当前位置: 首页 > news >正文

配电网运行状态综合评估方法研究

1评估指标体系的构建

[1]冷华,童莹,李欣然,.配电网运行状态综合评估方法研究[J].电力系统保护与控制,2017,45(01):53-59.

1.1评估范围

       图1为配电系统组成示意图,其中A、B、C分别表示高、中、低压配电系统。高压配变(也称主变)将35kV或110kV的电压降到10kV,通常将主变的每一回10kV出线称为一条馈线,开关站作为10kV母线的延伸,起到分配电能的作用。中压配变(也称配变,将配变及其供电的低压区域称为台区)和低压线路(0.4kV)组成了低压配电系统。

1.2评估体系

遵循原则:系统性、一致性、可测性、独立性和可比性。

  1. 王成山,罗凤章.配电系统综合评价理论与方法[M].北京:科学出版社,2010.

(1)负载率指标——需要测量主配变和10kV线路电流

负载率是衡量电力系统中设备运行情况的指标,负载率过高的设备会存在过热等安全隐患,反之则说明设备的利用率过低,运行经济性较差。

负载率:三相最大电流和额定电流之比。

主、配变过载:最大负载率≥100%且持续2h以上;重载:最大负载率≥80%且持续2h以上;轻载:最大负载率≤20%。——3个指标

10kV线路过载:最大负载率≥100%且持续1h以上;重载:最大负载率≥70%且持续1h以上;轻载:最大负载率≤30%。——3个指标

(此处最大负载率为评估时间段内的最大负载率,而非全年。)

配变和10kV线路重过载风险:重过载时间≥总监测时间的15%(电流采集装置15min记录一次)。

配变和10kV线路重过载风险比例:存在危急风险的配变/10kV线路占所有重过载配变/10kV线路的比例。——2个指标

(2)电压质量指标——需要测量10kV母线、台区出口及低压用户电压。

《电能质量供电电压允许偏差》GB 12325规定,主变10 kV母线供电电压允许偏差为额定电压的±7%,台区关口电压(即配变低压侧出口电压)允许偏差为额定电压的±7%,低压用户供电电压允许偏差为额定电压的+7%和-10%。监测点电压合格率计算公式如下:——3个指标

(指标体系中三类电压合格率取各类电压监测点的电压合格率平均值。)

选取中、低压的总谐波畸变率来整体反应中低压配电网的谐波情况。按照《电能质量公用电网谐波》GB/T 14549-93中的谐波分量限值表中的规定可知,低压(380 V)监测点的总谐波畸变率不应高于5%,中压10 kV线路监测点的总谐波畸变率不应高于4%。监测点的电压总谐波畸变率THDu计算公式如下:——2个指标

谐波电压含量UH计算公式为:

式中:U1表示基波电压均方根值;Uh表示第h次谐波的电压均方根值。

(指标体系中10kV/低压总谐波畸变率为所有10kV线路/低压监测点总谐波畸变率的平均值。)

(3)运行故障指标——需要10kV线路、配变、开关设备故障次数。

《城市配电网运行水平和供电能力评估导则》GDW565-2010中的定义:10kV线路(电缆、架空)故障率为全年内每100km线路故障停电次数;配变、开关设备故障率为全年内每100台配变、开关设备的故障停电次数。由于本指标体系适用于不同时间维度的配电网运行状态评估,而单项指标评分公式是以年为评估单位时间进行确定的,为了使评分公式具有普适性,在计算故障率指标时应将其结果折算到年,折算公式如下:——4个指标

(4)供电可靠性指标——需要每次停电用户数、停电时间。

供电可靠性是指电力系统不间断地向电力用户提供合格电能的能力。《供电系统用户供电可靠性评价规程》DL/T836中详细描述了供电可靠性相关的各种评估指标,本文从该规程中选取典型的3个指标,并将统计供电可靠性的“用户”由配变改为低压用户,指标具体计算公式如下:——3个指标

(指标需要折算到年)

(5)线损指标——需要测量10 kV馈线和低压用户总电量

线损是反映配电网运行经济性的重要指标。按照《电力网电能损耗计算导则》DL/T686-1999中的定义,统计线损率计算公式如下:——1个指标

(中低压统计线损率指标中供电量为统计区域在统计时间内所有10 kV馈线出线开关的电量总和,售电量低压用户的电表电量总和。)

