前言：我們精心挑選了數篇優質模型設計論文文章，供您閱讀參考。期待這些文章能為您帶來啟發，助您在寫作的道路上更上一層樓。

第1篇

1.教學層面

由于綜合性大學在畢業考評上學科間存在的差異，導致畢業考評的形式和內容多元化，統一的標準難以適應藝術設計各學科的教學要求，在具體的教學中教師又要求學生將畢業論文和畢業設計結合起來，達到藝術設計理論研究和實踐相結合的教學目標，以及使學生能夠深入地對一類問題或一個問題進行方案構思、設計創作、模型演示、效果展示等全面體現，以往的結果考評側重了學生論文撰寫能力和畢業設計的效果，對學生的創新能力、就業能力培養卻顯得不足，也不能為整個教學體系的最終環節注入新的活力。

2.學生主觀層面

近年來，隨著我國高等學校招生規模的不斷擴大，學生人均占有教學資源不足和教學條件的制約，畢業生往往對畢業論文的寫作認識程度不夠，出現選題范圍過大或過小、學術性不強、創新點不突出、抄襲現象嚴重等問題，教學難以達到預期效果，畢業設計虎頭蛇尾，預想高過實際設計的目標，展示效果欠佳，實物模型的設計制作草率粗糙，如何來規避這些問題和增效值得深思。

3.管理層面

畢業論文與設計課程設置在第八學期，這個時期對于學生來說由于在校學習、社會實踐、擇業就業存在很多時間上的沖突，在心理上容易產生較大波動，不利于寫出優秀的畢業論文和創作畢業設計，往往顧此失彼。由于藝術設計專業的畢業設計一般需要進行圖像、圖版、實物、模型等形式的展示，在各評價指標分層制定的同時，學生能否得到一定程度的經費支持，也是從這個層面探討的問題之一。

二、藝術設計專業畢業考評模型

1.考評體系構建

以“過程+結果+展示”三位一體的模式作為考評體系的制定依據，考評指標的逐層細分。過程考評不僅能提高和促進學生學習的興趣和積極性，顯著增強學習效果，而且有助于教師在教學過程中，全面地及時的了解學生的方案進展情況，考查學生解決問題的能力，階段目標完成的好壞。在設計教學中，學生往往存在“會做不會說”“會畫不會寫”的現象，將結果考核始終作為評定設計優劣的主要依據。畢業設計這個完整系統的過程就是畢業生向自己、向學校、向教師、向家長、向社會交的一份答卷，必然要接受大家的檢閱。

2.參評主體構成

建立以“指導教師評價+評閱教師+答辯委員會評價+網上投票”構成的參評主體，對學生的畢業論文和畢業設計進行多角度評價。指導教師是學生畢業論文和畢業設計整個過程的直接參與者，所以具有一定的話語權。畢業答辯更像是一次檢閱，答辯委員會在畢業答辯時給出的評價基本上是客觀的、公正的，學生在答辯時的綜合表現因語言表達能力、形象氣質、答辯技巧的強弱作為評價指標。在校園數字網絡的快速發展下，傳統的評價方式要適應現階段的校園生活方式，建設專業的網上投票系統能夠讓更多的師生參與畢業設計的評價。

3.審查監督

采用“教研室自查+專家盲審+教學督導抽查”相結合的方式對學生論文和設計進行審查和監督，增設用于網上投票的展示平臺和評價平臺。審查監督是在教學管理機構對畢業考評進行綜合性的運行保障機制，可從以上三個層次進行，可將畢業論文和畢業設計的審查納入督導組的督導范圍，形成良性的循環機制。

三、考評體系的增效機制

1.深化教學改革

藝術設計人才需要有科學精神、人文素養、藝術創新、技術能力，不斷調整以往的教學觀念與方式。將“過程+結果+展示”的考評系統逐層展開，每層指標建立詳細的子系統，進行一般問題的梳理和特殊問題的列舉，然后對問題進行排序和考核等級層次的制定，最后對考核分值的進行分配，對初步建立的系統模型。

