科技信息專題論述效似乎不明顯,最好是多做以往的試題，關鍵是把握考試知識點,理解設置等，建議先多看教材，熟練掌握各章內(nèi)容.再做些練習,重在理解。相關概念。這一部分花太多時間，收效不大。建議學生熟練歷年的習題。這部分較難得高分,應該爭取得15-18分以上另外,這部分一-般有 2-4分反映最新知識的超綱題目，拿高分較難,應以上介紹了VFP等級考試的- 些基本情況和相關的應試策略,只該爭取拿12-16分。是幫助學生加深對VFP二級等級考試的理解以及幫助學生理順相關課對于VFP知識考點，其中選擇題的內(nèi)容相對簡單些,一- 般都是考察程內(nèi)容。要想通過二級等級考試，更多是靠學生認真思考、上機實踐和對VFP基本概念的理解及常用函數(shù)的應用。對于常用函數(shù),學生應該相互之間的溝通。把實驗書中出現(xiàn)的函數(shù)全部掌握,特別是二級考試大綱中提到的函數(shù)，重點掌握函數(shù)的寫法和相應的功能。建議多做VFP學習指導和以往試參考文獻卷中的題目.在做題的過程中理解并掌握VFP的相關概念和常用函數(shù)。[1]苗哲，薛聯(lián)鳳.計算機與信息技術[J].2009. 26(6):106- 108.這部分比較容易得分,應該爭取拿8分以上。填空題涉及的知識面較廣，[2]汪楠.VFP等級考試淺談[J].電腦知識與技術, 2008, 14(9):2951其中必考的有:數(shù)據(jù)庫的基本概念、常用命令與函數(shù)的使用.SE-2952.LECT- SQL命令、閱讀理解程序、面向?qū)ο蟪绦蛟O計的概念、常用屬性的[3]陳華生,單啟成.新編VFP5.0教程,蘇州大學出版社,2003年.無功優(yōu)化方法的研究河南城建學院電氣與電子工程系李曉輝 程漢蓬[摘要]無功優(yōu)化是電 力系統(tǒng)安全經(jīng)濟運行的核心問題之一,它的目標是在滿足藥束條件的前提下,使系統(tǒng)的某個指標或多個指標達到最優(yōu)。本文較為詳細地分析了人工智能方法在無功優(yōu)化中的應用,即遺傳算法、模擬算法、專家系統(tǒng)、人工神經(jīng)網(wǎng)絡法等應用于無功優(yōu)化的基本思想。[關鍵詞]無功優(yōu)化電力系統(tǒng) 算法電力系統(tǒng)無功優(yōu)化是保證系統(tǒng)安全、經(jīng)濟運行的有效手段,是提高1.引可控變量數(shù)與約束數(shù)目,使算法較為有效,增加了實用意義。3.2模擬退火方法電力系統(tǒng)電壓質(zhì)量的重要措施之一一。 隨著電力系統(tǒng)的復雜化，除了在系模擬退火算法是一-種隨機的啟發(fā)式搜索方法，實用于處理非線性統(tǒng)規(guī)劃、運行時要考慮無功優(yōu)化，隨著高壓直流輸電、靈活交流輸電的規(guī)劃問題，能以較大概率(理論證明能夠以概率1收斂導全局最優(yōu))求投入使用以及電力企業(yè)引進電力市場的銷售理念,對無功優(yōu)化方案及得優(yōu)化問題的全局最優(yōu)解。該算法模擬了金屬溶液冷卻或退火的過程,控制手段的要求也越來越苛刻,無功優(yōu)化方法受到了越來越多的關注，即退火過程中能量逐漸減小，而退火結束后,金屬的能量最小。該算法本文將對人工智能方法在無功優(yōu)化中的使用進行- -定的探討。尋優(yōu)結束時能得到優(yōu)化問題的最小值，但其參數(shù)的選取比較復雜。為了2.無功優(yōu)化方法分類使最終解盡可能接近全局最優(yōu)，退火過程不能太快,但這又使算法的計所謂無功優(yōu)化，是指給定電力系統(tǒng)的結構參數(shù)及 負荷情況，通過對算時間過長。目前模擬退火方法在小規(guī)模電力系統(tǒng)上的應用較好。某些控制變量的優(yōu)化，在滿足所有指定約束條件的前提下,使系統(tǒng)的某3.3人工神經(jīng)網(wǎng)絡人工神經(jīng)網(wǎng)絡又稱連接機制模型或并行分布處理模型，是由大量無功優(yōu)化問題是-一個復 雜非線形規(guī)劃問題，因其目標函數(shù)與約束簡單元件廣泛連接而成的,用以模擬人腦行為的復雜網(wǎng)絡系統(tǒng)。十幾年條件的非線形、控制變量的高散性與連續(xù)性相混和等特點，到目前為來,此理論研究取得了重大成果,提出了許多模型及其計算理論,并被止,尚無-一種切實可行、快速完善的無功優(yōu)化方法。無功優(yōu)化的關鍵集應用于電力系統(tǒng)的諸多方面。中在對非線性函數(shù)的處理、算法的收敏性和如何解決優(yōu)化問題中高散3.4遺傳算法變量的問題三個方面。遺傳算法是一種借鑒生物界自然選擇和自然遺傳札制的高度并由于無功優(yōu)化問題本身的復雜性,對無功優(yōu)化的分類十分不易。