學(xué)習(xí)十八大團(tuán)日活動總結(jié)

關(guān)于“學(xué)習(xí)十八大精神”的團(tuán)日活動總結(jié)

一、活動背景

中國共產(chǎn)黨于11月8日召開了十八次全國代表大會，并于11月15日勝利閉幕。大會選舉產(chǎn)生了新一屆黨的領(lǐng)導(dǎo)人，制定了新時期黨發(fā)展方向和方針政策。作為新時期的共青團(tuán)員，我們要堅定不移的跟黨走，為了深入學(xué)習(xí)并了解黨的十八大精神，以豐富同學(xué)們的精神世界，提高思想層次，11級護(hù)理四班在201*年12月21日上午博學(xué)樓B302教室召開主題為“學(xué)習(xí)十八大精神”的主題團(tuán)日活動。11級護(hù)理四班全體同學(xué)參加了本次活動�；顒佑傻诹鶊F(tuán)小組主持召開。

組長：甲組員：乙，丙，丁，戊，己。二、活動概述

活動由團(tuán)小組組長邢文召組織召開，并擔(dān)任主持人。班會的內(nèi)容有：

1、甲以ppt的形式介紹了毛澤東、鄧小

平、江澤民等老一輩領(lǐng)導(dǎo)人帶領(lǐng)中國共產(chǎn)黨走過的光輝歷程和他們的歷史功績。

2、乙?guī)ьI(lǐng)大家學(xué)習(xí)了八榮八恥，十八大的

會議內(nèi)容以及黨制定的方針政策。

3、丙帶領(lǐng)大家模仿十八大開幕式，全體同學(xué)

起立唱國歌。觀看關(guān)于十八的視頻，講述十八大的四個要點及意義。4、最后甲宣布活動結(jié)束。

整個會議過程中，主持人充分調(diào)動全體同學(xué)的積極性，推動班會有序展開；上臺講述的同學(xué)精神飽滿，聲音洪亮，富有激情，贏得同學(xué)們的陣陣掌聲；臺下同學(xué)們積極參與，認(rèn)真配合保持會場紀(jì)律，會議模仿十八大開幕式唱國歌，更是將班會推向高潮，全體同學(xué)一齊大聲唱起國歌，嘹亮的歌聲在教室回蕩.班會結(jié)束后，班長、團(tuán)支書以及各班委組織大家離開會場，并號召大家深入學(xué)習(xí)并宣揚(yáng)十八大精神，班會取得了圓滿成功.三、活動影響

1、使同學(xué)們更為深刻的了解了十八大精神，同時使同學(xué)們認(rèn)識到，中國共產(chǎn)黨第十八次全國代表大會是我國政治中的一件大事，對于全國各族人民、黨員是一件喜事，決定了我國今后的政策走向、未來的經(jīng)濟(jì)體制及一系列改革路徑。胡總書記的報告明確把貫徹落實科學(xué)發(fā)展觀提升到更高的理論指導(dǎo)地位，為中國今后10年的發(fā)展指明了方向，提出了任務(wù)。報告簡明扼要、重點突出，論斷精辟，鼓舞斗志、振奮人心。

2、十八大學(xué)習(xí)增強(qiáng)了同學(xué)們的民族自豪感，同時也是同學(xué)們更加堅持與擁護(hù)中國共產(chǎn)黨的領(lǐng)導(dǎo)。

3、通過籌備本次學(xué)習(xí)十八大精神的主題班會，讓同學(xué)之間的合作意識有了很大的提升，同學(xué)之間的默契也得到了提高四、活動經(jīng)驗與不足四、活動經(jīng)驗與不足總體來說，我們這次以“學(xué)習(xí)十八大精神”為主題的團(tuán)日活動班會，還是比較成功的，成功的原因我們總結(jié)為以下幾點：1、準(zhǔn)備較充分�！胺彩骂A(yù)則立，不預(yù)則廢”在這次班會中得到了充分體現(xiàn)，正是因為有了詳實的考慮、周全的計劃和充分的準(zhǔn)備，這次班會才有了成功開展的前提。

2、分工具體安排合理。在活動沒有開始之前，團(tuán)小組組長就已經(jīng)將活動的流程以及每個流程的主要負(fù)責(zé)人負(fù)責(zé)的任務(wù)合理分配好了。同時也注意到活動與同學(xué)們學(xué)習(xí)時間的協(xié)調(diào)。事后，同學(xué)們普遍反映良好。

3、活動效果良好。同學(xué)們都反映本次活動形式活潑，寓教于樂，是同學(xué)們在快樂的氛圍中學(xué)習(xí)了十八大精神。在成功的背后，我們也認(rèn)真反省思考了我們的不足：1、時間較為倉促。由于教室較為緊張且同學(xué)們的時間較為難統(tǒng)一，所以在時間選擇方便比較緊張。

2、配合不夠密切，沒有充分調(diào)動各個班委的積極性，下次活動應(yīng)該讓大家都參與進(jìn)來，共同辦好活動。

3、本次活動沒有多媒體，只用電腦播放效果不太好。五、活動總結(jié)

雖然本次活動在組織細(xì)節(jié)上還有一些不盡如人意的地方，但總體上來說本次活動是成功的，收到了預(yù)期的效果。我們一定會在今后的活動中爭取更大的進(jìn)步。

編輯人：戊攝像：己

時間：

擴(kuò)展閱讀：深入學(xué)習(xí)黨的十八大精神主題團(tuán)日活動總結(jié)