2.學生主觀驅動

藝術設計是社會性的行為，但由于學生缺乏社會與文化責任感而沒有強大的使命為驅動，知識儲備不足的同時又面臨諸多就業的壓力，面對知識信息大爆發所往往出現了浮躁與急功近利的現象，內在的學習動力不足。評價指標可細化可深入至出勤率、同導師的溝通次數、方案草圖環節、定稿、制作、選材、印刷打印等，各環節進度形成相應的書面材料進行歸檔整理，有效的避免學生無計劃的實施和不按進度完成的情況，并能夠保證畢業論文和畢業設計的完成質量和效果。

3.管理的操作機制

畢業設計是全面系統訓練培養提高學生綜合設計能力的系統整合性課程。因此，本科四年教學中的任何一個環節都應該貫穿創新這個基本原則，畢業設計也不例外，對于最終的考評子系統模型保留修改和增減項目的空間，保證系統對藝術設計專業人才培養的可持續性。此外，學校各部門可將畢業設計展與企業人才招聘會相結合。從而建立起完整的畢業設計展覽、畢業設計答辯和人才招聘“三位一體”的畢業設計教學新模式。

四、結論

第2篇

1.1不確定性分析

我國目前面臨確定最優備用容量克服風電機組出力的間歇性和波動性影響，支持消納大規模風電并網的問題。合理確定快速響應火電機組規模，過多火電機組備用容量會增加運行成本，因此需要考慮到系統的經濟性。本文的研究基礎是新建快速響應火電機組來解決面臨的風電并網及消納問題，不考慮對現有火電機組升級改造的情形。大規模風電并網背景下快速響應火電機組的規劃面臨2種不確定性：1）快速響應火電機組參數的不確定性，包括燃料可用性、碳排放成本、折現率、投資成本等；2）系統調度水平的不確定性，包括隨機停運(機組、輸電線路等)、負荷和風速預測誤差等。本文假定發電商向調度機構提出快速響應火電機組建設申請，調度機構結合規劃模型最終確定快速響應機組規劃方案，因此，快速響應機組參數的不確定性可以不用考慮。同時，假定電力系統的隨機性與系統元件停運相關，負荷和風速預測誤差與發電備用容量最優水平相關。同時，本文采用蒙特卡羅模擬方法來仿真電力系統的隨機特性。假定風速服從威布爾分布[17]，由于風速預測誤差的存在，蒙特卡羅仿真將設定大量情景，并得到每個情景下每小時的風力發電量?？紤]到發電機組和輸電線路的隨機性停運，在蒙特卡羅仿真中引入2個向量X和Y。其中，Xmht=1表示第m個發電機組在第t年時段h時運行，Xmht=0則表示停運；Ynht=1表示第n條輸電線路在第t年時間段h時可用，Ynht=0則表示不可用。本文將年尖峰負荷預測表示為基本負荷與年增長率的乘積[18]。年增長率包括年平均增長率和隨機增長率2部分，隨機部分反映了不確定的經濟增長或天氣變化對負荷預測的影響。每個節點的每小時負荷是基于年系統尖峰負荷在使用既定負荷分布因素的情況下得出的。每個情景都有一定的發生概率，由生成的情景數目分布得到。情景總數對基于情景的優化模型的計算工作量影響很大。因此，對于大型計算系統，采用有效的情景精簡方法對提高計算效率是十分重要的。精簡技術要求在盡量與原始系統接近的情況下得到最少的情景。因此，本文設定情景子集采用基于該子集的概率測度方法，該方法在概率度量方面與初始概率分布最為接近。另外，本文利用通用代數建模系統(generalalgebraicmodelingsystem，GAMS)中的SCENRED工具提供的精簡代數式設定情景子集，并對情景進行最優概率分配。

