• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于最小二乘支持向量機(jī)的配電網(wǎng)故障量預(yù)測(cè)模型

      2020-05-18 06:45:04高小芹王梓瑋肖詩(shī)弋
      關(guān)鍵詞:漢口配電網(wǎng)向量

      高小芹 ,王梓瑋,盧 晨,伍 茜,肖詩(shī)弋

      (1.國(guó)網(wǎng)湖北省電力有限公司 武漢供電公司,湖北 武漢 430014;2.武漢理工大學(xué) 國(guó)際教育學(xué)院,湖北 武漢 430070)

      隨著武漢市漢口城區(qū)電網(wǎng)規(guī)模的不斷擴(kuò)大,用電客戶數(shù)量不斷增加,配電網(wǎng)故障量也隨之增多,特別是在迎峰度夏期間,每日發(fā)生的故障量呈井噴式爆發(fā)。據(jù)統(tǒng)計(jì),電力系統(tǒng)中95%以上的故障發(fā)生在10 kV配電網(wǎng)[1]。配電網(wǎng)的安全運(yùn)行是整個(gè)電網(wǎng)安全運(yùn)行的重要一環(huán),是提高供電系統(tǒng)運(yùn)行水平的關(guān)鍵環(huán)節(jié)[2]。因此,如何提高配電網(wǎng)的可靠性,減少配電網(wǎng)的故障量,是目前供電公司亟需解決的問題之一。

      較多學(xué)者對(duì)配電網(wǎng)故障進(jìn)行了研究,在配電網(wǎng)故障風(fēng)險(xiǎn)方面,張穩(wěn)等[3]提出一種計(jì)及天氣因素的配電網(wǎng)故障風(fēng)險(xiǎn)等級(jí)預(yù)測(cè)的方法,基于Adaboost 改進(jìn)C4.5決策樹算法對(duì)配電網(wǎng)故障風(fēng)險(xiǎn)等級(jí)進(jìn)行預(yù)測(cè),挖掘故障停電風(fēng)險(xiǎn)等級(jí)與天氣因素間的關(guān)聯(lián)關(guān)系。劉科研等[4]采用Rlief-Wrapper 算法分析故障關(guān)聯(lián)因素,采用徑向基函數(shù)的SVM方法和最優(yōu)故障特征子集進(jìn)行風(fēng)險(xiǎn)預(yù)警。在配電網(wǎng)故障統(tǒng)計(jì)方面,王建雄等[5]在雙對(duì)數(shù)坐標(biāo)下對(duì)故障次數(shù)及其累積概率進(jìn)行擬合,驗(yàn)證配電網(wǎng)故障在多時(shí)空尺度下的自相似性和標(biāo)度不變性,進(jìn)而從時(shí)空上對(duì)其形成機(jī)理進(jìn)行對(duì)比分析。譚米等[6]對(duì)配電網(wǎng)故障進(jìn)行統(tǒng)計(jì)研究,發(fā)現(xiàn)配電網(wǎng)故障在雙對(duì)數(shù)坐標(biāo)下呈直線狀,具有冪律分布特性。宋杰等[7]基于調(diào)度自動(dòng)化系統(tǒng)、設(shè)備資產(chǎn)管理系統(tǒng)和故障搶修系統(tǒng)中的故障信息、設(shè)備運(yùn)行數(shù)據(jù)、設(shè)備狀態(tài)數(shù)據(jù)等多源異構(gòu)數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘和智能處理,對(duì)上海市配電網(wǎng)在不同季節(jié)、不同負(fù)荷、不同運(yùn)行方式等條件下故障信息進(jìn)行統(tǒng)計(jì)分析。在配電網(wǎng)故障量預(yù)測(cè)方法方面,程淼海等[8]提出了一種基于隨機(jī)森林算法的配網(wǎng)搶修故障量預(yù)測(cè)方法,預(yù)測(cè)不同區(qū)域、不同電網(wǎng)故障與非電網(wǎng)故障、不同電壓維度下未來(lái)一天的故障量,并在真實(shí)電力數(shù)據(jù)上進(jìn)行了對(duì)比驗(yàn)證。王繼業(yè)等[9]則是構(gòu)建了基于灰色投影隨機(jī)森林算法的配電網(wǎng)故障量預(yù)測(cè)模型,利用灰色投影篩選出相似日的樣本集合作為訓(xùn)練數(shù)據(jù)。李童飛等[10]構(gòu)建了基于支持向量回歸和統(tǒng)計(jì)分析的配電網(wǎng)故障分區(qū)預(yù)測(cè)模型,并計(jì)算9個(gè)區(qū)域的故障概率,將預(yù)測(cè)故障量細(xì)化到這9個(gè)區(qū)域內(nèi),實(shí)現(xiàn)了配電網(wǎng)故障量的分區(qū)預(yù)測(cè)。喻琢舟等[11]將加權(quán)馬爾可夫模型應(yīng)用到配電網(wǎng)故障預(yù)測(cè)中,根據(jù)故障量的歷史數(shù)據(jù)序列,求出每條線路月平均故障量,應(yīng)用模糊聚類方法建立分級(jí)標(biāo)準(zhǔn),將歷史數(shù)據(jù)序列的相關(guān)系數(shù)作為權(quán)數(shù),通過(guò)加權(quán)馬爾可夫模型對(duì)下月的故障量進(jìn)行預(yù)測(cè)。