編輯老師:您好！對審稿意見的回復(fù)見文末,謝謝！

考慮交通網(wǎng)絡(luò)流量的電動汽車充電站規(guī)劃

摘要:充電站的合理選址和定容對電動汽車的規(guī)�；瘧�(yīng)用具有重要意義�？紤]到充電站具有城市交通公共服務(wù)設(shè)施以及普通用電設(shè)施的雙重屬性,以俘獲的交通流量最大、配電系統(tǒng)網(wǎng)絡(luò)損耗最小以及節(jié)點電壓偏移最小為目標(biāo),建立了充電站最優(yōu)規(guī)劃的一個多目標(biāo)決策模型。首先,采用超效率數(shù)據(jù)包絡(luò)分析評價方法,確定歸一化后各個目標(biāo)函數(shù)合理的權(quán)重系數(shù),把多目標(biāo)優(yōu)化問題轉(zhuǎn)換成單目標(biāo)優(yōu)化問題。之后,采用改進(jìn)的二進(jìn)制粒子群優(yōu)化算法求解該單目標(biāo)優(yōu)化模型。最后,以33節(jié)點配電系統(tǒng)以及25節(jié)點交通網(wǎng)絡(luò)為例,說明了所發(fā)展的模型和方法的基本特征。關(guān)鍵詞:電動汽車;充電站規(guī)劃;交通流量;超效率數(shù)據(jù)包絡(luò)分析;改進(jìn)二進(jìn)制粒子群

0引言1

發(fā)展電動汽車產(chǎn)業(yè)是減少溫室氣體排放和降低對化石燃料依賴的一種重要舉措。隨著電動汽車技術(shù)特別是電池技術(shù)的發(fā)展和一些國家在政策上的大力支持,電動汽車在過去的十多年間得到了快速發(fā)展。

電動汽車充電站能夠為電動汽車提供充電、維修等服務(wù),是發(fā)展電動汽車產(chǎn)業(yè)所需要的重要設(shè)施。充電站規(guī)劃主要包括選址和定容,其規(guī)劃合理與否不僅影響電動汽車用戶出行的便利從而影響電動汽車的推廣使用,還會影響配電系統(tǒng)的電能質(zhì)量。在最近幾年中,國內(nèi)外在充電站規(guī)劃方面已經(jīng)做了一些初步的研究工作。文獻(xiàn)[2]分析了影響電動汽車充電站規(guī)劃的多方面因素,并對其布局規(guī)劃提出了原則性建議。文獻(xiàn)[3]提出了基于地理因素和服務(wù)半徑的兩階段充電站選址方法,采用伏羅諾伊(Voronoi)圖對充電站的充電服務(wù)區(qū)域進(jìn)行劃分,并建立了以規(guī)劃期內(nèi)充電站建設(shè)總成本和網(wǎng)損費(fèi)用為優(yōu)化目標(biāo)的充電站規(guī)劃模型。文獻(xiàn)[4]在對不同類型的電動汽車充電需求分析基礎(chǔ)上,建立了綜合考慮充電站投資建設(shè)成本和運(yùn)行成本的集中型充電站最優(yōu)容量配模型。文獻(xiàn)[5]考慮了規(guī)劃區(qū)內(nèi)電動汽車換電需求分布不均勻問題,并以投資和運(yùn)行成本最小為目標(biāo),建立了換電站最優(yōu)規(guī)劃模型。

現(xiàn)有的相關(guān)文獻(xiàn)多數(shù)將充(換)電站視作普通的用電設(shè)施進(jìn)行規(guī)劃,而忽視了其提供公共服務(wù)的特性。事實上,電動汽車充電站具有兩方面屬性。首先,充電站是一種城市交通公共服務(wù)設(shè)施,其功能類似于加油站

[6,7]

[1]

電力網(wǎng)絡(luò)改建、網(wǎng)損、節(jié)點電壓質(zhì)量等。因此,如何在滿足相關(guān)約束條件的情況下,充電站能夠為更多的車主提供便利服務(wù),且盡量減少對配電系統(tǒng)的負(fù)面影響,就是一個亟需研究的重要問題。

基于上述考慮,本文借鑒分布式電源選址思想[8-11],融合電力設(shè)施規(guī)劃方法[12]與城市交通服務(wù)設(shè)施選址理論[13-15],綜合考慮充電站的兩方面屬性,建立了考慮交通網(wǎng)絡(luò)流量的充電站多目標(biāo)規(guī)劃模型,并采用數(shù)據(jù)包絡(luò)分析(DataEnvelopmentAnalysis,DEA)方法[16]確定各個目標(biāo)的權(quán)重,把多目標(biāo)規(guī)劃問題轉(zhuǎn)化為單目標(biāo)問題。之后,采用改進(jìn)的二進(jìn)制粒子群優(yōu)化算法(BinaryParticleSwarmOptimization,BPSO)求解該單目標(biāo)優(yōu)化模型。最后,以33節(jié)點配電系統(tǒng)[17]和25節(jié)點交通網(wǎng)絡(luò)[15]為例對所發(fā)展的模型與方法做了說明。

1電動汽車交通流量分析

在交通領(lǐng)域,針對服務(wù)設(shè)施選址問題,現(xiàn)有的大多數(shù)研究工作主要針對網(wǎng)絡(luò)節(jié)點上的用戶,優(yōu)化目標(biāo)一般給定為設(shè)施投資建設(shè)成本或用戶到服務(wù)設(shè)施的旅行成本。電動汽車在道路上行駛,充電需求不是集中在節(jié)點上,而是在交通網(wǎng)絡(luò)中流動,故可以采用交通流量模擬電動汽車的充電需求,而充電站規(guī)劃可借鑒交通領(lǐng)域的截流選址模型[18]。