(6)三相不平衡指标——

三相不平衡问题在低压配电网中尤为突出(单相负荷占比高且随机性强、网络阻抗与调节能力受限、运行管理粗放。)。根据《配电网运行规程》Q/GDW 519-2010的规定,三相不平衡度不应大于15%。三相不平衡度计算公式如下:

如果一台配变在一段时间内三相不平衡度≥15%的时间占比超过5%,则这台配变被视为轻微三相不平衡配变。

如果一台配变在一段时间内三相不平衡度≥50%的时间占比超过20%,则这台配变被视为严重三相不平衡配变。

轻微/严重三相不平衡配变比例:轻微/严重三相不平衡配变占所有配变的比例。

1.3评估所需数据及其来源


2权重确定方法

       目前权重因子的确定方法众多,主要有德尔菲法Delphi(又称专家打分法)、层次分析法AHP、组合赋权法等。

2.1层次分析法

       层次分析法(The Analytic Hierarchy Process,AHP)是一种系统分析与决策的综合评价方法,较合理地解决了定性问题定量化的处理过程。

       AHP的主要特点是通过建立递阶层次结构,把人类的判断转化到若干因素两两之间重要度的比较上,从而把难于量化的定性判断转化成可操作的重要度的比较。它把复杂问题分解成多个组成因素,又将这些因素按支配关系分别形成递阶层次结构,通过两两比较的方法确定决策方案相对重要度的总排序。

  • 一致矩阵:

若矩阵中各元素满足:

则称该矩阵为正互反矩阵。

若正互反矩阵满足:

则称该矩阵为一致矩阵。

一、建模步骤

1.分析系统中各因素之间的关系,建立系统的递阶层次结构。

    2.对于同一层次的各元素关于上一层次中某一准则的重要性进行两两比较,构造两两比较矩阵(判断矩阵)。

    3.由判断矩阵计算被比较元素对于该准则的相对权重并进行一致性检验(检验通过权重才能用)。

    三种方法计算权重(权重一定要进行归一化处理):

    (1)算术平均法;

    (2)几何平均法;

    (3)特征值法。

           通常利用层次分析法解决实际问题时,都是采用其中某一种方法求权重,而不同的计算方法可能会导致结果有所偏差。为了保证结果的稳健性可以同时采用三种方法分别求出了权重后计算平均值,再根据得到的权重矩阵计算各方案的得分,并进行排序和综合分析,这样避免了采用单一方法所产生的偏差,得出的结论将更全面、更有效。

    ①算术平均法求权重

           假设判断矩阵为:

    第一步:将判断矩阵按照列进行归一化(各元素除以所在列的和);

    第二步:将归一化的各列相加(按行求和);

    第三步:将相加后得到的向量中每个元素除以n即可得到权重向量。

    所以,用数学表达式表示权重向量即为:

    ②几何平均法求权重

           假设判断矩阵为:

    第一步:将A的元素按照行相乘得到一个新的列向量;

    第二步:将新向量的每个分量开n次方;

    第三步:对该列向量进行归一化即可得到权重向量。

    所以,用数学表达式表示权重向量即为:

    ③特征值法求权重

    由引理可知: 一致矩阵有一个特征值为 n,其余特征值均为 0。
    另外,我们很容易可以得到,特征值为 n 时,对应的特征向量刚好为:

    那么我们可以直接将特征向量归一化即可求得特征向量。

    2.2尔菲法(Delphi法、专家打分法、主观)

    [1]刘胜利,曹阳,冯跃亮,.配电网投资效益评价与决策模型研究及应用[J].电力系统保护与控制,2015,43(02):119-125.

           让m位配电网运行专家对两两判断矩阵进行独立赋值,其中第k位专家的判断矩阵如下:

           根据专家权威性(如经验年限、历史准确率)分配各专家的权重,进行加权组合得到最终判断矩阵。

    2.3AHP-Delphi法确定权重(混合赋权)

    [1]冷华,童莹,李欣然,.配电网运行状态综合评估方法研究[J].电力系统保护与控制,2017,45(01):53-59.