      基于上述研究,筆者提出了一種基于最小二乘和支持向量機(jī)(support vector machine,SVM)的故障量預(yù)測(cè)模型,從被動(dòng)地受理故障變?yōu)橹鲃?dòng)地預(yù)測(cè)故障,以武漢市漢口地區(qū)為例,該區(qū)域(包括硚口區(qū)、江岸區(qū)和江漢區(qū))按街道辦事處的行政區(qū)域可劃分為43個(gè)街區(qū),調(diào)用SG186、PMS 2.0、95598系統(tǒng)、網(wǎng)格服務(wù)電話、市長(zhǎng)熱線等故障工單數(shù)據(jù)及來(lái)自國(guó)家氣象局的天氣數(shù)據(jù),進(jìn)行43個(gè)街區(qū)的故障量預(yù)測(cè),具體分析方法如圖1所示。

      圖1 分析方法圖

      1 配電網(wǎng)故障數(shù)據(jù)預(yù)處理

      1.1 數(shù)據(jù)來(lái)源

      筆者采用的原始數(shù)據(jù)為武漢市江岸區(qū)、江漢區(qū)和硚口區(qū)的設(shè)備運(yùn)行時(shí)限、變壓器屬性及2015—2016年的故障工單、負(fù)荷、天氣、空氣質(zhì)量等數(shù)據(jù),其中故障工單主要來(lái)源于PMS系統(tǒng)、95598系統(tǒng)、市長(zhǎng)熱線和網(wǎng)格服務(wù)電話,投訴工單來(lái)源于SG186系統(tǒng),負(fù)荷數(shù)據(jù)來(lái)源于SCADA系統(tǒng),天氣、空氣質(zhì)量等數(shù)據(jù)來(lái)源于國(guó)家氣象局的天氣數(shù)據(jù),具體如圖2所示。

      圖2 數(shù)據(jù)來(lái)源

      1.2 數(shù)據(jù)填充

      原始數(shù)據(jù)中會(huì)存在著一些異常數(shù)據(jù)和缺失數(shù)據(jù),異常數(shù)據(jù)一般較少,可直接刪除;對(duì)于缺失值,將其填充為0。同時(shí),為了對(duì)街道區(qū)域的故障量進(jìn)行預(yù)測(cè),增加了“所在區(qū)域”和 “所屬街道辦事處”兩個(gè)字段。

      1.3 數(shù)據(jù)轉(zhuǎn)換

      將原有數(shù)據(jù)轉(zhuǎn)換為易于分析和應(yīng)用的形式,包含特征構(gòu)造、數(shù)據(jù)分級(jí)及數(shù)據(jù)量化等,如量化位置信息、構(gòu)建變壓器投運(yùn)時(shí)間特征屬性、天氣數(shù)據(jù)的分級(jí)分析等。將空氣質(zhì)量按照霧霾指數(shù)的大小分為優(yōu)、良、輕度污染、中度污染、重度污染、嚴(yán)重污染6個(gè)等級(jí),分別用數(shù)值1~6代表;將風(fēng)力劃分為微風(fēng)、1~2級(jí)風(fēng)、3~4級(jí)風(fēng)、4~5級(jí)風(fēng)和5~6級(jí)風(fēng)5個(gè)等級(jí),分別用數(shù)值1~5代表;將降雨量按照日降雨量的大小分為小雨、中雨、大雨、暴雨、特大暴雨5個(gè)等級(jí),分別用數(shù)值1~5代表;漢口地區(qū)擔(dān)負(fù)著江岸區(qū)、江漢區(qū)、硚口區(qū)3個(gè)行政區(qū)的供電服務(wù)任務(wù),將江岸區(qū)、江漢區(qū)、硚口區(qū)分別用數(shù)值1、2、3表示;每個(gè)行政區(qū)又由若干個(gè)街道辦事處組成,3個(gè)行政區(qū)共有43個(gè)街道辦事處,分別用數(shù)值1~43表示。