現(xiàn)有的截流選址模型一般假定,只要在某條線路/路徑上有服務(wù)設(shè)施,則該條線路上的所有顧客流均被俘獲。就充電站規(guī)劃問題而言,考慮到電動汽車行駛里程限制,在單一節(jié)點上建設(shè)充電站未必能夠滿足汽車在日常線路上來回行駛需求（即該線路上的交通流量不能被完全俘獲）,需要考慮在某個節(jié)點組合上建設(shè)充電站為電動汽車提供充電服務(wù)。以圖1為例進(jìn)行說明。

1

,都是為車輛提供服務(wù);其次,充電站是一種用電設(shè)

施,其規(guī)劃建設(shè)要考慮對配電系統(tǒng)諸多方面的影響,如

圖1一條往返路徑的例子Fig.1Anexampleoftheround-trip

電動汽車從出發(fā)點O到目的地D。這里假設(shè)只要電動汽車經(jīng)過充電站,即可充滿,暫不考慮充電站容量和充電時間等條件限制。對不同的電動汽車最大行駛里程L,存在以下幾種情況:

L大于200km,在任意一個點建設(shè)充電站都可

滿足電動汽車充電需求;

L小于200km但大于180km,在A或B點建

設(shè)充電站均可滿足充電需求;

L小于180km但大于120km,僅B點建設(shè)充電

站可滿足充電需求;

L小于120km但大于60km,任何單獨(dú)一點上

建設(shè)充電站都不能滿足充電需求,需在兩個或以上節(jié)點上建設(shè)充電站;

L小于60km,任何節(jié)點以及節(jié)點組合上建設(shè)充

電站均不能滿足電動汽車充電需求。本文借鑒截流選址模型,采用交通流量模擬充電需求,并計及電動汽車?yán)m(xù)航里程等因素約束,選擇適當(dāng)?shù)慕煌ü?jié)點建設(shè)充電站,使得充電站組合俘獲的交通流量總和最大（即為盡量多的用戶提供充電服務(wù)）。

2充電站最優(yōu)規(guī)劃模型

充電站規(guī)劃不僅要考慮用戶充電的方便性,還需要綜合考慮充電站接入配電系統(tǒng)后對電能質(zhì)量的影響和系統(tǒng)運(yùn)行的安全性與經(jīng)濟(jì)性,因此是一個典型的多目標(biāo)優(yōu)化決策問題。

一般而言,重要交通節(jié)點（如火車站、汽車站、大型超市和大型居民區(qū)等）也是電力系統(tǒng)的重要負(fù)荷節(jié)點�；�于這樣的背景,本文假設(shè)配電系統(tǒng)部分節(jié)點在地理上和交通網(wǎng)絡(luò)重要節(jié)點重合(這里所謂的“重合”指兩者同處于一塊小區(qū)域中,未必嚴(yán)格在一個地理點上),而配電系統(tǒng)線路和交通網(wǎng)絡(luò)道路則未必重合。此外,由于充電站需要滿足車輛行駛中的充電需要,同時也是規(guī)模較大的負(fù)荷節(jié)點,因此將充電站的候選位設(shè)定在交通網(wǎng)絡(luò)和配電系統(tǒng)的重合節(jié)點。圖2為配電系統(tǒng)和交通網(wǎng)絡(luò)節(jié)點重合示例。

圖2配電系統(tǒng)和交通網(wǎng)絡(luò)節(jié)點重合示意圖Fig.2Thegeographicoverlappingofthebusesinthedistributionnetworkandnodesinthetrafficnetwork

在上述背景下,本文以俘獲交通流量最大、配電系統(tǒng)網(wǎng)損最小以及節(jié)點電壓偏移最小為目標(biāo)構(gòu)建充電站規(guī)劃的多目標(biāo)優(yōu)化決策模型。2.1目標(biāo)函數(shù)

1)俘獲的交通流量

假設(shè)當(dāng)電動汽車經(jīng)過充電站時,不管此時電池剩余電量水平,車主都會接受充電服務(wù)直至充滿�？紤]到汽車GPS導(dǎo)航和車主的行車經(jīng)驗,這里假設(shè)電動汽車車主會選擇從出發(fā)點到目的地之間的最短路徑作為日常行駛線路,最短路徑及其通過節(jié)點可以通過Floyd算法

[19]

求出;每條路徑上電動汽車行駛產(chǎn)生的交通流量可

以通過重力空間互動模型[15]求得。目標(biāo)函數(shù)及重力空間互動模型表達(dá)式分別如式(1)和(2)所示:

maxf1fqyq(1)

qQfqWOWD/(dq1.5)(2)

式中:q為電動汽車從出發(fā)地O到達(dá)目的地D之間的最短路徑;Q為最短路徑的全集,假設(shè)交通網(wǎng)絡(luò)系統(tǒng)中有n個節(jié)點,考慮到對稱性,且不考慮環(huán)路,則共有n(n-1)/2條最短路徑;fq為路徑q上的交通流量;WO為路徑q起點O的權(quán)重;WD為終點D的權(quán)重;dq為路徑q的長度;yq表示路徑q上的交通流量是否被俘獲,如果是,則為1,否則為0。

2)配電系統(tǒng)網(wǎng)損

電動汽車充電站接入配電系統(tǒng)后,系統(tǒng)的潮流分布將會發(fā)生改變,隨之將引起配電系統(tǒng)網(wǎng)絡(luò)損耗發(fā)生變化。網(wǎng)絡(luò)損耗不但與原始負(fù)荷有關(guān),還與電動汽車充電站的建設(shè)位和容量大小有關(guān)。配電系統(tǒng)網(wǎng)損最小目標(biāo)可描述如下:

minfkk2PLoss(UikPSi,UikQSi)(3)式中:PkkSi和QSi分別為在第i個節(jié)點建設(shè)的第k種類型

充電站的有功容量和無功容量;Uik表示是否在節(jié)點i建設(shè)第k種類型電動汽車充電站,1和0分別表示建設(shè)和不建設(shè)。這里假設(shè)充電站共有0.1MW,0.2MW,0.3MW,0.4MW四種容量可選。

