统可采用较简单的自适应动态负载平衡算法,而对于通信量较大且要求高的系统,应采用较复杂的自适应动态负载平衡算法,从而保证整个系统的稳定、可靠运行。 1分布式电源并网对电压分布的影响 配电系统的基本单元是馈线。馈线的首端经过高压降压变压器与高压配电网相连接,末端经低压降压变压器与用户相连。我国馈线电压等级大多是10kV,每条馈线上线路成树状分布,以辐射形网络连接若干台配电变压器。馈线的不同位置分布有若干负荷,这些负荷种类繁多,随机性大,要准确地描述比较困难。为方便研究,文章采用静态恒功率模型来表示各节点的负荷。考虑到配电网电压较低,线路长度较短,设定以下假设条件:各节点负荷三相对称,三相线路间不存在互感。然后将所有线路阻抗均折合到系统电压等级,得出馈线模型。分布式电源的接入可以提高系统的整体电压水平,其接入位置与节点电压幅值密忉相关。相同容量的分布式电源接在配电线路的不同位置,对线路的电压分布产生的影响差别很大,接入点越接近线路末端节点对线路电压分布的影响越大,越接近系统母线对线路电压分布的影响越小。因此,在配电网规划及分布式电源接入系统设计时,需要根据分布式电源的性质、容量确定合理的接入点,确定合理的控制方式,只有这样才能改善线路的电压质量,提高供电可靠性。 2分布式电源接入系统 2.1分布式电源的分类 一般可以根据分布式电源的技术类型、所使用的一次能源及和与电力系统的接口技术进行分类。按照技术类型可分为小型燃气轮机、地热发电、水力发电、风力发电、光伏发电、生物质能发电、具有同步或感应发电机的往复式引擎、燃料电池、太阳热发电、微透平等,按照一次能源可分为化石燃料、可再生能源;按照与电力系统的接口可分为直接相联、逆变器相联;按照并网容量分,可分为小型分布式电源和大、中型分布式电源。小型分布式电源主要包括风力发电、光伏发电、燃料电池等;大、中型分布式电源主要包括微型汽轮机、微型燃气轮机、小型水电等。 2.2微网技术简介 微网是一个小型发配电系统,由分布式电源、相关负荷、逆变装置、储能装置和保护、监控装置汇集而成,具有能量管理系统、通讯系统、电气元件保护系统,能够实现自我调节、控制和管理。微网既可以与外部电网并网运行,也可以孤立运行。从其内部看,微网是一个个小型的电力系统。从外部看,微网是配电网中的一个可控的、易控的“虚拟”电源或负荷。微网系统如图3所示。 2.3将分布式电源组成不同类型的微网 目前,比较成熟的分布式发电技术主要有风力发电、光伏发电、燃料电池和微型燃气轮机等几种形式。在城镇配电网中,风力发电、燃料电池、光伏发电发电容量远小于配网负荷,对于这些小容量的分布式电源,采用与附近负荷组成微网的形式并入配网系统,通过技术措施使微网内的发电功率小于其负荷消耗的功率,使这些“不可见”的分布式电源完全等效为一个负荷。针对发电出力达到最大、负荷功率最小的工况,根据发电出力与负荷消耗功率的差值及持续时间计算出需要存储的电量,该电量作为储能装置容量的一个约束条件,再考虑其他的约束条件,为微网配置容量合理的储能装置。当出现发电出力大于负荷消耗功率时,将这部分电量存到储能装置中,在负荷功率高于发电出力时,再将这部分电量释放掉。大型的微型燃气轮机多用于需要稳定的热源、冷源的工商企业,以实现热、电、冷三联供,这些企业的负荷稳定,易于预测。微型燃气轮机的发电功率由用户对供热和供冷的要求决定,发电功率也易于预测。这样,以这些微型燃气轮机为分布式电源的微网是可控、易控的。将分布式电源纳入到微电网,并将其分为纯负荷性质的微网和发电、负荷可控的微网两种,有效的解决了分布式电源潮流不可控的难题,给配电网的调度、运行带来的极大的方便。 2.4微电网接入系统方案 纯负荷性质的微网在配网中是一个内部带有电源的负荷,将其接入到配网馈线的中间至末端,可有效地改善配电网电压分布,降低配电网网损。当微网内分布式电源突然故障或者失电时,由配电网对微网内的负荷进行供电,此时配电线路潮流增大,微网内的电压会发生跃变,如电压幅值变化超过用电设备允许值,将会对用电设备造成损坏。针对这种情况,可以利用微网内的储能装置将存储的能量进行逆变,有效地支撑电压,避免产生电压跌落,减少电压波动,有效的保护用电设备。当配电网失电时,微网自动脱网孤岛运行,孤岛的运行方式由微网内部自行控制,对配电网的故障分析、检修、试验不产生影响。对于发电、负荷可控的微网,尤其是容量较大的,在配电网规划及接入系统设计时,需统一考虑中接入位置对配电网电压、继电保护、安全自动装置的影响,需要进行充分的论证,必要时可采用专线接入系统,以确保配电的安全、可靠运行,充分发挥分布式电源的经济效益和社会效益。 