      1.4 內(nèi)外部數(shù)據(jù)重組

      對(duì)配電網(wǎng)故障數(shù)據(jù)進(jìn)行內(nèi)外部重組,得到新的實(shí)驗(yàn)參數(shù)表,如表1所示。

      表1 實(shí)驗(yàn)參數(shù)表

      2 故障統(tǒng)計(jì)分析

      2.1 故障類型統(tǒng)計(jì)

      將原始數(shù)據(jù)整理后,詳細(xì)的分析和監(jiān)測(cè)是從故障數(shù)量的實(shí)時(shí)分析、故障數(shù)量和故障處理的日常趨勢(shì)監(jiān)測(cè)3個(gè)維度進(jìn)行的。對(duì)各區(qū)域故障影響范圍、用戶報(bào)修情況、搶修資源實(shí)時(shí)分布、駐點(diǎn)工作強(qiáng)度進(jìn)行實(shí)時(shí)分析,并制成“運(yùn)維日?qǐng)?bào)”發(fā)布給各個(gè)班組,同時(shí)匯總周、月、季、年統(tǒng)計(jì)信息,旨在避免出現(xiàn)配電網(wǎng)運(yùn)維檢修數(shù)據(jù)分析與發(fā)布不及時(shí)、運(yùn)維檢修工作重大過(guò)失及檢修時(shí)效低等問題。同時(shí)根據(jù)統(tǒng)計(jì)結(jié)果對(duì)故障進(jìn)行初步分析,為決策提供參考。配電網(wǎng)故障按照電壓等級(jí)可以分為高壓故障和低壓故障,通過(guò)對(duì)2015—2016年9 851個(gè)故障工單進(jìn)行分析,得到高壓故障和低壓故障的統(tǒng)計(jì)結(jié)果,分別如圖3和圖4所示。

      圖3 2015—2016年度高壓故障統(tǒng)計(jì)

      圖4 2015—2016年度低壓故障統(tǒng)計(jì)

      根據(jù)故障分類統(tǒng)計(jì)結(jié)果可知,低壓故障是高壓故障的3倍多,2015年和2016年間低壓故障主要集中在進(jìn)表線、墻頭皮線、總空開、墻頭空開、搭頭線、終端箱等,特別是進(jìn)表線,兩年間的故障量為1 804起,占總故障量的24%,其次是墻頭皮線,為781起;而高壓故障主要集中在蓋板、高壓跌落式保險(xiǎn)、樹障、高壓變壓器本體、帶電線夾等故障類型,其中蓋板兩年間的故障量為767起,高壓跌落式保險(xiǎn)為452起。

      2.2 配電網(wǎng)故障實(shí)時(shí)分布分析

      配電網(wǎng)故障是24 h受理制,筆者對(duì)2015年、2016年和2017年上半年配電網(wǎng)故障按照24 h進(jìn)行劃分,結(jié)果如圖5所示,可以看出故障報(bào)修的早高峰期是早上8點(diǎn)、9點(diǎn)、10點(diǎn)這3個(gè)時(shí)間段,晚高峰是19點(diǎn)、20點(diǎn)、21點(diǎn)這3個(gè)時(shí)間段。

      圖5 配電網(wǎng)故障24 h分布曲線

      2.3 配電網(wǎng)故障熱力圖

      漢口配電運(yùn)檢室擔(dān)負(fù)著江岸區(qū)、江漢區(qū)、硚口區(qū)3個(gè)行政區(qū)的供電服務(wù)任務(wù),供電服務(wù)面積為144 km2,涉及人口約為300萬(wàn)人。漢口地區(qū)已實(shí)行一個(gè)營(yíng)配班組管理一個(gè)街道辦事處服務(wù)一片用戶的“1+1+1”網(wǎng)格服務(wù)模式,但不同地區(qū)網(wǎng)格單元的配電網(wǎng)故障量存在差異,利用地圖無(wú)憂軟件繪制2015年—2017年漢口地區(qū)配電網(wǎng)故障熱力圖,如圖6所示,可以看出沿江大道、中山大道和解放大道的一元街、車站街、花樓街、漢正街、萬(wàn)松園街等老城區(qū)和商業(yè)較發(fā)達(dá)地區(qū)為配電網(wǎng)故障高發(fā)區(qū),而王家墩CBD新城區(qū)的故障發(fā)生率極小。