3)節(jié)點電壓偏移

充電站的接入將會導(dǎo)致配電系統(tǒng)中的節(jié)點電壓輪廓發(fā)生變化。這里提出電壓偏移指標(biāo),用于計算系統(tǒng)節(jié)點電壓與平衡節(jié)點電壓偏差。計算公式如下:

minfN1ViV03i()(4)i1V0式中:N為系統(tǒng)中節(jié)點數(shù)目;V0為平衡節(jié)點電壓;Vi為節(jié)點i的電壓;i為權(quán)重因子,根據(jù)節(jié)點的重要性而定,這里定義PiiP,即認(rèn)為節(jié)點的重要性與該節(jié)點負(fù)Load荷大小正相關(guān),Pi為節(jié)點i的原始負(fù)荷,PLoad為配電系統(tǒng)總負(fù)荷。2.2約束條件1)節(jié)點組合約束

假設(shè)電動汽車在行駛過程中,不能偏離其最短路徑q,且充滿電后電動汽車最大行駛里程為L。如果出發(fā)點有充電站,則剩余可行駛里程設(shè)為L;如果沒有,則可以假設(shè)剩余可行駛里程為0.5L,原因如下:若剩余可行駛里程為0.5L,且能夠在電量耗盡前到達(dá)離起始點最近的充電站充電,則返回時仍能在該充電站充滿電,且返回到出發(fā)點后,剩余可行駛里程不小于0.5L。

這里給出如下兩個定義:1)若節(jié)點組合h(此時假設(shè)包含在組合h的所有節(jié)點都已建設(shè)充電站)能給最短路徑q上的電動汽車提供充電服務(wù),使其能夠從出發(fā)地到達(dá)目的地,并有充足的電量返回到出發(fā)地,則稱該組合為有效節(jié)點組合;2)有效節(jié)點組合所包括的所有節(jié)點都建設(shè)充電站時,則稱該有效節(jié)點組合開放。很明顯,只有當(dāng)線路q上至少存在一個有效節(jié)點組合h,且該組合開放,線路q上的交通流量才被俘獲。

y1aqhvh1hHqq=0aqhvh=0(5)

hHq式中:aqh表示q上的節(jié)點組合h是否有效,取值1和0分別表示有效和無效;vh表示h組合是否開放,取值1和0分別表示開放和不開放;Hq表示線路q上所有有效的節(jié)點組合,其確定算法在下文給出。2)充電站帶負(fù)荷能力約束

為了滿足電動汽車用戶充電需求,規(guī)劃區(qū)域內(nèi)的充電站額定容量應(yīng)不小于電動汽車的最大充電負(fù)荷需求。

N1mUPkikSiWmax0(6)

i1k1式中:Wmax為綜合考慮了車主出行特征,以及電動汽車數(shù)量、電池容量等因素計算得出的最大充電負(fù)荷需求;m為充電站的種類。3)充電站建設(shè)個數(shù)限制

考慮到城市土地資源一般比較緊張,為了避免資源閑所引起的浪費(fèi),應(yīng)限制規(guī)劃區(qū)內(nèi)充電站個數(shù):

N1mUik=M(7)

i1k1式中:M為允許建設(shè)的充電站個數(shù)。

4)現(xiàn)實中一個節(jié)點最多只能建設(shè)一種類型充電站。

mUik1(8)

k15)線路輸電功率約束

PlPmaxl(9)

式中:Pl為配電線路l的傳輸功率;Pmaxl表示線路l允許的傳輸功率上限。采用罰函數(shù)處理不等式約束:

KK2l(PlPlmax)，PlPlmaxL(Pl)(10)0，PlPlmax式中:Kl為給定的充分大的常數(shù)。6)功率平衡約束:

N1N1PSUBPLossPDiUikPkSi(11)

i1i1式中:PSUB為平衡節(jié)點注入功率;PDi為節(jié)點i的原始負(fù)荷。

7)系統(tǒng)潮流等式約束

NPUkDiikPSiViVj(GijcosijBijsinij)j1NQDiUikQkSiViVj(GijsinijBijcosij)j1(12)

式中:Gij和Bij分別為節(jié)點導(dǎo)納矩陣的實部和虛部;ij為支路ij的相角差。

聯(lián)合式(1)-(12),構(gòu)成了電動汽車充電站多目標(biāo)規(guī)劃模型。所建模型為非線性混合整數(shù)規(guī)劃問題,傳統(tǒng)優(yōu)化方法難以求解。這里采用超效率DEA評價方法來確定各個目標(biāo)的權(quán)重系數(shù)[20],利用線性加權(quán)方法把多目標(biāo)規(guī)劃問題轉(zhuǎn)換成單目標(biāo)問題,采用改進(jìn)的二進(jìn)制粒子群智能優(yōu)化算法求解轉(zhuǎn)換后的單目標(biāo)優(yōu)化問題。

3求解方法

3.1有效節(jié)點組合的確定

采用下述算法[14]

確定能夠給線路q充電的有效節(jié)

點組合Hq:步驟1:初始化

1.1應(yīng)用Floyd算法產(chǎn)生交通網(wǎng)絡(luò)系統(tǒng)中所有起點O至終點D的最短路徑q,并存儲這些最短路徑長度以及最短路徑所經(jīng)過的節(jié)點。

1.2建立一個空的主列表H用于存儲所有線路q的有效節(jié)點組合Hq。

步驟2:產(chǎn)生路徑q上所有可能候選組合。以圖1為例,可能的組合為:{O},{A},{B},{D},{O,A},{O,B},{O,D},{A,B},{A,D},{B,D},{O,A,B},{O,B,D},{O,A,D},{A,B,D},{O,A,B,D}。

