The capital supply curve in capacity expansion models: Some economic and algorithmic aspects

Capacity expansion models typically minimize the discounted cost of acquisition and operation over a given planning horizon. In this article we generalize this idea to one in which a capital supply curve replaces the usual discount rate. A capital supply curve is a means to model financial outlook, investment limits, and risk. We show that when such a curve is included in a capacity expansion model, it will, under certain conditions, provide a less capital intensive solution than one which incorporates a discount rate. In this article, we also provide an algorithm that solves capacity expansion models that incorporate a capital supply curve. The attractive feature of this algorithm is that it provides a means to utilize the “discount rate” models efficiently. Throughout, we give applications in power generation planning and computational experience for this application is also presented.     

MIS结构生成器—MISSG的设计与实现

MISSG是一个能支持“快速原型法”的通用生成工具,它不但能快速生成MIS结构的可执行原型,并且还具有“边执行——边维护”的生成方式,为MIS的生成和维护提供了一种全新的实用方法。本文阐述了MISSG的特点、组成结构和实现方法。     

可压缩流大涡模拟耦合概率密度函数方法中的滤波压力模型

亚格子组分-温度关联项显著影响反应流大涡模拟精度。利用概率密度函数方法中概率等效的特点,发展一种新的滤波压力模型,可以良好封闭亚格子组分-温度关联项。介绍概率密度函数及其耦合求解方法,在已有模型基础上推导建立新的滤波压力模型,并在三维超声速氢气/空气时间发展反应混合层中对不同的滤波压力模型进行数值测试。结果表明,与传统的滤波压力模型相比,新的滤波压力模型可以明显改善反应混合层的模拟准确度。特别地,基于新的滤波压力模型,大涡模拟耦合概率密度函数方法可以较好地模拟链式反应中间微小组分如超氧化氢基等,有望更有效地再现自点火等复杂现象。     

D-S证据理论应用中的一种验证方法

D-S证据理论是一种比概率论确定性弱的不确定性理论,它能将"不知道"和"不确定"两个认知学上的主要概念区别开来,在多传感器数据融合中具有广泛的应用前景.D-S证据理论在实际应用中却存在一个困难,当目标的个数较多时,需要计算的项数太多,容易造成漏项,引起计算错误.提出了一种确定计算项数的算法,作为验证计算结果的必要条件,并通过图解的方法找出需要计算的项.     

武器系统模糊寿命周期费用模型

武器系统的寿命周期费用建模较多采用参数法,而参数法中最常用的是最小二乘回归.考虑费用统计数据的模糊性,提出用模糊最小二乘回归来建立武器系统模糊寿命周期费用模型,并结合实例对武器系统寿命周期费用进行了分析.结果表明,这种方法能达到令人满意的拟合精度,具有实用价值.     

低频UWBSAR辐射校准模型

低频超宽带合成孔径雷达(Ultra Wide Band Synthetic Aperture Radar,UWBSAR)的辐射校准是系统研制和应用过程中必须面对的课题。低频UWBSAR的特点使得常规SAR辐射校准技术不再适用。充分考虑校准参数随频率和方位角的变化,给出适合该系统的辐射校准方法,得到低频UWBSAR图像辐射校准模型。利用该模型,对系统辐射校准误差进行了分析。     

面向癫痫脑电的简化深度学习模型

针对脑电信号随机性强、动态变化迅速等特点,提出了一种简化深度学习模型研究癫痫脑电识别问题。提出的模型以一维卷积神经网络为基础,在结构方面简化了卷积层、池化层等以提高模型效率,在整体框架方面应用了Keras框架,在训练优化算法方面采用RMSProp算法作为模型优化算法,通过预定义的目标函数来进行损失估计,模型设计上加入了批标准化层和全局均值池化层。基于所提模型,从三个方面研究了癫痫脑电识别问题,即:利用经验模态分解,分别选取前三阶、前五阶、前七阶、前八阶的本征模态函数分量,在简化模型上进行对比分析;利用提出模型所具备的深度学习特点,直接识别原始脑电信号而无须特征提取环节;增加了三种不同方法分别提取7类特征,对相同的脑电数据进行对比分析。性能分析结果表明:对于五类不同的脑电信号,前三阶的本征模态函数分量的识别率达到92.1%,比其他几种处理方式识别率高;前八阶的本征模态分量识别率不及原始信号,表明人工数据处理时会给数据带来噪声; 所提出的简化深度学习模型能高效处理癫痫脑电识别问题,具备较高效率和较好性能。     

基于灰色滑模控制的火箭炮伺服系统仿真

新型火箭炮伺服系统的控制过程具有明显的非线性和时变特性,传统的PID控制是基于精确数学模型的控制方法,难以获得满意的控制效果。为了提高控制精度,在伺服系统中采用滑模控制与灰色预测相结合的控制方法,以减少参数变化和外部干扰对伺服系统的影响。通过MATLAB仿真表明,该控制方法削弱了滑模控制抖动对伺服系统的影响,提高了系统的鲁棒性和抗干扰能力。     

模糊需求下保障设施选址-路径模型及算法

针对装备保障过程中被保障单位需求量不确定的问题,在详细分析保障设施选址-路径相关因素的基础上,利用三角模糊数对需求量进行标定。通过运用模糊综合评价与群决策思想确定保障设施备选址点权重,构建时间满意度函数与惩罚成本函数,建立模糊需求下带有时间窗及容量限制的选址-路径模型,并设计了基于聚类分析与蚁群算法的混合启发式求解算法。通过算例分析验证了模型的正确性及算法的有效性。     

一种嵌入式系统中软硬件故障的划分方法

软硬件故障是嵌入式系统可靠性的关键问题之一,如何划分软硬件故障对于整个系统的可靠性研究来说是至关重要的,也是最基本的一步.给出了软硬件故障的基本定义,并与单纯的软件故障和单纯的硬件故障进行了对比,总结了软硬件故障的基本特点.在此基础上,归纳了几条软硬件故障的划分原则,提出了一种软硬件故障的划分流程,并通过形式化方法对某装备的具体软硬件故障进行了划分,为进一步的研究提供了有力的依据.