           权重因子的确定有多种方法,主观方法(德尔菲法Delphi法)、客观方法(层次分析法AHP法)以及混合方法(组合赋权法)等。

           本文采用AHP-Delphi法,基本流程图如图所示。

    (1)确定m个两两判断矩阵

    m位配电网运行专家对两两判断矩阵进行独立赋值,其中第k位专家的判断矩阵如下:

    式中:Bk表示第k位专家给出的两两判断矩阵;n表示该两两判断矩阵的阶数(即指标个数);bkij表示矩阵Bkii列的元素(表示第i个指标相对第i个指标的重要程度,根据1~9互反性标度确定)。

    (2)对m个判断矩阵进行平均化处理

    如果直接对m个判断矩阵进行平均化处理,得到的平均判断矩阵中任一元素值为 ,计算公式如下:

    显然 ,不符合AHP中两两判断矩阵的基本形式(正互反性,关于主对角线对称的元素互为倒数)。

    因此,对m个两两判断矩阵做以下处理:

    1)所有两两判断矩阵中主对角线的元素均为1,不作处理。

    2)对m个两两判断矩阵中主对角线以上部分的n(n-1)/2个元素作平均化处理。

    3)通过1)、2)得到平均判断矩阵不完整,需要根据公式 进行补全,得到平均判断矩阵

    (3)遍历m个两两判断矩阵

    如果矩阵Bk中任意一个元素bkij满足 ,则该矩阵离散度较大,视为无效矩阵。对m个矩阵全部遍历一遍后,剔除Δm个无效矩阵。

    (4)对剩下的判断矩阵作平均化处理

    平均化处理过程见步骤(2),如果未剔除任何矩阵,则无需进行此步骤,直接使用步骤(2)得到的平均矩阵。

    (5)求两两判断矩阵最大特征值及特征向量

    计算优化后判断矩阵的最大特征值λmax和最大特征值对应的特征向量W,

    (6)一致性校验和归一化处理

    对满足一致性校验的判断矩阵特征向量W进行归一化处理后为 中任意元素


    3指标评分方法

    3.1模糊隶属度函数单项指标评分公式

    [1]冷华,童莹,李欣然,.配电网运行状态综合评估方法研究[J].电力系统保护与控制,2017,45(01):53-59.

           采用模糊隶属度函数确定评估体系中单项指标评分公式。如图4所示。

           评分公式分为效益型和成本型两类,di为被考虑的因素,即单项指标值的分段点,sidi对某次决策评语的隶属度,即单项指标值分界点对应的评估得分。

    单项指标评分公式的确定步骤如下。

    1)确定单项指标的类型:效益型或成本型。

    2)通过对大量历史数据进行分析,统计单项指标值的分布情况(一般符合正态分布规律)。

    3)专家针对2)中统计的结果,并结合国家电网公司相关评估导则的规定,来确定各个单项指标的模糊隶属度函数图(主要是确定分段点disi)。

    4)将3)中确定的模糊隶属度函数图转换为计算公式,便于给各单项指标打分。

    3.2隶属度函数单项指标评分公式

    [1]刘胜利,曹阳,冯跃亮,.配电网投资效益评价与决策模型研究及应用[J].电力系统保护与控制,2015,43(02):119-125.

    1)确定各指标的隶属度函数类型。

           隶属度函数可以是线性的,也可以是非线性的,视指标数据的分布情况来拟合。可用线性函数、二次函数、三次函数、对数函数、指数函数、S函数和幂函数等函数形式对其进行拟合。

           三次函数的拟合程度最高。二次函数与三次函数的拟合程度相近,随着配电网建设发展的深入,很多指标值的改进将会越来越困难,或者每一点的改进所需要的投入将更多,因此评价判据应能体现出这一特点(线性函数不能体现这一特点),同时为计算方便并考虑实际曲线的可能趋势,采用二次函数作为该电网现阶段电量需求与电网投资总额的关系函数,即y=ax2+bx+c,其中x为指标值,y为打分值。

    2)确定各评分函数的二次函数曲线。

           设最大值对应100分,标准值对应70分,最小值对应0分。再研究出各指标的最大值、标准值、最小值。由以上三个坐标点即可确定评分函数的二次函数曲线。

           一级指标在目前电网公司规划、同业对标工作中应用较为成熟,本文运用德尔菲法确定各一级指标的最大值、标准值、最小值,如配电线路重载率其最大值、标准值、最小值分别为20、11、0。

           由于二级指标为本文首次提出,无成熟的应用经验,本文采用矩阵可分析法得出各个指标的最大值、标准值、最小值。矩阵为:

    式中,xij为第i个对象的第j个指标的数值。

           按式(1)计算历史年配电网总体投资和单体项目投资效益评价指标数值,剔除不合理数据后,按数值大小把数据分成若干组,统计数据落入各组的频数,根据频数确定指标的标准值、最大值、最小值。由以上三个坐标点确定各指标的二次评分函数曲线。