1.2基于Benders分解算法的規劃模型

大規模風電并網時，系統調度機構的目標是在滿足規劃和運行約束條件的前提下實現規劃總成本最小，如式(1)所示。式中：t為規劃年，t=1,2,…,T；h為時段，h=1,2,…,H；m為發電機組序號，m=1,2,…,M；k為情景，k=1,2,…,K；Cmt()為第t年機組m的投資成本；Gmts為k情境下第t年機組m的安裝狀態，1為已完成安裝，否則為0；d為貼現率；pk為情景k發生的概率；Omht為第t年的h時段發電機組m的運行成本；Sht為相應的運行小時數；Pmhtk為k情境下第t年h時段機組m的調度電量。根據大規模并網背景下系統的不確定性及目標函數的特點，本文利用Benders分解法將快速響應火電機組規劃問題分解成1個主問題和2個子問題：主問題是不考慮可靠性的最優投資規劃問題，2個子問題是可靠性和最優運行問題。其中，可靠性子問題的可行域受主問題影響，而最優運行子問題受可靠性子問題可行域的影響，也就是說可靠性子問題的約束中除含有自身決策變量還包括主問題的決策變量，同樣，最優運行子問題約束中除含有自身決策變量還包括可靠性子問題決策變量。在圖1中，發電商向系統調度機構提供快速響應機組的候選集，考慮規劃限制情況下，調度機構以新機組投資總成本最小為目標，確定新機組的最優投資方案。其中，規劃限制因素包括機組最大數量和候選機組的建設時間等。其中主問題同樣確定了目標函數的下界，并用該下界檢驗規劃的最優性。除了規劃限制因素，子問題中產生的Benders割也作為主問題附加約束條件。主問題中包含所有的變量，而且所有的限制條件是線性的。主問題是一個混合整數線性規劃問題。通過子問題提供的可靠性和最優運行對主問題的組合優化狀態進行修正?？煽啃詸z查子問題對主問題提出的規劃中涉及到的系統可靠性限制因素的可行性進行檢測。該子問題不僅保證每個節點是電力平衡的，而且滿足輸電安全和發電機組物理限制因素的要求。在可行性不允許的情況下，會形成可靠性割，用以分析主問題中規劃問題的派生情況。直到確定可靠的規劃后該派生過程才會停止。一旦滿足了系統可靠性，最優運行的子問題將考慮規劃方案的最優性，直到滿足給定的收斂標準，該問題的派生過程才會停止。具體計算步驟如下：

1）系統調度機構

最初獲得的信息包括投資候選快速響應火電機組的經濟性和技術性數據、機組斷電數據、輸電線路數據以及負荷和風速預測誤差數據。然后利用蒙特卡羅模擬法設定一系列情景。隨機長期規劃問題本質上很復雜。本文用代數建模系統(GAMS)對情景進行精簡。

2）本文模型

包括1個混合整數線性規劃主問題和2個線性規劃子問題。主問題研究最優投資規劃，子問題進行可靠性檢查并確定最優市場運行狀態。主問題確定最優投資規劃，其目標是新確立的快速響應發電機組的投資成本最小，如式(2)所示。式中：Bm為快速響應機組m的建設時間；Mmht為第t年發電機組m啟停狀態，1為開機，0為停機。其中，式(3)—(5)分別為建設時間約束條件、裝機情況約束條件、快速響應機組的組合優化狀態約束條件。主問題的解包括最優投資規劃、新機組的組合優化狀態和規劃目標函數的下界。在第1派生階段，對機組的組合優化狀態沒有系統限制約束，因此變量賦有隨機值。但是，在接下來的派生過程中，來自于可靠性檢查和優化運行子問題中的Benders割為機組狀態設定了限制因素。如果出現意外情況(如圖1所示主問題求解環節出現無解的情況)，則調度機構需要采取一系列預防措施，如切負荷、激勵市場參與者提供額外的容量作為快速響應備用等。