3结束语 文章分析了分布式电源接入配网后对电压的影响,并根据分布式电源的不同性质,利用微电网技术,将分布式电源纳入到纯负荷性质的微网和发电、负荷可控的微网,解决了分布式电源潮流不可控的难题,并在配网规划中,对这两类微网接入配网馈线的位置提出建议,达到了改善配电网电压分布、降低网损的作用。影响分布式电源接入系统的因素很多,比如短路电流、继电保护、安全自动装置等,需要在今后继续研究。另外大容量储能技术不成熟是制约分布式电源应用的关键因素,待大容量储能解决后,分布式电源将更加广泛的应用。 基于改进粒子群优化算法的分布式电源规划 摘 要:针对目前配电网中存在的分布式电源规划问题,在最大化电压静态稳定性、最小化配电网损耗以及最小化全年综合费用三个方面建立了分布式电源规划的优化模型。在规划模型的基础上,采用拥挤距离排序的多目标量子粒子群优化算法(MOQPSO-CD)以及基于量子行为特性的粒子群优化算法(QPSO),来更新和维护外部存储器中的最优解,通过对全局最优最小粒子的选择引导粒子群能够对分布式电源的配置容量与接入点位置的真实Pareto最优解集进行查找,获得对多个目标参数进行合理优化。最后采用IEEE33节点的配电系统,在模拟仿真实验过程中获得了分布式电源容量配置以及介入位置的合理方案,验证了优化算法的可行性。 【关键词】分布式电源规划 Pareto最优解 配电网 分布式电源(Distributed Generation,DG)由于其在减少环境污染、节约成本、发电方式灵活、减少发电输送中的线路损耗、改善电网中的能源质量以及提高电网供电稳定性等方面具有优点,在配电网中发展迅速。然而,在配电网中加入分布式电源会使电网中原有的结构发生改变,从而导致节点电压、线路损耗与网络损耗产生了不同程度的变化。如果分布式电源注入容量与接入点位置的配置出现问题,会加大电网中线路与网络等损耗,并且会对电网供电的可靠性产生严重影响,因此,针对这一现象,对DG的容量与配置参数进行合理的优化具有重要意义。 国内外许多学者曾对DG的参数配置优化问题进行了较为深入的研究并取得了一定进展。文献[1]针对分布式电源中的地址定容问题采取了单一目标的优化方法,但是该方法在实际电网中的可行性存在问题。文献[2]采用传统的模糊理论提出将电网中具有多目标优化方案转变为只有单一目标的优化方法,并且采用遗传算法,优化了分布式电源中的容量与位置。文献[3]对于配电网中DG的容量与选址通过改进遗传算法进行优化,但是该方法存在计算时间长、算法过于复杂有时会计算得出局部的最有求解等缺点。文献[4]通过改进的自适应遗传算法,搭建了基于DG环境效益与政府关于可再生能源补贴的最小化经济模型。 在实际应用中,对于配电网中分布式电源的优化需要考虑许多变量,一般都具有比较复杂的目标函数,对其进行优化时将多个目标函数转化为单一函数非常困难,因此必须采取有效措施节约分布式电源多目标模型建立中的相关问题。本文以分布式电源的配置容量及其在配电网中的接入位置为两个切入点进行研究,建立配电网在单位年中的费用最小、电网网络以及线路损耗最低、静态电压在最优系统中的稳定性3个目标函数的分布式电源优化模型。在粒子群优化(QPSO)算法中量子行为特性的理论上加入拥挤距离排序技术,维护与更新外部存储器中的最优解,将生成分布式电源的最优配置方案问题转化为求解全局最优的领导粒子问题。最后,运用Matlab仿真软件对本文所提出的方案进行验证。配电网中DG的多目标规划模型 1.1 目标函数 1.1.1 网络损耗最小目标函数为 那么,求解出配电网中电压稳定指标的最小值minL即可知最大化静态电压的稳定裕度。 1.2 约束条件 1.2.1 等式约束 约束方程可以用潮流方程表示为: 式中,Pdi、Qdi为配电网中第 台发电机的有功、无功输出,PDGmax为分布式电源有功输出上限,PDGmin为分布式电源有功输出下限,QDGmax为分布式电源无功输出上限,QDGmin为分布式电源无功输出下限,Uimax为节点i电压上限Uimin为节点i电压下限,SDGi为配电网中拟接入的第i个DG的容量大小,SDGmax为配电网中可以接入的DG最大装机容量,Pl为线路l的传输功率。基于拥挤距离排序的粒子群优化算法 2.1 量子行为特性的粒子群优化算法 传统的粒子群优化(PSO)算法在求解方面具有不同程度的缺点,如容易陷入局部求解最优,收敛精度低等。为了防止粒子群算法进入早熟,并且尽可能加快算法的收敛减少计算时间,文献[10-11]给出了改进粒子群算法,使得具有量子行为特性的粒子群算法的实用性大大提高,在局部精度方面得到明显的提高,并且与PSO相比较仅具有一个位移更新公式。