    4评估流程

    (1)收集配网数据:包括运行数据和设备参数等(见表1)。

    (2)数据统计分析:对配网数据进行统计分析得到单项指标的值(根据1.2中指标计算公式)。

    (3)计算单项指标得分:将单项指标值代入单项指标评分公式获取得分。

    (4)计算准则层指标得分和目标层指标得分:根据单项指标的得分和权重因子,逐层向上计算,计算公式如下:

    式中:s(k+1)代表层级结构中第k+1层某指标A(k+1)的评分;n表示指标A(k+1)的k层子指标的个数;sj(k)表示A(k+1)的k层子指标j的评分;wj(k)表示A(k+1)的k层子指标j的权重。

    (5)分析配电网运行的薄弱环节

           本文采用百分制进行评分,将评估得分分为4个等级,分别为“优”、“良”、“中”、“差”,其中得分≥90的为“优”,90>得分≥70的为“良”,70>得分≥60的为“中”,得分<60的为“差”。

           首先分析宏观指标(目标层),若该指标得分为“中”或“差”则再根据单项指标的得分找出其运行的薄弱环节,最后提出相应的改善措施。

           由于目前供电区域主要划分为5类(A/B/C/D/E),不同类型的区域配电网规划建设存在差异,因此对运行状态指标得分的要求也不同,市中心(A类)就比农村(D或E类)要求高很多。因此在实际评估中,需要根据各个区域的差异性,合理提高或降低对评估指标得分的要求。

    相关文章:

    配电网运行状态综合评估方法研究

    1评估指标体系的构建 [1]冷华,童莹,李欣然,等.配电网运行状态综合评估方法研究[J].电力系统保护与控制,2017,45(01):53-59. 1.1评估范围 图1为配电系统组成示意图&#xff0c;其中A、B、C分别表示高、中、低压配电系统。高压配变(也称主变)将35kV或110kV的电压降到10kV&#…...

    Linux中I/O复用机制epoll

    1. 为什么会出现 epoll&#xff1f; 在早期的网络编程中&#xff0c;select 是一个非常常用的 I/O 复用机制&#xff0c;用于在多个文件描述符&#xff08;如套接字&#xff09;上进行 I/O 操作的检测。select 会将多个文件描述符传入&#xff0c;轮询检查它们的状态&#xff…...

    数据库表关系详解

    一、一对多关系 特征&#xff1a;表A的一条记录对应表B的多条记录&#xff0c;表B的一条记录仅对应表A的一条记录 示例&#xff1a; 学生表&#xff08;子表&#xff09; | id | name | class_id | |-----|------|----------| |1001| 张三 | 111 | |1002| 张四 | 222 | 班级表…...

    Agentic Loop与MCP:大模型能力扩展技术解析

    一、什么是MCP MCP&#xff08;Model Context Protocol&#xff09;是一种用于大语言模型与外部工具交互的协议框架。它允许大语言模型能够调用各种外部工具来扩展其能力边界&#xff0c;如访问文件系统、搜索引擎、数据库等。 MCP的核心价值 能力扩展&#xff1a;使大语言模…...

    贪心算法 Part04

    总结下重叠区间问题 LC 452. 用最少数量的箭引爆气球 和 LC 435. 无重叠区间 本质上是一样的。 LC 452. 用最少数量的箭引爆气球 是求n个区间当中 &#xff0c; 区间的种类数量 k。此处可以理解为&#xff0c;重叠在一起的区间属于同一品种&#xff0c;没有重叠的区间当然…...

    Spring事务简单操作

    什么是事务&#xff1f; 事务是一组操作的集合&#xff0c;是一个不可分割的操作 事务会把所有的操作作为⼀个整体, ⼀起向数据库提交或者是撤销操作请求. 所以这组操作要么同时 成功, 要么同时失败. 事务的操作 分为三步&#xff1a; 1. 开启事start transaction/ begin …...

    04算法学习_209.长度最小的子数组

    04算法学习_209.长度最小的子数组题目描述&#xff1a;个人代码&#xff1a;学习思路&#xff1a;第一种写法&#xff1a;题解关键点&#xff1a; 第二种写法&#xff1a;题解关键点&#xff1a; 个人学习时疑惑点解答&#xff1a; 04算法学习_209.长度最小的子数组 力扣题目链…...