步驟3:從候選組合中刪除因電動汽車行駛距離限制而無效的節(jié)點組合。具體方法如下:

3.1從起點O開始,如果O上有充電站,則將電動汽車剩余可行駛里程設(shè)為最大行駛里程L;如果O上沒有充電站,則將剩余可行駛里程設(shè)為0.5L。

3.2移向路徑q上的下一個節(jié)點,剩余可行駛里程為原剩余可行駛里程減去已行駛里程。依次檢查如下五種可能情況:

1)若剩余可行駛里程小于或等于0,即電量耗盡,從

線路q候選集合中去除此組合,返回步驟3檢查下一個候選組合;

2)如果節(jié)點是終點D,則考慮如下兩種情況:

如果終點D上有充電站,則該組合有效,將其儲存到主列表中,返回步驟3檢查下一個候選

組合。

如果終點D上沒有充電站,則返回步驟3.2。此時,電動汽車開始由終點返回。

3)如果節(jié)點是起點O,則電動汽車沒有耗盡電量而成

功返回,此候選充電站組合就為q的有效組合,將其儲存并返回步驟3檢查下一個候選組合情況;4)如果節(jié)點上有充電站,則將剩余可行駛里程設(shè)為

電動汽車最大可行駛里程L,并返回步驟3.2;5)在其它情況下,返回步驟3.2。

3.3當(dāng)路徑q上有效節(jié)點組合篩選完畢后,轉(zhuǎn)到步驟4。

步驟4:除去線路q的有效節(jié)點組合中是其它有效組合超集的組合,如A,B是A的超集。具體方法如下:

4.1將有效組合按照節(jié)點數(shù)量降序排序。4.2從第一個有效組合開始檢查,如果它是后面任何一個組合的超集,則去掉此組合。

4.3檢查下一個組合,重復(fù)此過程直至路徑q的所有有效組合檢查完畢。

步驟5:記錄路徑q的所有有效組合h,以及h中的每個節(jié)點k,并存放在兩個關(guān)系系數(shù)矩陣a和b之中。如果h組合可以給路徑q充電,則aqh為1,否則則為0;如果節(jié)點k在組合h中,則bhk為1,否則為0。對于q的所有有效節(jié)點組合h:

1)如果該節(jié)點組合沒有出現(xiàn)在主列表中,則將該組

合加入到主列表中,并aqh和bhk均為1。2)如果該節(jié)點組合已經(jīng)存在主列表,設(shè)aqh為1。步驟6:對所有路徑q重復(fù)步驟2-5。3.2超效率DEA模型

DEA是一種通過數(shù)學(xué)規(guī)劃比較多輸入多輸出的決策單元相對效率,進(jìn)而對決策單元進(jìn)行效率評價(即評價決策單元優(yōu)劣)的方法。

傳統(tǒng)的DEA模型根據(jù)每個決策單元相對效率Ek,將決策單元分為DEA有效(Ek=1)和DEA無效(EkmmaxEkujyjkj1ss..tvixik1i1(13)

msujyjrxir0,r1,...n,rkj1vii1uj,vi0,i1,...,s,j1,...,m式中:n為決策單元個數(shù);s為決策單元輸入量個數(shù);m為輸出量個數(shù);xik表示第k個決策單元的第i個輸入量,vi為其變量系數(shù);yjk表示第k個決策單元的第j個輸出

量,uj為其變量系數(shù)。

式(13)所描述的優(yōu)化模型為線性規(guī)劃問題,已有成熟而有效的方法可以求解,如Matlab軟件包中就有線性規(guī)劃工具箱。對于求解得到的有效決策單元(Ek1),根據(jù)它們的相對效率Ek的大小排序,最大值對應(yīng)的決策單元相對于其它決策單元更為有效,即在等量投入下,該決策單元能夠有更多的產(chǎn)出。3.3目標(biāo)函數(shù)權(quán)重系數(shù)的確定

把多目標(biāo)規(guī)劃轉(zhuǎn)換為單目標(biāo)規(guī)劃一種常用的方法是對各目標(biāo)函數(shù)加權(quán)求和,這樣如何確定適當(dāng)權(quán)重系數(shù)就是一個關(guān)鍵的問題。本文采用超效率DEA模型確定目標(biāo)函數(shù)權(quán)重,以目標(biāo)函數(shù)的權(quán)重系數(shù)向量αd,βd為決策單元,其中αd為輸入量的權(quán)重系數(shù)向量,βd為輸出量的權(quán)重系數(shù)向量,在此權(quán)重向量下優(yōu)化得到的最小化目標(biāo)值和最大化目標(biāo)值分別作為決策單元的輸入和輸出。對于本文的充電站多目標(biāo)規(guī)劃問題,其權(quán)重系數(shù)向量可表示為:

111211αd,βd=212221(14)

.........d1d2d1對俘獲的交通流量、配電系統(tǒng)網(wǎng)絡(luò)損耗以及節(jié)點電

壓偏移作歸一化處理,即f2min(f、f3作為決策單

2)min(f3)元的輸入量,min(f1)f作為決策單元的輸出量�；�于超

1效率DEA模型評價該d個決策單元,根據(jù)最終評價結(jié)

果Ek,選出一個權(quán)重向量作為歸一化后各個目標(biāo)函數(shù)的權(quán)重系數(shù)。采用線性加權(quán)轉(zhuǎn)化得到的單目標(biāo)函數(shù)表達(dá)

式為:

minFf2f3min(f1)k1min(f2)k2min(f3)+k1f(15)

13.4求解步驟

1)采用Floyd算法計算交通網(wǎng)絡(luò)中所有起點O到終點D的最短路徑q,識別路徑q通過的節(jié)點;采用重力空間互動模型計算q上的交通流量。