      圖6 2015—2017年漢口地區(qū)配電網(wǎng)故障熱力圖

      3 配電網(wǎng)故障關(guān)聯(lián)因素分析

      配電網(wǎng)故障的發(fā)生受很多因素影響,分析造成故障的主要因素、判斷各因素對(duì)故障的影響程度、描述配電網(wǎng)故障發(fā)生的規(guī)律,是配電網(wǎng)故障預(yù)測(cè)建模的首要任務(wù)。10 kV配電網(wǎng)故障在天氣狀況惡劣時(shí)發(fā)生的概率居高不下,在各類影響配電網(wǎng)故障的因素之中,天氣為重要因素之一[12]。此外,導(dǎo)致配電網(wǎng)故障的原因還有配電設(shè)備老化、市政工程破壞及人為破壞。相比于其他幾類因素,天氣數(shù)據(jù)更容易收集,因此筆者重點(diǎn)探究天氣因素對(duì)配電網(wǎng)故障的影響程度。

      3.1 溫度對(duì)配電網(wǎng)故障的影響

      與配電網(wǎng)故障最為緊密的天氣因素是溫度,根據(jù)全年溫度的變化可以大致確定全年故障量的變化。漢口地區(qū)2015—2016年最高溫度與故障量的曲線圖和散點(diǎn)圖分別如圖7和圖8所示,可以看出不同溫度段故障量對(duì)溫度的敏感程度不同,在冬季溫度趨向0℃和夏季溫度趨向40℃時(shí),故障量均比較高。

      圖7 漢口地區(qū)2015—2016年最高溫度與故障量曲線圖

      圖8 漢口地區(qū)2015—2016年故障量與最高溫度散點(diǎn)圖

      采用Pearson相關(guān)分析法分析溫度與故障量的相關(guān)性,Pearson 相關(guān)系數(shù)計(jì)算方式為:

      (1)

      式中:X代表溫度;Y代表故障量。經(jīng)計(jì)算得到溫度與配電網(wǎng)故障量之間的Pearson相關(guān)系數(shù)為0.930>0.800,說(shuō)明溫度與配電網(wǎng)故障量之間存在高度相關(guān)性。

      3.2 霧霾對(duì)配電網(wǎng)故障的影響

      近年來(lái),霧霾天氣被準(zhǔn)確界定并納入天氣預(yù)報(bào)與監(jiān)測(cè)范疇。與此同時(shí),大部分地區(qū)出現(xiàn)的霧霾天氣造成各地空氣污染指數(shù)攀升,嚴(yán)重影響人們的身體健康和生產(chǎn)生活活動(dòng)。當(dāng)霧霾發(fā)生時(shí),居民會(huì)減少不必要的出行活動(dòng);當(dāng)霧霾天氣較嚴(yán)重時(shí),相關(guān)部門甚至?xí)扇∠鄳?yīng)的保證安全的交通管制措施,這樣居民的外出活動(dòng)次數(shù)與活動(dòng)時(shí)間會(huì)顯著減少,室內(nèi)活動(dòng)的用電量則會(huì)相應(yīng)增加,進(jìn)而影響到用電負(fù)荷和配電網(wǎng)的故障發(fā)生率。漢口地區(qū)2015—2016年霧霾與故障量的曲線圖和散點(diǎn)圖分別如圖9和圖10所示。

      圖9 漢口地區(qū)2015—2016年霧霾與故障量曲線圖

      圖10 漢口地區(qū)2015—2016年霧霾與故障量散點(diǎn)圖

      由式(1)計(jì)算得到霧霾與配電網(wǎng)故障量之間的Pearson相關(guān)系數(shù)為0.463<0.500,說(shuō)明霧霾與配電網(wǎng)故障量之間存在低度相關(guān)性。

      3.3 風(fēng)力對(duì)配電網(wǎng)故障的影響

      風(fēng)力的大小對(duì)配電網(wǎng)故障有很大的影響,特別是強(qiáng)風(fēng)暴,是對(duì)配電線路威脅最大的一種自然災(zāi)害。通過(guò)計(jì)算得出風(fēng)力與配電網(wǎng)故障量之間的Pearson相關(guān)系數(shù)為0.144<0.300,說(shuō)明風(fēng)力與配電網(wǎng)故障量之間存在微弱相關(guān)性。