    ./build/mkfs.jffs2: Command not found

    参考文章&#xff1a;https://blog.csdn.net/FLM19990626/article/details/132070195 sudo apt-get install lib32stdc6 sudo apt-get install lib32z1 sudo apt-get install mtd-utils sudo apt-get install man-db sudo apt-get install liblzo2-dev:i386sudo ldconfig...

    从零基础到最佳实践:Vue.js 系列(4/10):《Vue Router 路由管理:深入探索与实战应用》

    引言 在现代前端开发中&#xff0c;单页应用&#xff08;SPA&#xff09;凭借其流畅的用户体验和高性能成为主流。Vue Router 作为 Vue.js 的官方路由管理工具&#xff0c;为开发者提供了强大的路由管理能力&#xff0c;帮助实现页面导航、权限控制和动态内容加载。本文将从基…...

    深入解析C++静态成员变量与函数

    当然可以&#xff01;下面是对这段 C 代码的逐行详细注释说明和解释&#xff0c;帮助你理解静态成员变量和静态成员函数的使用。 &#x1f9f1; 类定义部分&#xff1a;MyClass cpp 深色版本 #include <iostream> 说明&#xff1a;包含标准输入输出流库&#xff0c;用于…...

    基于JDBC的信息管理系统,那么什么是JDBC呢?什么又是DAO类?

    1.JDBC JDBC 即 Java Database Connectivity&#xff0c;是 Java 语言中用于与数据库进行交互的一套 API。它提供了一种标准的方式&#xff0c;让 Java 程序能够连接到各种不同类型的数据库&#xff0c;并执行 SQL 语句来实现对数据库的查询、插入、更新和删除等操作。 主要功…...

    Java虚拟机 -虚拟机栈

    虚拟机栈详解 虚拟机栈概述案例常见的跟虚拟栈异常相关的异常StackOverflowError异常OutOfMemoryError异常 栈的基本存储单位局部变量表IDEA Jclasslib Bytecode Viewer插件slot 操作数栈方法调用&#xff08;待后续补充&#xff09; 虚拟机栈 上一篇文章&#xff0c;我们简单…...

    【AI News | 20250521】每日AI进展

    AI Repos 1、OpenHands OpenHands&#xff08;前身为OpenDevin&#xff09;是一个由AI驱动的软件开发代理平台&#xff0c;它能够像人类开发者一样修改代码、运行命令、浏览网页、调用API&#xff0c;甚至从StackOverflow复制代码片段。用户可以通过OpenHands Cloud轻松上手&a…...

    RAG 挑战赛冠军方案解析:从数据解析到多路由器检索的工程实践,推荐阅读!

    多路由器 动态知识库&#xff1a;RAG 冠军方案的核心技术揭秘 源码地址&#xff1a;https://github.com/IlyaRice/RAG-Challenge-2/tree/main 公司年报智能问答比赛任务简介 比赛的任务是基于公司年度报告构建一个问答系统。简单来说&#xff0c;比赛当天的流程如下&#xff…...

    Java基础 Day17

    一、递归 方法直接或者间接调用本身 将大问题, 层层转化为一个与原问题相似的、规模更小的问题来解决 二、异常 程序在编译或执行过程中&#xff0c;出现的非正常的情况 (错误) 语法错误不是异常 1、阅读异常信息 从下往上看&#xff1a;发生异常的位置、异常名称、发生异…...

    系分论文《论软件系统安全分析和应用》

    系统分析师论文范文系列 【摘要】 2023年3月&#xff0c;我司承接了某知名电商企业“智能化供应链管理系统”的开发任务&#xff0c;我作为系统分析师负责全面的安全分析与设计工作。该系统以提升电商供应链效率为核心&#xff0c;整合仓储、物流、支付等模块&#xff0c;并需应…...

    蓝耘Ubantu服务器测试最新 PP-StructureV3 教程

    一、服务器配置 二、安装Anaconda3 进入云服务器后删除minconda文件夹 官网&#xff1a; https://repo.anaconda.com/archive/ 在里面找到自己系统的安装包&#xff0c;然后右击复制链接安装。 一定要选择Anaconda,因为很多依赖问题用Minconda容易报错。 wget https://repo…...

    File文件

    路径&#xff1a; 相对路径&#xff1a;以 当前工作目录&#xff08;或指定的基准目录&#xff09;为起点&#xff0c;描述目标文件或目录的位置&#xff0c;不包含根目录信息&#xff0c;仅表示与基准目录的相对位置关系。绝对路径&#xff1a;从文件系统的 根目录 开始&…...