2)根據(jù)3.1節(jié)算法的步驟確定每條路徑q上的有效節(jié)點組合Hq。

3)分別以前述的三個目標(biāo)函數(shù)中的每一個作為單個目標(biāo)函數(shù),不考慮另外兩個目標(biāo)函數(shù),求取這三種情況下的最優(yōu)解。

4)采用偽隨機(jī)數(shù)發(fā)生器產(chǎn)生的一組權(quán)重向量,把多目標(biāo)優(yōu)化問題轉(zhuǎn)化為單目標(biāo)問題,采用BPSO算法[22,23]求解。

5)把求得的優(yōu)化變量值帶入三個目標(biāo)函數(shù)中,得到三個目標(biāo)值。采用3.3節(jié)的超效率DEA方法進(jìn)行評價,把兩個最小化目標(biāo)值作為決策單元的輸入,一個最大化目標(biāo)值作為決策單元的輸出;根據(jù)最終評價結(jié)果從一組權(quán)重向量中選出一個最有效的權(quán)重向量作為各目標(biāo)的最終權(quán)重系數(shù)。

6)確定電動汽車充電站的最優(yōu)選址和容量。

4算例

4.1確定規(guī)劃區(qū)內(nèi)最大充電負(fù)荷

電動汽車最大充電負(fù)荷與電動汽車數(shù)量、充電功率、電池容量以及車主使用習(xí)慣等因素密切相關(guān)。由于電動汽車尚未大規(guī)模推廣使用,無法獲得反映車主使用習(xí)慣的可靠統(tǒng)計數(shù)據(jù)。這里以已有燃油車輛的相關(guān)數(shù)據(jù)進(jìn)行分析。

根據(jù)美國交通部在201*年對全美私家車輛出行情

況的調(diào)查統(tǒng)計結(jié)果(201*NationalHouseholdTravelSurvey)[24],首先利用文獻(xiàn)[25]所提出的方法對電動汽車日行駛里程、最后一次出行返回時間(起始充電時間)等統(tǒng)計結(jié)果進(jìn)行擬合分析。之后,以1分鐘為步長,采用蒙特卡羅仿真方法可以求出1天當(dāng)中單臺電動汽車充電功率的平均值。

假設(shè)電動汽車的充電功率在3-4kW間服從均勻分布,且充電功率因數(shù)為1;給定蒙特卡羅抽樣次數(shù)為5000,仿真結(jié)果如圖3所示:

圖3單臺電動汽車充電功率平均值

Fig.3Themeanvalueofthechargingpowerofasingle

electricvehicle

從圖3可以看出,在19點單臺電動汽車的充電功率均值達(dá)到最大,為0.606kW。假設(shè)規(guī)劃區(qū)內(nèi)有1000輛電動汽車,考慮到電動汽車未來的發(fā)展趨勢,規(guī)劃應(yīng)具有一定的前瞻性,故給定規(guī)劃區(qū)內(nèi)最大充電負(fù)荷為0.8MW。4.2結(jié)果與分析

以33節(jié)點配電系統(tǒng)以及25節(jié)點交通網(wǎng)絡(luò)來說明所發(fā)展模型和方法的可行性與有效性。這里采用如下假設(shè):交通網(wǎng)絡(luò)節(jié)點1-25與配電系統(tǒng)節(jié)點1-25重合,也即配電系統(tǒng)中1-25號節(jié)點之間的實際道路連通狀況如圖4中的交通網(wǎng)絡(luò)所示。

圖433節(jié)點配電系統(tǒng)和25節(jié)點交通網(wǎng)絡(luò)

Fig.4Thetestsystemwitha33-nodedistributionsystemanda

25-nodetrafficnetwork

需要說明,對于配電系統(tǒng)和交通網(wǎng)絡(luò)不重合的節(jié)點,即交通網(wǎng)絡(luò)節(jié)點和配電系統(tǒng)節(jié)點在地理位上不耦合,這相當(dāng)于本文所發(fā)展的模型的一個簡化情形,所提出的算法仍然適用。

共有0.1MW、0.2MW、0.3MW和0.4MW四種充電站候選容量;要求建設(shè)的充電站個數(shù)給定為4;給定電動汽車最大行駛里程L為120km;根據(jù)各交通節(jié)點的繁忙程度設(shè)節(jié)點權(quán)重,如表1所示[15]。

表1交通節(jié)點權(quán)重系數(shù)

Table1Weightsofvarioustrafficnodes節(jié)點權(quán)重節(jié)點權(quán)重節(jié)點權(quán)重10.54100.54190.8020.80110.05200.2730.27120.54210.2740.27130.05220.5450.27140.54230.0560.07150.27241.3470.05160.27250.0580.54170.2790.27181.07

在不考慮另外兩個目標(biāo)函數(shù)的情況下,依次單獨(dú)優(yōu)化三個目標(biāo),可得網(wǎng)損最小值為0.1907MW、節(jié)點電壓偏移最小值為0.0448(標(biāo)幺值)、俘獲的交通流量最大值為1.3947（占總交通流量的45.8%）。

假設(shè)每個目標(biāo)函數(shù)的權(quán)重變化范圍為0.1-0.8,步長為0.1,這樣總計36組權(quán)重向量,采用線性加權(quán)求和方法把多目標(biāo)決策問題轉(zhuǎn)換為單目標(biāo)問題;之后,利用改進(jìn)BPSO求解轉(zhuǎn)化后的單目標(biāo)優(yōu)化問題,并把求得的優(yōu)化變量值帶入到各個目標(biāo)函數(shù)中,分別求出在不同權(quán)重向量下各個目標(biāo)函數(shù)的值。最后,采用超效率DEA方法評價36組權(quán)重向量的有效性,以確定最為有效的一組權(quán)重向量,計算結(jié)果和評價結(jié)果列于表2。