      3.4 降雨量對(duì)配電網(wǎng)故障的影響

      降雨量的大小同樣影響著配電網(wǎng)故障的發(fā)生,降雨既會(huì)直接影響暴露在室外的電力設(shè)備的絕緣,又會(huì)加劇外力對(duì)電力設(shè)備的破壞。通過(guò)計(jì)算得出降雨量與配電網(wǎng)故障量之間的Pearson相關(guān)系數(shù)為0.098<0.300,說(shuō)明降雨量與配電網(wǎng)故障量之間存在微弱相關(guān)性。

      4 配電網(wǎng)故障預(yù)測(cè)

      4.1 最小二乘支持向量機(jī)預(yù)測(cè)模型

      支持向量機(jī)(SVM)是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的學(xué)習(xí)方法,最小二乘支持向量機(jī)算法[13]是支持向量機(jī)算法的擴(kuò)展,將決策函數(shù)的不等式約束改變成為等式約束,選擇最小二乘損失函數(shù)為優(yōu)化指標(biāo)。最小二乘支持向量機(jī)算法的分類決策函數(shù)為:

      (2)

      式中:xi、x為輸入,i=1,2,…,l;f(x)為輸出;λi為拉格朗日乘子;β(x)為輸入空間到高維特征空間的非線性映射;d為偏差。

      將y(x,xi)=β(xi)Tβ(x)作為最小二乘支持向量機(jī)的核函數(shù),引入徑向基函數(shù)(RBF)和多項(xiàng)式函數(shù)(POLY)作為核函數(shù),并比較這兩個(gè)核函數(shù)的平均誤差:

      y(x,xi)=exp[-‖x-xi‖2/(2φ2)]

      (3)

      K(x,xi)=[(x,xi)+1]P

      (4)

      式中:φ2為RBF的參數(shù);P為POLY的參數(shù)。

      多核函數(shù)學(xué)習(xí)首先需要有針對(duì)性地對(duì)不同類型的數(shù)據(jù)創(chuàng)建相應(yīng)的核函數(shù),再將創(chuàng)建的多個(gè)核函數(shù)進(jìn)行組合,并展開機(jī)器學(xué)習(xí)。多核函數(shù)學(xué)習(xí)對(duì)多源異構(gòu)數(shù)據(jù)處理有較好效果。多核函數(shù)的構(gòu)造一般分為線性多核函數(shù)和非線性多核函數(shù)兩種。采用非線性多核函數(shù)學(xué)習(xí)構(gòu)造多核函數(shù)時(shí),常常存在優(yōu)化不具備凸性或局部最優(yōu)解較難獲得等問題,經(jīng)綜合考慮,筆者采用線性多核函數(shù),其表達(dá)式如下:

      (5)

      式中:Kh(x,y)為單核函數(shù);λh∈(0,1),為核函數(shù)權(quán)重;m為單核函數(shù)個(gè)數(shù)。

      常用的4種單核函數(shù)為線性核函數(shù)、多項(xiàng)式核函數(shù)、徑向基核函數(shù)和Sigmoid函數(shù),針對(duì)數(shù)據(jù)異構(gòu)性,既可以選擇參數(shù)不同的核函數(shù),又可以選擇不同種類的核函數(shù)。例如,根據(jù)不同的特性選擇不同寬度的徑向基(RBF)核函數(shù),或根據(jù)不同的特性在學(xué)習(xí)過(guò)程中同時(shí)選擇高斯核函數(shù)和多項(xiàng)式(POLY)核函數(shù)。其中,徑向基核函數(shù)做為局部核函數(shù)的一種,函數(shù)值受距離樣本點(diǎn)很近的數(shù)據(jù)點(diǎn)影響大,學(xué)習(xí)能力強(qiáng)但泛化性能較弱。而多項(xiàng)式核函數(shù)做為全局核函數(shù)的一種,具有強(qiáng)大的泛化性能,距離樣本點(diǎn)很遠(yuǎn)的數(shù)據(jù)點(diǎn)都可以影響其數(shù)值,但學(xué)習(xí)能力較弱。為了充分利用兩種函數(shù)的優(yōu)勢(shì),高效發(fā)揮局部核函數(shù)和全局核函數(shù)的內(nèi)推與外推能力,故筆者選擇徑向基核函數(shù)和多項(xiàng)式核函數(shù)組合成新的多核函數(shù),揚(yáng)長(zhǎng)避短,以得到性能更加優(yōu)良的SVM預(yù)測(cè)模型[14]。