3）主問題確定

第t年發電機組m的最優安裝狀態mtG及其在h時段的啟停狀態mhtM后，可靠性檢查子問題基于主問題的解將系統偏差降到最小。在電力平衡變量中引入松弛變量，目標函數(6)即是將松弛變量最小化。式中：Vitk為k情境下第t年的松弛變量；,1ijhtkL為第i次迭代k情境下第t年h時段j母線上的預期發電缺口；,2ijhtkL為第i次迭代k情境下第t年h時段j母線上的發電剩余；Phjtk為k情境下第t年h時段j母線上的調度電量；Dnjtk為k情境下第t年輸電線路n上來自母線j的有功潮流；Qjhtk為k情境下第t年h時段母線j上的負荷；Mmhtk為k情境下第t年發電機組m在h時段的開停機狀態；Pmhtk為k情境下第t年h時段機組m的調度電量；Pmin,m為機組m的最小出力限制；Mmht為第t年h時段機組m的啟停狀態；Xmthk為k情境下第t年h時段機組m的發電機可用狀態，0為處于停機狀態，否則為1；Pmax,m為機組m的最小出力限制；Dnhtk為k情境下第t年h時段輸電線路n上的有功潮流；Ynhtk為k情境下第t年h時段輸電線路n的輸電可用狀態；I為從線路n上某點注入的注入功率；θnchtkθndhtk為k情境下第t年h時段輸電線路n兩端電壓的相角差；xn為輸電線路n的電抗；Rm、Rm為機組m爬坡加速/減速極值。其中，式(7)為目標函數的節點電力平衡約束條件，式(8)為發電機組安裝狀態，式(9)為主問題確定的組合優化狀態，式(10)為發電限制，式(11)為直流電力潮流，式(12)為輸電線路限制，式(13)(14)為爬坡加速/減速限制。隨機規劃解將滿足長期可靠性指數，如電量不足停電損失率η。當第t年第h小時的η值比其目標值大時，第r次迭代時產生Benders割，相應的可靠性信號會反饋給主問題。將η作為約束條件限制未供給的每小時負荷數。年度負荷總數滿足年度η要求。但是，使用基于小時指標的優點在于能夠阻止某些時段發生大規模甩負荷的情況。第t年h時段的η由式(6)中的預期發電缺口Lijhtk,1除以第t年第h小時的預測負荷所得。式(15)所示的可靠性限制會使發電剩余Lijhtk,2為0。如果式(15)中有任何一個式子不能滿足，則會產生Benders割。式中：αits和βihts分別為優化過程中對應于各約束的拉格朗日乘子最優值，均為常量；Fhtk為k情景下第t年h時段的負荷；ηht為第t年h時段電量不足的概率。式(16)的Benders割表示現有機組組合優化狀態和候選機組安裝狀態的耦合信息。割表示在t年通過調整投資規劃無法減輕電網受到的擾亂程度。

4）最優運行

子問題的目標是基于提交的競標發電量和用電需求使社會福利最大化。社會福利定義為基于競標值的電力消費支付額和生產成本之間的差額。該子問題的構建基于安全約束的經濟調度模型，并檢查所求解的最優性。當電力需求沒有彈性時，目標函數是基于給定的投資規劃和機組組合優化狀態使系統成本最小，如式(17)所示。在一些情景下，發電機組和輸電線路斷電會導致無可行解。為了計算此種情況下的價格，假設原發電機組由虛擬發電機組以更高的價格提供所需電量。利用電量不足期望值來表示虛擬發電機組提供的電能。(1)111(1)111min(1)(1)THKqhtmhtmhtkktthkTHJhtjhtjhtktthjSOPWdSCPd(17)s.t.111MJJmhjtkjhtkjhtkmjjPPQ(18)UPEQ+PAD(19)0,jhtkPj(20)式中：Wqk為系統運行成本；jhtkP為k情境下第t年h時段母線j上虛擬機組的可調度容量；jhtC為第t年h時段母線j上虛擬機組的成本；U為母線機組關聯矩陣；E為母線負荷關聯矩陣；P為虛擬機組可調度容量向量；A為母線支路關聯矩陣；D為有功潮流矩陣；P為有功功率向量；Q為負荷向量。類似于可靠性檢查子問題，最優運行的目標函數受到物理因素限制，如式(8)—(14)所示。該子問題的解為主問題目標函數提供了上界，用于檢查解的最優性。如果提出的投資規劃方案不是最優的，會產生如式(21)所示的Benders割現象，并會添加到下一迭代過程中的主問題中。(1)(1)1111111111()(1)()()KTMqmtmtkmtkkktktmKTMkmtkmtkmtktmKTHMkmhtkmhtkmhtkthmCGGZpWdpGGpMM(21)Benders分解法的重要特點是可以在每一迭代階段為最優解提供上下界，從而提供了收斂標準。收斂標準如式(22)所示。YZYZ(22)式中是最小的正數，表示接受最優解的臨界值。