表2計算結(jié)果和DEA評價結(jié)果

Table2SimulationandDEAevaluationresults

決策單元[αd,βd]

網(wǎng)絡(luò)損耗/MW節(jié)點電壓偏移(標(biāo)幺值)俘獲交通流量DEA評價值

10.10.10.80.25030.05181.36060.958220.10.20.70.23820.05041.31580.952430.10.30.60.23790.05001.30800.954340.10.40.50.24200.05061.30350.939850.10.50.40.22630.04911.27610.961760.10.60.30.23420.04981.32090.967670.10.70.20.20990.04701.11520.905480.10.80.10.21000.04681.03160.837190.20.10.70.23750.05051.38431.0162100.20.20.60.23730.05031.32030.9576110.20.30.50.22960.04961.32450.9851120.20.40.40.21520.04801.23140.9751130.20.50.30.20550.04661.16220.9637140.20.60.20.19990.04621.08830.9277150.20.70.10.19840.04561.03980.8931160.30.10.60.23530.04981.32090.9676170.30.20.50.23300.04961.30310.9592180.30.30.40.22260.04851.23940.9488190.30.40.30.21470.04751.15890.9198200.30.50.20.20790.04701.11710.9156210.30.60.10.19020.04510.84190.7543220.40.10.50.22570.04911.32451.0068230.40.20.40.20870.04721.17790.9618240.40.30.30.21590.04761.20810.9535250.40.40.20.201*0.04591.03980.8802260.40.50.10.201*0.04610.99200.8381270.50.10.40.21780.04811.23940.9697280.50.20.30.21520.04801.23140.9751290.50.30.20.20830.04691.10810.9065300.50.40.10.19430.04540.92300.8095310.60.10.30.19580.04571.02290.8902320.60.20.20.19860.04590.98010.8410330.60.30.10.19600.04581.00070.8700340.70.10.20.19720.04590.93390.8070350.70.20.10.19650.04550.94320.817936

0.80.10.10.1956

0.0458

0.8773

0.7643

7

從表2中可以看出,決策單元9和22的超效率DEA評價值都大于1,均為有效決策單元,但9號決策單元的相對效率更高,故采用9號決策單元所對應(yīng)的權(quán)重系數(shù)0.2、0.1和0.7,分別作為目標(biāo)函數(shù)f1、f2和f3的權(quán)重系數(shù)最為合理。求解由三個目標(biāo)函數(shù)線性加權(quán)后形成的單目標(biāo)優(yōu)化問題得到的最優(yōu)規(guī)劃結(jié)果為:在配電系統(tǒng)中的節(jié)點18、24、8和14分別建設(shè)容量為0.1、0.1、0.2和0.4MW的充電站。從圖4中配電系統(tǒng)（26號為平衡節(jié)點）可以看出,容量大的充電站建在配電系統(tǒng)饋線的較前端,這樣可以有效減少網(wǎng)絡(luò)損耗和電壓偏移;從圖4中交通網(wǎng)絡(luò)可以看出,充電站多處在交通樞紐位,通過的交通流量較大,規(guī)劃的充電站能夠給更多電動汽車提供便捷充電服務(wù)。

在確定了充電站站址和容量后,這里進(jìn)一步分析電動汽車最大行駛里程L對充電站俘獲交通流量的影響,結(jié)果如圖5所示。

圖5不同行駛里程下充電站可俘獲的交通流量比例Fig.5Percentagesofflowscapturedbychargingstations

fordifferenttravelingdistances

從圖5可以看出,在充電站站址確定的情況下,電動汽車的最大行駛里程越大,給定數(shù)量的充電站能夠服務(wù)的車輛越多。在目前充電設(shè)施網(wǎng)絡(luò)還不完善的情況下,提高電動汽車的電池續(xù)航里程,使得給定數(shù)量的充電設(shè)施能夠為更多車輛提供充電服務(wù)以滿足其行駛需求,這對發(fā)展電動汽車產(chǎn)業(yè)至關(guān)重要。

5結(jié)語

在綜合考慮充電站作為城市交通公共服務(wù)設(shè)施和基本用電設(shè)施的兩方面屬性的基礎(chǔ)上,本文建立了充電站多目標(biāo)規(guī)劃模型,并采用超效率DEA評價方法來確定各目標(biāo)權(quán)重,把多目標(biāo)優(yōu)化問題轉(zhuǎn)化為單目標(biāo)問題求解。之后,采用改進(jìn)的二進(jìn)制粒子群優(yōu)化算法求解

該單目標(biāo)優(yōu)化模型。最后,通過算例說明了所發(fā)展的模型與方法的基本特征。

需要指出,本文的研究假設(shè)了電動汽車是沿著去目的地的最短路徑行駛的。實際上,車主未必能夠準(zhǔn)確識別最短路徑,有時最短路徑上可能存在交通阻塞而無法行駛,如何適當(dāng)考慮這些實際因素將是下一階段的研究重點。

參考文獻(xiàn)

[1]SCHNEIDERK,GERKENSMEYERC,KINTNER-MEYER

M,etal.Impactassessmentofplug-inhybridvehiclesonPacificNorthwestdistributionsystems[C]//ProceedingsofIEEEPowerEngineeringSocietyGeneralMeeting,July20-24,201*,Pittsburgh,PA,USA:1-6.

[2]徐凡,俞國勤,顧臨峰,等.電動汽車充電站布局規(guī)劃淺

析[J].華東電力,201*,37(10):1678-1682.