      4.2 實(shí)證分析

      以2015—2017年3年的數(shù)據(jù)為訓(xùn)練數(shù)據(jù),預(yù)測(cè)2017年7月10日—7月16日的故障量,分別采用徑向基函數(shù)和多項(xiàng)式函數(shù)為內(nèi)核函數(shù)展開預(yù)測(cè),預(yù)測(cè)結(jié)果如表2所示。由表2可以看出,最小二乘多項(xiàng)式函數(shù)均低于徑向基函數(shù), 說(shuō)明核函數(shù)為多項(xiàng)式函數(shù)的最小二乘支持向量機(jī)模型更適用于配電網(wǎng)故障量的預(yù)測(cè)。

      運(yùn)用搭建的最小二乘支持向量機(jī)模型對(duì)故障頻發(fā)街道如后湖街、二七街、常青街等21個(gè)街區(qū)2017年上半年的故障量進(jìn)行預(yù)測(cè),將街區(qū)故障量預(yù)測(cè)值作為模型輸出值,并與2017年上半年實(shí)際故障量進(jìn)行對(duì)比,結(jié)果如圖11所示,可以看出后湖街、二七街、常青街等21個(gè)街區(qū)2017年上半年的故障量預(yù)測(cè)平均誤差率為9.01%,在誤差允許范圍內(nèi),說(shuō)明最小二乘支持向量機(jī)模型具有一定的可行性。

      表2 預(yù)測(cè)結(jié)果表

      圖11 2017年上半年21個(gè)街區(qū)故障量預(yù)測(cè)結(jié)果

      5 結(jié)論

      (1)充分整合武漢市江岸區(qū)、江漢區(qū)和硚口區(qū)2015—2016年的故障工單、負(fù)荷、天氣、空氣質(zhì)量等內(nèi)外部數(shù)據(jù),深度挖掘配電網(wǎng)故障發(fā)生的時(shí)間、空間特性。

      (2)為了分析漢口地區(qū)故障量的發(fā)展趨勢(shì),融入“所屬行政區(qū)”和“所屬街道辦事處”等數(shù)據(jù),將故障地址細(xì)化到街道辦事處,分析顆粒更加精細(xì)化、精準(zhǔn)化。

      (3)開創(chuàng)性地將霧霾作為故障量預(yù)測(cè)的影響因素,并利用相關(guān)性分析,剖析了霧霾與故障量的內(nèi)在影響關(guān)系。

      (4)應(yīng)用所提出基于最小二乘支持向量機(jī)的配電網(wǎng)故障量預(yù)測(cè)模型,可以根據(jù)預(yù)測(cè)結(jié)果合理配置應(yīng)急搶修資源,優(yōu)化搶修駐點(diǎn)設(shè)置,從而縮短搶修到達(dá)現(xiàn)場(chǎng)時(shí)間,提升搶修服務(wù)質(zhì)效。

      猜你喜歡
      漢口配電網(wǎng)向量
      向量的分解
      聚焦“向量與三角”創(chuàng)新題
      《漢口北》
      配電網(wǎng)自動(dòng)化的應(yīng)用與發(fā)展趨勢(shì)
      學(xué)譯致用的日漢口譯教材與教學(xué)思考——以留學(xué)生日漢口譯課三種常用文本為例
      向量垂直在解析幾何中的應(yīng)用
      基于IEC61850的配電網(wǎng)數(shù)據(jù)傳輸保護(hù)機(jī)制
      配電網(wǎng)不止一步的跨越
      河南電力(2016年5期)2016-02-06 02:11:24
      向量五種“變身” 玩轉(zhuǎn)圓錐曲線
      鮑羅廷與收回漢口英租界
      江漢論壇(2015年7期)2015-02-27 16:05:34
      克拉玛依市| 兴业县| 四子王旗| 红桥区| 诸暨市| 高邮市| 高青县| 罗甸县| 会泽县| 杂多县| 东乌| 泾阳县| 阿图什市| 游戏| 兴仁县| 甘孜| 云梦县| 新龙县| 武威市| 延安市| 普格县| 锦州市| 阿勒泰市| 体育| 湄潭县| 阿坝县| 临高县| 徐闻县| 沛县| 太谷县| 绿春县| 彭阳县| 游戏| 昌邑市| 长宁县| 天祝| 达州市| 茶陵县| 增城市| 枝江市| 宜君县|