    Wireshark抓包分析小程序接口请求教程

    ## 1. 准备工作 ### 1.1 安装Wireshark - 访问Wireshark官网 (https://www.wireshark.org/) 下载最新版本 - 按照安装向导完成安装 - 确保安装时选择安装WinPcap或Npcap&#xff08;用于网络数据包捕获&#xff09; ### 1.2 配置环境 - 确保电脑已连接网络 - 如果使用手机…...

    C++之模板进阶(探索C++模板:非类型参数与特化技巧)

    本节目标&#xff1a; 1.非类型模板参数 2.类模板的特化 3.类模板特化的应用之类型萃取 4.模板的分离编译 非类型模板参数 模板参数分 类型形参与非类型形参 类型形参&#xff1a;出现在模板参数列表中&#xff0c;跟在class或者typename之类的参数类型名称 非类型形…...

    【项目记录】准备工作及查询部门

    1 开发规范 1.1 前后端分离开发 现在的企业项目开发有2种开发模式&#xff1a;前后台混合开发和前后台分离开发。 前后台混合开发&#xff0c;顾名思义就是前台后台代码混在一起开发 这种开发模式有如下缺点&#xff1a; 1. 沟通成本高&#xff1a;后台人员发现前端有问题&a…...

    chromedp -—— 基于 go 的自动化操作浏览器库

    chromedp chromedp 是一个用于 Chrome 浏览器的自动化测试工具&#xff0c;基于 Go 语言开发&#xff0c;专门用于控制和操作 Chrome 浏览器实例。 chromedp 安装 go get -u github.com/chromedp/chromedp基于chromedp 实现的的简易学习通刷课系统 目前实现的功能&#xff…...

    企业级调度器LVS

    访问效果 涉及内容&#xff1a;浏览拆分、 DNS 解析、反向代理、负载均衡、数据库等 1 集群 1.1 集群类型简介 对于⼀个业务项⽬集群来说&#xff0c;根据业务中的特性和特点&#xff0c;它主要有三种分类&#xff1a; 高扩展 (LB) &#xff1a;单个主机负载不足的时候&#xf…...

    MySQL中的重要常见知识点(入门到入土!)

    基础篇 基础语法 添加数据 -- 完整语法 INSERT INTO 表名 (字段名1, 字段名2, ...) VALUES (值1, 值2, ...);-- 示例 insert into employee(id,workno,name,gender,age,idcard,entrydate) values(1,1,Itcast,男,10,123456789012345678,2000-01-01) 修改数据 -- 完整语法 UPDA…...

    29.第二阶段x64游戏实战-技能冷却

    免责声明&#xff1a;内容仅供学习参考&#xff0c;请合法利用知识&#xff0c;禁止进行违法犯罪活动&#xff01; 本次游戏没法给 内容参考于&#xff1a;微尘网络安全 上一个内容&#xff1a;28.第二阶段x64游戏实战-代码实现遍历技能 找技能冷却要通过一个技能cd长点的&…...

    第19天-Python自动化生成PPT图文教程(基于python-pptx)

    环境准备 pip install python-pptx Pillow 基础示例:批量插入图片 from pptx import Presentation from pptx.util import Inches import os from PIL import Image def create_image_slides(): # 初始化演示文稿 prs = Presentation() # 获取当前目录所…...

    基于STM32的骑行语音播报系统

    目录 一、前言 二、项目功能说明 三、主要元器件 四、原理图与PCB 五、手机APP 六、完整资料 一、前言 项目成品图片&#xff1a; 哔哩哔哩视频链接&#xff1a; 咸鱼商品链接&#xff1a; 基于STM32的骑行语音播报系统 二、项目功能说明 基础功能&#xff1a; 1&…...

    springboot链接nacos测试

    代码资料链接&#xff1a;https://download.csdn.net/download/ly1h1/90881498 场景说明&#xff1a;本次测试是springboot项目&#xff0c;可以链接上ncaos&#xff0c;将对应命名空间下的配置信息读取出俩&#xff0c;然后可以在接口进行返回显示。 0.环境配置 1.代码结构 …...

    【初识】内网渗透——基础概念,基本工具使用

    目录 一、域&#xff0c;工作组&#xff0c;域控制器&#xff0c;活动目录相关概念&#xff1a; 域环境&#xff1a; 工作组&#xff1a; 域控制器DC&#xff1a; 活动目录AD&#xff1a; 二、内网的基本场景&#xff1a; 三、内网渗透基本测试方案&#xff1a; #案例1一基本信…...