首行、隨機、自適應搜索方法，由Holland 創(chuàng)建的。遺傳算法采用隨機優(yōu)化先，目標函數(shù)有可能因側(cè)重點不-樣而存在差別，主要有以下幾種;保技術,通過遺傳操作處理離散變量，以較大的概率求得全局最優(yōu)解,同證最優(yōu)電壓質(zhì)量使電壓與額定電壓值相差最小;系統(tǒng)有功損耗最小;無時可為實際工程問題提供一系列的最優(yōu) .次優(yōu)解,以供根據(jù)具體情況進功補償設備投資最小:變變壓器分接頭和電容器投切次數(shù)最少;行選擇。此算法用于無功優(yōu)化就是在電力系統(tǒng)環(huán)境下的一-組初始解,受以上幾種目標的多目標無功優(yōu)化等。其次,約束條件不盡相同,優(yōu)化方各種約束條件限制,通過適應值評估函數(shù)評價其優(yōu)劣,適應值低的函數(shù)法也有差異。其中普遍采用的是以系統(tǒng)有功網(wǎng)損最小為目標函數(shù)的優(yōu)被拋棄，適應值高的才有機會將其特性迭代到下一-輪解，最后趨向于最化模型。優(yōu)解。遺傳算法利用某種編碼技術作用于稱為染色體的字符串.其基本就無功優(yōu)化的方法而言，大致可以分為常規(guī)優(yōu)化方法和人工智能思想是模擬由這些字符串組成的群體的進化過程，核心操作是選擇、雜方法交和變異。目前，基于遺傳算法的無功優(yōu)化研究受到了較多的關注。電力系統(tǒng)常規(guī)優(yōu)化方法是從某個初始點出發(fā)，按照- -定的軌跡不例如一種修正的遺傳算法求解無功優(yōu)化問題。該算法將原問題分斷改進當前解,最終收斂于最優(yōu)解。這類優(yōu)化方法有線性規(guī)劃法、非線解為投資問題和運行問題;其中,運行問題用逐次線性規(guī)劃法求解,而性規(guī)劃法、二次規(guī)劃方法及混和整數(shù)規(guī)劃法動態(tài)法等。投資問題用遺傳算法求解。將二者結合起來綜合了兩種方法的長處。常規(guī)優(yōu)化方法對數(shù)學模型的依賴很高,但精確的數(shù)學模型較復雜，該算法縮小了求解空間,降低了求解維數(shù),加快了收斂速度。難以適應實時控制要求;而粗略的數(shù)學模型又存在較大誤差。近年來，4.結基于對自然界和人類本身的有效類比而獲得啟示的人工智能方法受到無功優(yōu)化對改善電壓質(zhì)量、提高電力系統(tǒng)穩(wěn)定性、減少網(wǎng)攢、提高了研究人員的注意。電力系統(tǒng)經(jīng)濟效益有著十分重要的理論意義和現(xiàn)實意義。隨著研究工3.人工智能方法作的深人以及各種先進數(shù)學理論的發(fā)展,無功優(yōu)化方法會日益完善,在人工智能方法以專家系統(tǒng)、神經(jīng)網(wǎng)絡遺傳算法、模擬退火方法等電力系統(tǒng)中充分發(fā)揮其重要作用。為代3.1專家系統(tǒng)專家系統(tǒng)方法,在結合其它方法的基礎.上,根據(jù)專家經(jīng)驗設置初始[1]趙尤新,徐國禹用靈敏度法分析計算電力系統(tǒng)無功和電壓最優(yōu)值,并不斷調(diào)整控制參數(shù)的大小，直到取得一個比較好的解。 將專家系控制問題.重慶大學學報，1995,8(4):1~11統(tǒng)應用于無功優(yōu)化的主要優(yōu)點在于以常規(guī)算法為基礎，與專家的知識[2]董元漢等.大系統(tǒng)無功最優(yōu)補償規(guī)劃計算的一種簡化線性直接結合后功能增強，,充分利用了專家的大量先進知識和經(jīng)驗。開發(fā)的系統(tǒng)法.電力系統(tǒng)自動化, 1987,11(5):3~11大都是基于專家經(jīng)驗和數(shù)值計算程序的混合。目前應用的較好的是一中國煤化工:電力系統(tǒng)無功率控制，北種基于專家知識合常規(guī)算法的混合型專家系統(tǒng)，該方法利用調(diào)度員的京:水啟發(fā)式知識和無功電源調(diào)壓的靈敏度因子，從可能的控制手段中選出13 ~fYHc N M H 1，.網(wǎng)技1.19000少數(shù)有效措施，以減少優(yōu)化變量的數(shù)目和約束的數(shù)目，然后用線性整數(shù)規(guī)劃的分支定界法求解。該方法有如下特征:控制方法- -次求出;電容[5]趙尤新，徐國禺靈敏度法分析計算電力系統(tǒng)無功和電壓最優(yōu)控器和變壓器分接頭作為離散變量處理，避免了將其作為連續(xù)變量所引制問題[]重慶大學學報，1985(2);1~11人的取整過程以及由此引起的優(yōu)化結果不是可行解的問題;盡量降低