在本文中基本粒子群的集合设定为不同负荷节点处DG的输入功率,因此得到的集合为: 其中,i(i=1,2,???,P)为粒子群中的第i个粒子,j(j=1,2,???,N)为粒子在粒子群中的第j维,N为搜索空间的维数;ui,j(t)和φi,j(t)均为在区间[0,1]上随机均匀分布的数值,t为进化代数,xi(t)为在t代进化时粒子i的当前位置,pi(t)为在t代进化时粒子i的个体吸引子位置,yi(t)为在t代进化时粒子i的个体最好粒子位置,为群体在t代进化时的最好位置,C(t)为粒子在第t代进化时的平均最好位置,定义为全部粒子个体位置最好时的平均位置;α为扩张-收缩因子,是在迭代次数与除群体规模以外的唯一参数。 2.2 MOQPSO-CD算法 由于粒子群算法具有记忆特性,利用这一特性可以解耦特性粒子的解空间,求出解空间后可以适时调整控制策略,并能够通过记忆功能对当前动态进行搜索,同时具有优良的鲁棒特性和在全局范围内的搜索能力。然而,QPSO收敛的速度过快,导致了算法收敛过快,因此Pareto的解不具有多样性特点。为了寻找该问题的解决方案,本文通过利用外部存储器储存Pareto在求解过程中所产生的非劣解,从而可以较快地达到Pareto前沿。这样可以达到减少计算时间,更快获得领导粒子的目的。由于领导粒子是在所有粒子中表现最好的个体中得到的,它可以体现出整体粒子群体的认知能力,对于群体在搜索中的方向起着引导作用。为了即时更新外存储器中的非劣解,本文所采用的拥挤距离排序算法属于第2代非支配排序遗传算法(NSGA-II),通过对其进行操作,可以尽快地通过领导粒子找到Pareto的最优解。与此同时,为了使多样性在粒子种群中得到丰富,基于此算法的基础上加入高斯变革算子对粒子种群寻优过程中解的多样性进行扩充。 2.2.1 领导粒子的选择 在领导粒子选择的过程中即时对新外部存储器中粒子集进行维护更新是很有必要的。其目的在于保证粒子群的多样性,并能确保Pareto最优解集的合理分布。在此算法条件下,外部存储器中的粒子集必然会存在当前代数最优的粒子,然后通过拥挤距离值算法计算器内部粒子集中每个个体距离值,通过计算拥挤距离值的方法,将粒子集合内的个体进行量化,当出现拥挤距离值最大的粒子时,表明在目标空间中该粒子成为领导粒子可能性增加。当有两个或多个领导粒子的拥挤距离值相等时,领导粒子将会在之对应的最优粒子中随机选取。 2.2.2 拥挤距离值的计算 拥挤距离排序方法描述了在一个最优解周围分布其他最优解的密度情况。以下简单阐述了本文所用到的拥挤距离计算方法,具体实现可参考文献[13]。Gj(i)(j=1,2,3)依次表示网络损耗、年综合费用和静态电压稳定指标3个目标函数值;P为粒子群集合的大小,亦可描述可行解的数量。首先,对于存储在外外部存储器的全部最优粒子,在所有需要优化目标上的函数取值进行升序排列,然后可以得到在所有优化空间上与最优粒子相接近的其它最优粒子,然后可以计算得出在统一空间内两个优化粒子的距离;最后最优粒子的拥挤距离可以通过所有最优粒子距离的求和方式得出。以本文为例详细说明拥挤距离值的特征,逐一计算并遍历相邻最优粒子的空间距离,粒子i和相邻粒子i+1在优化目标空间的距离: 2.2.3 外部存储器更替算法 在本文中人为设定两条存储器更新规则,以便满足外部存储器中存在最优粒子的目的,规则如下: (1)位于存储器中的粒子被新生成的粒子支配时; (2)如若外部存储器已满,则需运用拥挤距离排序算法对其内部所有进行重新排序,根据公式(16)计算所有粒子的拥挤距离值,并且按照计算出数值的大小进行排列。 2.2.4 算法实施步骤 本文选用借鉴第2代非支配排序遗传算法的基于量子行为特性的粒子搜索解空间算法对配电网中的分布式电源进行优化配置,图1所示为算法具体流程,计算过程为: (1)初始化起始数据,数据内容为事先已规划内容,初始化算法基本参数(粒子群的规模、粒子群的初始位置、并设定最大迭代次数),系统对分布式电源位置,以及初始粒子群数据集进行随机采样。 (2)依照步骤(1)中设置的规则,对外部存储器中的粒子进行初始化设置。 (3)需要对粒子进行排位,排位的算法由公式(1)~(4)给出,可以计算出目标函数值,同时,根据公式(16)可以计算出拥挤距离值,根据以上两个参数进行排位。“2.2.1节”的方法选出粒子群中的领导粒子,最后利用QPSO位移更新方程对每个粒子进行重置。以上计算过程将会计算采样粒子集合内任意粒子的拥挤距离值。评价其是否达到Gauss变异算法条件,若达到该算法条件,则进行Gauss变异操作(Gauss mutation operator),否则转到步骤④。 (4)对③中运用QPSO位移更新算法计算出的所有粒子进行评价,并算出所有粒子的潮流数值,将其接入位置以及配置容量用数值量化,并对比量化后的函数值,按照柏拉图最优解定律计算出个体最优粒子及外部存储器最优粒子集。