2、算例分析

本文通過一個6節點系統的算例來分析集中式和分布式風電擴張情形，如圖2所示。本文研究給定風電并網水平情況下快速響應火電機組的規劃問題?；陲L速預測數據，該系統分為3個區域，其風電容量參數分別為31%、38%和49%。風電容量參數是1a內實際風力發電量與裝機容量全部投入使用時的發電量的比值。本文研究的快速響應火電機組安全經濟規劃期和年峰負荷預測期均為10a。表1列出了系統數據，圖3給出了基準案例情況下年尖峰負荷預測情況。節點2、4和5的負荷比例分別為50%、30%和20%。假設負荷在該段時期內擁有相同的分布參數。年尖峰負荷預測值是基準負荷(如307MW)與年增長率(如2.5%)的乘積。假定尖峰負荷隨機部分增長率和風速預測誤差服從正態分布[19]，中值為0，標準差為0.01，每小時負荷參數和每小時風力發電系數借鑒伊利諾伊理工大學提供的6節點系統小時數據。表2所示為候選發電機組數據。風電每小時成本忽略不計。風電容量為150MW，在情形I中是集中式，情形II—IV分布式。5種情形如下：1）情形I，風電機組集中在節點3的規劃問題。2）情形II，風電機組分布在節點2、3和6的規劃問題。3）情形III，風電機組分布在節點2、3和6，但是在第8年線路4-5部分停運的規劃問題。4）情形IV，風電機組分布在節點2、3和6，但是在第8年機組2停運的規劃問題。5）情形V，風電機組分布在節點2、3和6，但是在第8年線路4-5部分和機組2同時停運的規劃問題。情形I：在該情形下，風電機組全部安置在區域C的節點3處，因為此處風速預測最為理想。第1年該節點接入裝機容量為150W、容量參數為49%的風電機組。但是，這樣的規劃導致無法用其他機組降低節點3較大風速誤差帶來的影響。表3列出了各機組投入使用的年份。機組3一直投入使用，機組1在尖峰投入時使用以滿足負荷需求，將運行成本降到最小?？偟耐顿Y和運行成本為1336元/MW，其中運行成本為553元/MW。起初，機組3在節點3，機組2在節點2(系統最大的負荷中心)。表3中的其他機組在以后年份風電容量和負荷增加時逐步投入使用。風電集中安裝情況下沒有足夠多的輸電通道。情形II：圖2顯示了風電機組在3個區域分布式安裝的結果。風電機組裝機容量50MW，區域A和B的容量參數小于區域C的容量參數。表4給出了候選機組的安裝年份。與情形I類似，機組1在第5年安裝，機組2在第1年安裝。但是，在第7年機組3才在節點1安裝。節點3處的風電機組WG3年發電容量為12.5MW(容量參數為25%)，線路2和3沒有阻塞。低成本的WG3在某些時候低于其容量參數運行是因為系統慢加速限制因素。因此，在第7年接入快速響應機組后，WG3平均發電量上升到22.5MW，容量參數為45%，仍然低于WG3的容量參數49%，這是由于輸電和運行條件限制(如火電機組最低發電量限制、系統慢加速限制、開關限制等)。與情形1相比，總投資和運行成本降低至1072元/MW，其中運行成本上升到了601元/MW。在情形II中，由于區域A和B較低的容量參數，總風電機組利用率與情形I相比降低了28%，這將導致更多的昂貴的火電機組的使用，并增加運行成本。如果區域A和B的容量參數與區域C相同(49%)，則運行成本將降低至540元/MW。圖4把運行和總成本描述為風電容量參數的函數。初始值是現有的風電并網水平。圖4顯示隨著快速響應機組投資額的增加，運行成本降低。由社會成本可以看出，容量參數的最優增長為20%，此時社會成本最低。盡管區域A和B的風電容量參數較低，但是風電在3個區域的分布降低了總成本，提高了機組使用率。這是因為一個區域的風力間歇可以由其他區域來補充，同時，快速響應機組投入減少。情形III：該情形考慮在第8年尖峰時段4-5線路停運的情況。與情形II類似，機組2在第1年投入使用，機組1在第5年投入使用，機組3在第7年投入使用，如表5所示。另外，作為預防措施，機組4在第8年投入使用，機組6在第10年投入使用。線路4-5的停運減少了區域A和區域B的輸電通道，因此有必要在區域B接入機組4和6。與情形2相比，總成本增加至1227元/MW。情形IV：第8年尖峰時段機組1的停運將改變情形II中的規劃方案。機組2在第1年投入使用，機組1在第5年投入使用，機組3在第7年投入使用，如表6所示。另外，機組6在第8年投入使用，作為機組2停運的補充。該預防措施使規劃成本上升至1162元/MW，運行成本升至601元/MW。情形V：在第8年，線路4-5和機組2同時停運，如表7所示。此處考慮尖峰和非尖峰時段2種情況。同之前情形類似，機組3在第1年投入使用，機組4和6在第8年投入使用作為停運的補充?？偝杀旧?232元/MW，是所有情形中最高的，但是運行成本和情形4和5相比變化不大。