    AI练习:混合圆

    方法一&#xff1a;在圆内 1.画圆 选择椭圆工具&#xff0c;按住Shift键绘制正圆&#xff1b; CtrlC复制&#xff0c;CtrlF原地粘贴&#xff0c;按住Shift键缩小圆&#xff0c;移动位置&#xff1b; 再CtrlC&#xff0c;CtrlF&#xff0c;再按住Shift键缩小圆&#xff0c;移…...

    心知天气 API 获取天气预报 2025/5/21

    心知天气 API 获取天气预报 2025/5/21 URL格式: https://api.seniverse.com/v3/weather/now.json?key填你的秘钥&locationbeijing(这里填城市 可以用拼音)&languagezh-Hans&unitc 返回格式如下:...

    PCB设计教程【入门篇】——电路分析基础-元件数据手册

    前言 本教程基于B站Expert电子实验室的PCB设计教学的整理&#xff0c;为个人学习记录&#xff0c;旨在帮助PCB设计新手入门。所有内容仅作学习交流使用&#xff0c;无任何商业目的。若涉及侵权&#xff0c;请随时联系&#xff0c;将会立即处理 目录 前言 一、数据手册的重要…...

    java上机测试错题回顾(1)

    平时不能摸鱼太多&#xff0c;这样导致到最后不能摸鱼...... 看了看日历原来是6.12就结课了&#xff0c;啊哈哈&#xff0c;真没几天准备了&#xff0c;期末月你要来了吗&#xff1f; 1 参数传递&#xff0c;值传递~&#xff01; 题目 以下代码的输出结果为&#xff08; &a…...

    HTTP相关内容

    应用层 自定义应用层协议,协议:约定 1.约定好通信传输的信息 2.约定好数据的组织格式(xml, json(重点), protobuf) 也可以基于现成的应用层协议,来进行开发 协议的种类非常多(HTTP 协议属于翘楚,1.手机,2 网站) 跟正确的说,咱们现在使用的是 HTTPS 这个协议,HTTP和HTTPS …...

    【笔记】排查并解决Error in LLM call after 3 attempts: (status code: 502)

    #工作记录 一、问题描述 在部署运行部署对冲基金分析工具 ai-hedge-fund 时&#xff0c;不断出现以下报错&#xff0c;导致项目运行异常&#xff1a; Error in LLM call after 3 attempts: (status code: 502) Error in LLM call after 3 attempts: [WinError 10054] 远程主…...

    基于python的机器学习(七)—— 数据特征选择

    目录 一、特征选择概念 二、特征选择的方法 2.1 过滤式特征选择 2.1.1 方差分析 2.1.2 相关系数 2.1.3 卡方检验 2.2 包裹式特征选择 2.2.1 递归特征消除 2.3 嵌入式特征选择 2.3.1 决策树特征重要性 一、特征选择概念 特征选择是机器学习非常重要的一个步骤&#x…...

    从电商角度设计大模型的 Prompt

    从电商角度设计大模型的 Prompt&#xff0c;有一个关键核心思路&#xff1a;围绕具体业务场景明确任务目标输出格式&#xff0c;帮助模型为运营、客服、营销、数据分析等工作提效。以下是电商场景下 Prompt 设计的完整指南&#xff0c;包含通用思路、模块范例、实战案例等内容。…...

    从零基础到最佳实践:Vue.js 系列(5/10):《状态管理》

    引言 你是不是正在用 Vue.js 开发一个很酷的应用&#xff0c;然后发现组件之间的数据传递变得越来越混乱&#xff1f;比如&#xff0c;一个按钮的状态要传到好几层组件&#xff0c;或者多个页面需要共享同一个用户信息。这时候&#xff0c;状态管理就登场了&#xff01;在 Vue…...

    git checkout HEAD

    git checkout HEAD 主要用于将工作目录和暂存区的内容重置为当前 HEAD 指向的提交状态&#xff0c;常用于撤销未提交的修改15。具体行为如下&#xff1a; 一、核心作用 ‌恢复工作区文件‌ 将指定文件或全部文件恢复到 HEAD 指向的提交状态&#xff0c;丢弃工作区中未暂存的修改…...

    git工具使用

    安装Git 在开始使用Git之前&#xff0c;需要在本地计算机上安装Git工具。Git支持Windows、macOS和Linux系统。可以从Git官方网站下载适合操作系统的安装包&#xff0c;并按照安装向导进行安装。 bash复制插入 # 在Linux上安装Git sudo apt-get install git# 在macOS上安装Git…...