与计算出的上一个最优粒子相比较,新产生的粒子群中某粒子更优,则将新出现粒子作为最优粒子;若二者不能相互支配,那么二者中任意一个将被选为最优粒子,并将其放入外部存储器,然后转步骤⑤;否则舍弃更新后的粒子并转⑥。 (5)对已进入外部存储器中的粒子,按照公式(16)对其进行计算,已达到随时更新存储器中粒子的目的。通过步骤(5)可以达到将最优粒子存入外部存储器的目的。 (6)计算进化代数,若满足终止代数,则将存储器中现有的粒子作为输出,此时输出的粒子集就是所寻找的柏拉图最优输出集;否则转步骤③。算例分析 利用本文建立的模型,对IEEE 33节点配电系统进行模拟仿真,配电网系统如图2所示,对分布式电源的位置以及其容量进行重新配置。该配电系统中,额定电压为12.66kV,有功负荷的取值为3715kW,总无功负荷的取值2300kVar,总节点数为33个,总支路数为32条(其中5条为联络开关)。配电系统基准容量设为10MVA,其中平衡节点选在0号节点,分布式电源接入比例小于30%,安装节点集合为?x1,2,???,31?y(图2中的32节点将不会接入分布式电源中,因为该节点是尾端节点,并且同变压器支路侧相连,因此不需接入)。根据文献[3]可知,在计算分布式电源时,可以将其近似看成负的PQ节点,根据经验公式,选取功率因数值为0.9。初始采样粒子群集合规模为90,进行100次迭代。 按照本文所搭建的数学模型及算法计算出分布式电源配置的柏拉图最优解,及其目标函数的空间分布,如图3所示。根据图3可知,计算出的所有解相互独立分布,每个不同解均可表示出当前条件下的配置效果。以图中所列出的解 1、解2及解3为例,说明不同情况下的DG配置结果。解1情况下电压稳定指标大于0.02,相比其他两种情况最不稳定,网络损耗为80kW,损耗过大,但是年综合用最小;解3和解2相比较而言,解3在网络损耗和电压稳定性方面要优于解2,然而解3在年综合费方面是三种情况中最大的;对于解2来说,无论是年综合费用或者网络损耗以及电压稳定性指标这三个参数指标适均介于解1和解3之间,因此,考虑综合因素以解2最好。表1所示为解 1、解2和解3的DG配置方案,3个解分别与3个方案对应。 通过对比表1中的方案配置可以看出,不同DG配置方案会对年综合费用、网损和电压稳定性产生影响。在对电源在辐射线路中放置位置的分析后发现,放置位置越靠前,线路潮流受到的影响就越小。根据表1配置DG方案接入配电网,配电网络损耗将会有一定幅度下降,同时电压稳定性指标也会达到满意的效果,按照该配置方案规划,最为突出的优点是电网网络损耗方面,按照方案3配置后,电网网络损耗下降了80%。 结语 以减少电网网络损耗及年综合费用为优化目标,同时兼顾静态电压稳定性为原则,建立了DG规划的模型,在计算方面选取具有量子行为特性的粒子群优化算法(QPSO),以及基于拥挤距离排序的多目标量子粒子群优化算法(MOQPSO-CD),同时采用模拟仿真对33节点配电系统进行优化,得出了基于DG配置的Pareto最优解集,由此实现了对DG优化规划的目的。并得出以下结论:为了尽可能的降低电网损耗,同时提高电压稳定性,需要将DG配置在主变电站远端位置,即馈线末端,此时DG配置收益最高。 参考文献 [1]QIAN Ke-jun,ZHOU CHENG-KE,ALLAN MALCOLM,et al.Effect of load models on assessment of energy losses in distributed generation planning[J].Electrical Power and Energy Systems,2011,33:1243-1250.[2]陈海焱,陈金富,杨雄平,等.配电网中计及短路电流约束的分布式发电规划[J].电力系统自动化,2006,30(21):16-21.[3]邱晓燕,夏莉丽,李兴源.智能电网中分布式电源的规划[J].电网技术,2010,34(4):7-10.[4]李德泉,徐建政,罗永.含分布式电源的配电网扩展规划[J].电力系统及其自动化学报,2012,(5).[5]孙俊.量子行为粒子群优化算法研究[D].无锡:江南大学信息工程学院,2009.[6]武晓朦,刘建,毕棚翔.配电网电压稳定性研究[J].电网技术,2006,30(24):31-35.[7]KENNEDY J,EBERHART R C.Particle swarm optimization[C].IEEE IntConf of Neural Networks.Perth,1995:1942-1948.