3、結論

第3篇

在優化系統初始參數輸入的界面中，根據具體優化問題，確定優化對象相關的設計參數值與優化參數設計范圍，然后在輸入欄里輸入相關參數值和初始值。設計界面中某些參數的輸入需要在一定的范圍內，如果輸入非法時，會有相應的提示，需要重新輸入正確的參數[4-5]。當用戶輸完相關設計參數之后，單擊“開始優化”按鈕，系統首先將輸入的具體參數值類型轉化為MATLAB數據類型，然后將數值傳入到MATLAB優化組件中進行優化。優化成功后的結果顯示在界面中，否則返回重新進行優化。整個分析過程在服務器上完成，不影響用戶進行本地的其他操作。

2關鍵技術

筆者通過刮板輸送機的優化實例用以說明在系統建立過程中的幾個關鍵技術。優化數學模型的M文件編寫針對刮板輸送機設計參數的不確定性，以達到其電機功率最小和運輸性能最佳為目標，取輸送機刮板鏈運行速度v、槽深H及寬度B作為優化設計變量。具體優化數學模型的建立過程請見文獻[6]。根據以上的數學模型，編寫M文件，由于在具體工程實例中設計值的不同，筆者將文獻[6]中的某些具體的設計值作為可變的參數傳遞值。這里取鏈條最小張力、鏈條單位長度質量、輸送機的鋪設長度和物料堆積角作為可變的傳遞參數，令其分別為x(4)、x(5)、x(6)、x(7)，以方便MATLAB與之間傳遞參數，代碼如下：編譯生成.net組件生成.net組件的步驟如下。(1)在CommandWindow里面直接輸入deploytool，在彈出的DeploymentProject窗口里，輸入相應的保存位置和名稱，Type類型選擇：.NETAssembly。如圖3所示。(2)添加已經編寫好的M文件guabanji.m，如圖4所示。(3)創建工程，選擇Build編譯成.net組件。文件保存后打開剛才保存工程的文件夾可以看到有兩個新建的文件夾distrib和src。這里包含了在調用中需要用到的文件、庫、資源和接口等，如圖5所示。調用.net組件與網頁設計打開vs2010，新建一個C#項目，添加引用，在彈出的菜單中找到已經生成的.net組件文件夾src，選擇添加其中的guabanji.dll文件，另在.net中添加MWArray組件，這樣引用添加成功，如此便可以調用.net組件進行優化[7-8]。

3運行實例

用戶通過瀏覽器進入基于Web煤機裝備優化設計系統，該系統包括采煤機、刮板輸送機、提升機及掘進機優化設計系統。筆者以刮板輸送機的優化設計系統為例，介紹了整個系統需要優化的機型，選擇所需優化的零件進入優化設計頁面，并根據提示輸入合理參數，然后點擊“開始優化”按鈕，系統就會根據用戶輸入的參數，調用.net組件實現優化分析設計，并將優化的結果顯示在瀏覽器上[9-10]。以刮板輸送機為例進行說明，首先打開網站首頁，選擇刮板輸送機優化；進入刮板輸送機零部件優化列表頁面，選擇所需零件進入其優化設計頁面，在文本框中輸入具體問題的設計參數，然后點擊頁面中的“開始優化”按鈕進行優化，如圖6所示。得到優化結果后，將常規的設計方案與優化設計方案的結果對比，如表1所列。

4結語