    极大似然估计与机器学习

    复习概统的时候突然发现好像极大似然估计MLE与机器学习的数据驱动非常相似&#xff0c;都是采样样本然后估计模型参数。貌似&#xff0c;后知后觉的才意识到极大似然估计就是机器学习有效的数学保证 下面以拟合线性分布的最小二乘与分类问题为例推到以下如何从似然函数推导出M…...

    基于 Guns v5.1 框架的分页教程

    基于 Guns v5.1 框架的分页教程 第一步&#xff1a;Controller 层处理前端请求 在 Controller 中&#xff0c;需要接收 Bootstrap Table 传来的分页参数&#xff08;limit, offset, sort, order&#xff09;。Guns 提供了封装好的 PageFactory 类来简化 Page 对象的创建。 R…...

    从零搭建SpringBoot Web 单体项目【基础篇】2、SpringBoot 整合数据库

    系列文章 从零搭建SpringBoot Web单体项目【基础篇】1、IDEA搭建SpringBoot项目 从零搭建 SpringBoot Web 单体项目【基础篇】2、SpringBoot 整合数据库 目录 一、项目基础环境说明 二、数据库整合流程 1. 添加 MyBatis-Plus 相关依赖&#xff08;pom.xml&#xff09; 2…...

    Supplemental Table 5FAM49B H-SCORE与其他临床特征的关系

    以下是针对 Supplemental Table 5 中不同变量类型所需检验方法的 SPSS纯界面操作步骤(严格匹配原文统计方法): Supplemental Table 5 SPSS操作步骤 目标:分析FAM49B H-SCORE与其他临床特征的关系,按变量类型选择检验方法。 变量与检验方法对应表 变量变量类型检验方法SP…...

    信息系统项目管理师考前练习4

    项目范围基准变更 当客户提出新增功能需求时,项目经理首先应该: A. 立即更新范围说明书 B. 提交变更请求并评估影响 C. 要求团队加班实现 D. 拒绝变更以保持进度 答案:B 解析:所有范围变更必须走正式变更流程(第5版强调变更控制),评估影响是第一步。 混合项目管理模式…...

    C语言判断素数(附带源码和解析)

    素数&#xff0c;也称为质数&#xff0c;是一个大于 1 的自然数&#xff0c;除了 1 和它本身外&#xff0c;不能被其他自然数整除。换句话说&#xff0c;素数只有两个因子&#xff1a;1 和它自身。例如&#xff0c;2、3、5、7、11 和 13 都是素数。 素数在数学和计算机科学中扮…...

    汽车电子电气架构诊断功能开发全流程解析

    我是穿拖鞋的汉子,魔都中坚持长期主义的汽车电子工程师。 老规矩,分享一段喜欢的文字,避免自己成为高知识低文化的工程师: 钝感力的“钝”,不是木讷、迟钝,而是直面困境的韧劲和耐力,是面对外界噪音的通透淡然。 生活中有两种人,一种人格外在意别人的眼光;另一种人无论…...

    Xilinx XCAU10P-2FFVB676I 赛灵思 Artix UltraScale+ FPGA

    XCAU10P-2FFVB676I 是 AMD Xilinx 推出的 Artix UltraScale™ FPGA 器件&#xff0c;内部集成了约 96,250 逻辑单元&#xff0c;满足中等规模高性能应用的需求。该芯片采用 16 nm FinFET 制程工艺&#xff0c;核心电压典型值约 0.85 V&#xff0c;能够在较低功耗下提供高达 775…...

    DS18B20 温度传感器实验探索与实践分享​

    DS18B20 温度传感器实验探索与实践分享 在嵌入式系统开发领域&#xff0c;温度监测是常见的应用场景。本次实验聚焦于 DS18B20 温度传感器&#xff0c;旨在掌握其工作原理、单总线通信方式&#xff0c;以及实现温度采集与数码管显示&#xff0c;同时开启温度报警功能。接下来&…...

    RT_Thread——内存管理

    文章目录 一、为什么要自己实现内存管理二、RT-Thread 的内存管理方法2.1 小内存管理算法2.2 slab 管理算法2.3 memheap 管理算法 三、Heap 相关的函数3.1 rt_system_heap_init3.2 rt_malloc/rt_realloc/rt_calloc2.3 rt_free2.4 rt_malloc_sethook/rt_free_sethook 一、为什么…...