[8]ABGELINE P J.Using selection to improve particleswarm optimization[C]/Proc IEEE CongrEvolComput.Anchorage.AK.USA"IEEE Service Center,1998:84-89.[9]MIRANDA V,FONSECA N New evolutionary particle swarm algorithm applied to voltage control[C].Proc 14th Power SystComputConf.Spain:IEEE Service Center,2002:1865-1873.[10]LIjun-jun,WANGxi-huai.Amodified particle swarm optimization algorithm[J].Intelligent Control and Automation,2004,1:354-356.[11]候云鹤,鲁丽娟,熊信艮,等.改进粒子群算法及其在电力系统经济负荷分配中的应用[J].中国电机工程学报,2004,24(7):95-100.[12]DEB K,PRATAP A,AGRAWAL S,et al.A fast and elitist multiobjective genetic algorithm:NSGA-II[J].IEEE Trans on Evolutionary Computation,2002,6(2):182-197.[13]张君则,艾欣.基于粒子群算法的多类型分布式电源并网位置与运行出力综合优化算法[J].电网技术,2014,38(12):3372-3377.[14]刘幸.基于量子粒子群算法的分布式电源多目标优化[D].北京:华北电力大学,2012.[15]ROUHANI A,HOSSEINI S H,RAOOFAT M.Composite generation and transmission expansion planning considering distributed generation[J].International Journal of Electrical Power & Energy Systems,2014,62(11):792-805.[16]叶德意,何正友,臧天磊.基于自适应变异粒子群算法的分布式电源选址与容量确定[J].电网技术,2011,(06):155-160.[17]BJELIC I B,CIRIC R M.Optimal distributed generation planning at a local level-A review of Serbian renewable energy development[J].Renewable & Sustainable Energy Reviews,2014,39(6):79-86.[18]朱艳伟,石新春,但扬清,等.粒子群优化算法在光伏阵列多峰最大功率点跟踪中的应用[J].中国电机工程学报,2012,32(4).[19]黄平.粒子群算法改进及其在电力系统的应用[D].广州:华南理工大学,2012.[20]施展,陈庆伟.基于QPSO和拥挤距离排序的多目标量子粒子群优化算法[J].控制与决策,2011,26(4):540-547.[21]ZHANG L G,ZUO H.Pareto optimal solution analysis of convex multi-objective programming problem[J].Journal of Networks,2013(02).[22]李中凯,李艾民,朱真才.拥挤距离排序的多目标文化粒子群优化算法[J].控制与决策,2012,27(09):1406-1410.[23]慕彩红.协同进化数值优化算法及其应用研究[D].西安:西安电子科技大学,2010.作者单位 沈阳农业大学信息与电气工程学院 辽宁省沈阳市 110866 摘要:文章主要从分布式通用航空服务站系统构建的意义及其功能与组成两个角度对文章主题进行了分析。所谓的分布式通用航空服务站系统的本质为一种地面设施系统,其主要功能在于对有关飞行方面的信息进行处理,并将其分类汇总,以为有关人员对于上述问题的研究提供参考。就目前的情况看,我国对于这一系统的构建已经取得了较为良好的效果,同时,系统的应用也对我国航空领域的发展带来了很大的价值。 关键词:分布式通用航空服务站;系统;功能;组成随着社会对于通用航空要求的不断提高,传统的航空服务站中的诸多缺陷开始逐渐暴露出来,为了使我国的通用航空领域能够得到更大程度的进步,必须要提出相应的措施去解决其中存在的问题,这样才能使航空运输的安全性以及效率均得到不断的提高。分布式通用航空服务站系统的开发与应用能够有效的解决传统航空服务站中存在的问题,因此有必要对这一系统进行充分的研究。需要注意的是,CNS技术属于支撑系统运行的一个主要技术,因此对这一技术研究也非常必要。 1分布式通用航空服务站系统构建的意义 分布式通用航空服务站系统构建的意义主要体现在能够解决传统航空服务站中存在的低效率以及低安全性的问题方面,同时,对这一系统进行构建也是社会经济与科技发展的必然要求。当前,技术水平已经成为了社会评价一个领域发展现状以及发展前景的主要标准,这一规律在国与国的范围内同样适用,作为一个国家软实力的主要体现,技术水平的提高对于一个国家整体综合实力的提高能够起到巨大的作用。分布式通用航空服务站的构建体现的便是我国航空领域技术水平的提高,另外,鉴于系统的应用对于交通运输效率以及安全方面的重要性,人民的生命以及财产安全也能够得到最大程度的保证。由此可见,有必要对这一系统进行构建。 2分布式通用航空服务站系统的功能与组成以下文章主要从系统的整体构成、飞行情报中心、功能对比以及数据共享四个部分对分布式通用航空服务站系统的功能与组成方面的问题进行了阐述,希望能够为有关人员提供参考,具体情况如下所示: 2.1分布式通用航空服务站系统的功能与组成分布式通用航空服务站系统主要包括专用数据中心、飞行情报中心以及服务站终端三个部分。其中专用数据中心包括一个,飞行情报中心与服务站终端则可以根据具体情况无限制的进行设置。服务站终端的主要功能在于将所获取的情报反应给飞行情报中心,对于服务站终端而言,其有权利对飞行情报中心的数据库进行访问,可以根据其数据库中的内容对有关飞行方面的种种信息进行获取。在收到情报之后,飞行情报中心会对数据进行整理,并与其他地区的情报中心进行沟通,从而实现数据的互相交换使用,以保证预测结果能够更加具有准确性。 2.2飞行情报中心 飞行情报中心的构成情况较为复杂,同时也与多方面存在联系。总的来说,与飞行情报中心之间存在联系的部门主要有管制中心、航空情报中心、通航用户以及服务站终端。第一、飞行情报中心会向管制中心提供综合监视数据,而管制中心则会向飞行情报中心提供必要的监视信息,这一过程需要通过ADS-B专线来完成。第二,飞行情报中心会向航空情报中心提供综合航空情报数据,而后者则会向前者提供永久性的航空资料,两者之间需要通过航空情报专线实现互相联系。第三,飞行情报中心会向通航用户提供通航服务信息,而后者则会向前者提供用户信息,两者之间的联系需要依靠互联网来实现。第四,飞行情报中心向服务站终端提供的数据与信息为综合性的,即前三者的结合,而服务站终端所反馈的信息也是前三者的结合。需要注意的是,服务站终端、飞行情报中心与通航用户三者之间是互相联系的。 2.3功能对比 通过两者之间的对比可以发现,相对于服务站终端而言,飞行情报中心无论在空地通信、监视手段、数据处理或空中交通服务方面均具有较为强大的实现手段。总的来说,飞行情报中心的功能主要体现在以下方面:第一,能够实现数据的交换与融合。飞行情报中心能够将系统中各个部分的信息接收,并将所得到的信息传输到系统各个部分,这使得系统开始成为了一个整体,同时也就能够使不同的数据之间实现交换与融合,对于各部门之间的协同运作具有重要价值。第二,能够实现监视功能。飞行情报中心能够通过对定位等技术的应用实现监视功能,实践证明,其监视效果较为良好,同时也准确性也能够得到保证。第三,VA虚拟应用也是其一个重要功能。这一功能的价值主要在于能够实现监视数据与互联网数据之间的互联,而通过互联,前者能够对后者的数据随时获取,但需要注意的是,后者只能对前者的数据进行查看,而并不能获取,这是出于对监视数据安全性的考虑而采取的一种措施。第四,提高服务水平及其完整程度。飞行情报中心能够为飞行员提供诸多的参考数据,其中便包括对天气情况的转播以及对相应的咨询服务,通过这一功能,飞行员能够随时有效的获取最新的天气信息,同时也就能够在恶劣天气到来之前采取措施进行预防,因此也就能够避免出现飞行事故,对于航空运输安全性的保证具有重要价值。上述文章已经指出,监视数据与互联网数据两者之间是可以实现信息共享的,且处于对监视数据的安全性的考虑,后者并不能随意获取前者的数据,对此,需要应用图片中的系统去实施物理隔离。需要注意的是,数据交换的过程需要根据不同情况来具体实施。虚拟应用(VA:VirtualApplication)是实现隔离的主要设施,在服务器中会包含两张网卡,两者所负责的内容不同,通过在服务器中设置防火墙的方式,便能够完成对数据安全性的保证。 3结束语 通过上述文章可以看出,作为航空服务站功能实现的主要支撑性部分,分布式通用航空服务站系统的应用对于解决航空运输效率以及安全性方面具有重要价值。这一系统主要由服务站终端、飞行情报中心以及专用数据中心三个部分构成,每一部分所发挥的作用存在差别,但对于整个系统的运行而言均十分重要,对其功能与组成的了解,能够为有关人员对系统的操作以及应用提供基础,这样才能从根本上保证我国航空领域整体水平的进一步提高。 参考文献: [1]李橙,朱楠,袁远.分布式通用航空服务站系统功能与组成研究[J].航空电子技术,2015(6):201-202.[2]陈昕,李橙,徐丁海,等.通用航空服务站功能与组成研究[J].航空电子技术,2013(6):331-332. “十三五”重点项目-分布式净水系统生产项目可行性研究报告 编制单位:北京智博睿投资咨询有限公司 0 本报告是针对行业投资可行性研究咨询服务的专项研究报告,此报告为个性化定制服务报告,我们将根据不同类型及不同行业的项目提出的具体要求,修订报告目录,并在此目录的基础上重新完善行业数据及分析内容,为企业项目立项、申请资金、融资提供全程指引服务。 可行性研究报告 是在招商引资、投资合作、政府立项、银行贷款等领域常用的专业文档,主要对项目实施的可能性、有效性、如何实施、相关技术方案及财务效果进行具体、深入、细致的技术论证和经济评价,以求确定一个在技术上合理、经济上合算的最优方案和最佳时机而写的书面报告。 可行性研究是确定建设项目前具有决定性意义的工作,是在投资决策之前,对拟建项目进行全面技术经济分析论证的科学方法,在投 资管理中,可行性研究是指对拟建项目有关的自然、社会、经济、技术等进行调研、分析比较以及预测建成后的社会经济效益。在此基础上,综合论证项目建设的必要性,财务的盈利性,经济上的合理性,技术上的先进性和适应性以及建设条件的可能性和可行性,从而为投资决策提供科学依据。 投资可行性报告咨询服务分为政府审批核准用可行性研究报告和融资用可行性研究报告。审批核准用的可行性研究报告侧重关注项目的社会经济效益和影响;融资用报告侧重关注项目在经济上是否可行。具体概括为:政府立项审批,产业扶持,银行贷款,融资投资、投资建设、境外投资、上市融资、中外合作,股份合作、组建公司、征用土地、申请高新技术企业等各类可行性报告。 报告通过对项目的市场需求、资源供应、建设规模、工艺路线、设备选型、环境影响、资金筹措、盈利能力等方面的研究调查,在行业专家研究经验的基础上对项目经济效益及社会效益进行科学预测,从而为客户提供全面的、客观的、可靠的项目投资价值评估及项目建设进程等咨询意见。 报告用途:发改委立项、政府申请资金、申请土地、银行贷款、境内外融资等 关联报告: 分布式净水系统生产项目建议书 分布式净水系统生产项目申请报告 分布式净水系统生产资金申请报告 分布式净水系统生产节能评估报告 分布式净水系统生产市场研究报告 分布式净水系统生产商业计划书 分布式净水系统生产投资价值分析报告 分布式净水系统生产投资风险分析报告 分布式净水系统生产行业发展预测分析报告 可行性研究报告大纲(具体可根据客户要求进行调整)第一章 分布式净水系统生产项目总论 第一节 分布式净水系统生产项目概况 1.1.1分布式净水系统生产项目名称 1.1.2分布式净水系统生产项目建设单位 1.1.3分布式净水系统生产项目拟建设地点 1.1.4分布式净水系统生产项目建设内容与规模 1.1.5分布式净水系统生产项目性质 1.1.6分布式净水系统生产项目总投资及资金筹措 1.1.7分布式净水系统生产项目建设期 第二节 分布式净水系统生产项目编制依据和原则 1.2.1分布式净水系统生产项目编辑依据 1.2.2分布式净水系统生产项目编制原则 1.3分布式净水系统生产项目主要技术经济指标 1.4分布式净水系统生产项目可行性研究结论 第二章 分布式净水系统生产项目背景及必要性分析 第一节 分布式净水系统生产项目背景 2.1.1分布式净水系统生产项目产品背景 2.1.2分布式净水系统生产项目提出理由 第二节 分布式净水系统生产项目必要性 2.2.1分布式净水系统生产项目是国家战略意义的需要 2.2.2分布式净水系统生产项目是企业获得可持续发展、增强市场竞争力的需要 2.2.3分布式净水系统生产项目是当地人民脱贫致富和增加就业的需要 第三章 分布式净水系统生产项目市场分析与预测 第一节 产品市场现状 第二节 市场形势分析预测 第三节 行业未来发展前景分析 第四章 分布式净水系统生产项目建设规模与产品方案 第一节 分布式净水系统生产项目建设规模 第二节 分布式净水系统生产项目产品方案 第三节 分布式净水系统生产项目设计产能及产值预测 第五章 分布式净水系统生产项目选址及建设条件 第一节 分布式净水系统生产项目选址 5.1.1分布式净水系统生产项目建设地点 5.1.2分布式净水系统生产项目用地性质及权属 5.1.3土地现状 5.1.4分布式净水系统生产项目选址意见 第二节 分布式净水系统生产项目建设条件分析 5.2.1交通、能源供应条件 5.2.2政策及用工条件 5.2.3施工条件 5.2.4公用设施条件 第三节 原材料及燃动力供应 5.3.1原材料 5.3.2燃动力供应 第六章 技术方案、设备方案与工程方案 第一节 项目技术方案 6.1.1项目工艺设计原则 6.1.2生产工艺 第二节 设备方案 6.2.1主要设备选型的原则 6.2.2主要生产设备 6.2.3设备配置方案 6.2.4设备采购方式 第三节 工程方案 6.3.1工程设计原则 6.3.2分布式净水系统生产项目主要建、构筑物工程方案 6.3.3建筑功能布局 6.3.4建筑结构 第七章 总图运输与公用辅助工程 第一节 总图布置 7.1.1总平面布置原则 7.1.2总平面布置 7.1.3竖向布置 7.1.4规划用地规模与建设指标 第二节 给排水系统 7.2.1给水情况 7.2.2排水情况 第三节 供电系统 第四节 空调采暖 第五节 通风采光系统 第六节 总图运输 第八章 资源利用与节能措施 第一节 资源利用分析 8.1.1土地资源利用分析 8.1.2水资源利用分析 8.1.3电能源利用分析 第二节 能耗指标及分析 第三节 节能措施分析 8.3.1土地资源节约措施 8.3.2水资源节约措施 8.3.3电能源节约措施 第九章 生态与环境影响分析 第一节 项目自然环境 9.1.1基本概况 9.1.2气候特点 9.1.3矿产资源 第二节 社会环境现状 9.2.1行政划区及人口构成 9.2.2经济建设 第三节 项目主要污染物及污染源分析 9.3.1施工期 9.3.2使用期 第四节 拟采取的环境保护标准 9.4.1国家环保法律法规 9.4.2地方环保法律法规 9.4.3技术规范 第五节 环境保护措施 9.5.1施工期污染减缓措施 9.5.2使用期污染减缓措施 9.5.3其它污染控制和环境管理措施 第六节 环境影响结论 第十章 分布式净水系统生产项目劳动安全卫生及消防 第一节 劳动保护与安全卫生 10.1.1安全防护 10.1.2劳动保护 10.1.3安全卫生 第二节 消防 10.2.1建筑防火设计依据 10.2.2总面积布置与建筑消防设计 10.2.3消防给水及灭火设备 10.2.4消防电气 第三节 地震安全 第十一章 组织机构与人力资源配置 第一节 组织机构 11.1.1组织机构设置因素分析 11.1.2项目组织管理模式 11.1.3组织机构图 第二节 人员配置 11.2.1人力资源配置因素分析 11.2.2生产班制 11.2.3劳动定员 表11-1劳动定员一览表 11.2.4职工工资及福利成本分析 表11-2工资及福利估算表 第三节 人员来源与培训 第十二章 分布式净水系统生产项目招投标方式及内容 第十三章 分布式净水系统生产项目实施进度方案 第一节 分布式净水系统生产项目工程总进度 第二节 分布式净水系统生产项目实施进度表 第十四章 投资估算与资金筹措 第一节 投资估算依据 第二节 分布式净水系统生产项目总投资估算 表14-1分布式净水系统生产项目总投资估算表单位:万元 第三节 建设投资估算 表14-2建设投资估算表单位:万元 第四节 基础建设投资估算 表14-3基建总投资估算表单位:万元 第五节 设备投资估算 表14-4设备总投资估算单位:万元 第六节 流动资金估算 表14-5计算期内流动资金估算表单位:万元 第七节 资金筹措 第八节 资产形成第十五章 财务分析 第一节 基础数据与参数选取 第二节 营业收入、经营税金及附加估算 表15-1营业收入、营业税金及附加估算表单位:万元 第三节 总成本费用估算 表15-2总成本费用估算表单位:万元 第四节 利润、利润分配及纳税总额预测 表15-3利润、利润分配及纳税总额估算表单位:万元 第五节 现金流量预测 表15-4现金流量表单位:万元 第六节 赢利能力分析 15.6.1动态盈利能力分析 16.6.2静态盈利能力分析 第七节 盈亏平衡分析 第八节 财务评价 表15-5财务指标汇总表 第十六章 分布式净水系统生产项目风险分析 第一节 风险影响因素 16.1.1可能面临的风险因素 16.1.2主要风险因素识别 第二节 风险影响程度及规避措施 16.2.1风险影响程度评价 16.2.2风险规避措施 第十七章 结论与建议 第一节 分布式净水系统生产项目结论 第二节 分布式净水系统生产项目建议第二篇:分布式电源系统设计论文
第三篇:基于改进粒子群优化算法的分布式电源规划
第四篇:分布式通用航空服务站系统探讨论文
第五篇:“十三五”重点项目-分布式净水系统生产项目可行性研究报告