XUFan,YUGuoqin,GULinfeng,etal.Tentativeanalysisoflayoutofelectricalvehiclechargingstations[J].EastChinaElectricPower,201*,37(10):1678-1682.

[3]劉志鵬,文福拴,薛禹勝,等.電動汽車充電站的最優(yōu)選址

和定容[J].電力系統(tǒng)自動化,201*,36(3):54-59.

LIUZhipeng,WENFushuan,XUEYusheng,etal.Optimalsitingandsizingofelectricvehiclechargingstations[J].AutomationofElectricPowerSystems,201*,36(3):54-59.[4]高賜威,張亮,薛飛,等.集中型充電站容量規(guī)劃模型研

究[J].中國電機(jī)工程學(xué)報,201*,32(31):27-34.

GAOCiwei,ZHANGLiang,XUEFei,etal.Studyoncapacityandsiteplanningoflarge-scalecentralizedchargingstations[J].ProceedingsoftheCSEE,201*,32(31):27-34.[5]熊虎,向鐵元,榮欣,等.電動汽車電池更換站布局的最

優(yōu)規(guī)劃[J].電力自動化設(shè)備,201*,32(09):1-6.

XIONGHu,XIANGTieyuan,RONGXin,etal.Optimalallocationofelectricvehiclebatteryswapstations[J].ElectricPowerAutomationEquipment,201*,32(09):1-6.

[6]宋亞輝.城市電動汽車充電設(shè)施布局規(guī)劃研究[D].北京:

北京交通大學(xué),201*.

SONGYahui.Researchonthelayoutplanningofelectricvehiclechargingstationinthecity[D].Peking:BeijingJiaotongUniversity,201*.

[7]崔靜.我國城市加油站布局研究[D].青島:中國石油大學(xué),

201*.

CUIJing.Studyonthelayoutofgasstationsinourcountry’scity[D].Qingdao:ChinaUniversityofPetroleum,201*.

[8]劉志鵬,文福拴,薛禹勝,等.計及可入網(wǎng)電動汽車的分布

式電源最優(yōu)選址和定容[J].電力系統(tǒng)自動化,201*,35(18):11-16.

LIUZhipeng,WENFushuan,XUEYusheng,etal.Optimalsitingandsizingofdistributedgeneratorsconsideringplug-inelectricvehicles[J].AutomationofElectricPowerSystems,201*,35(18):11-16.

[9]ALARCONRA,AULTG,GALLOWAYS.Multi-objective

planningofdistributedenergyresources:Areviewofthestate-of-the-art[J].RenewableandSustainableEnergyReviews,201*,14(5):1353-1366.

[10]HUNGDQ,MITHULANANTHANN,BANSALRC.

AnalyticalexpressionsforDGallocationinprimarydistributionnetworks[J].IEEETransonEnergyConversion,201*,25(3):814-820.

[11]ACHARYAN,MAHATP,MITHULANANTHANN.An

analyticalapproachforDGallocationinprimarydistributionnetwork[J].InternationalJournalofElectricalPowerandEnergySystems,201*,28(10):669-678.

[12]王成山,劉濤,謝瑩華.基于混合遺傳算法的變電站選址

定容[J].電力系統(tǒng)自動化,201*,30(6):30-34.

WANGChengshan,LIUTao,XIEYinghua.Substationlocatingandsizingbasedonhybridgeneticalgorithm[J].AutomationofElectricPowerSystems,201*,30(6):30-34.[13]LIMS,KUBYM.Heuristicalgorithmsforsiting

alternative-fuelstationsusingtheflow-refuelinglocationmodel[J].EuropeanJournalofOperationalResearch,201*,204(1):51-61.

[14]KIMJ,KUBYM.Thedeviation-flowrefuelinglocation

modelforoptimizinganetworkofrefuelingstations[J].InternationalJournalofHydrogenEnergy,201*,37(6):5406-5420.

[15]HODGSONMJ.Aflowcapturinglocation-allocationmodel

[J].GeographicalAnalysis,1990,22:270-279.

[16]SHIL,DINGHL,XUZ.Determinationofweightcoefficient

forpowersystemrestoration[J].IEEETransonPowerSystems,201*,27(2):1140-1141.

[17]SINGHD,MISRARK,SINGHD.Effectofloadmodelsin

distributedgenerationplanning[J].IEEETransonPowerSystems,201*,22(4):2204-2211.

[18]張曦.需求多元化的網(wǎng)絡(luò)截流設(shè)施選址問題研究[D].武

漢:華中科技大學(xué),201*.

ZHANGXi.Studiesonmulti-demandflowinterceptionfacilitylocationproblemofthenetwork[D].Wuhan:HuazhongUniversityofScienceandTechnology,201*.[19]胡桔州.Floyd最短路徑算法在配送中心選址中的應(yīng)用[J].

湖南農(nóng)業(yè)大學(xué)學(xué)報(自然科學(xué)版),201*,30(4):382-384.HUJuzhou.AnalgorithmfordistributioncenterbasedontheFloyd-shortest-path[J].JournalofHunanAgriculturalUniversity(NaturalSciences),201*,30(4):382-384.[20]梁娟,林元慶.具有多目標(biāo)決策評價功能的多目標(biāo)決策方

法[J].中國管理科學(xué),201*,12(z1):118-121.LIANG

Juan,

LIN

Yuanqing.

The

multi-objective

decision-makingmodelwithflexibleobjectivestructure[J].ChineseJournalofManagementScience,201*,12(z1):118-121.

[21]魏權(quán)齡.數(shù)據(jù)包絡(luò)分析.北京:科學(xué)出版社,201*.

WEIQuanling.Dataenvelopmentanalysis.Beijing:SciencePress,201*.

[22]劉波,張焰,楊娜.改進(jìn)的粒子群優(yōu)化算法在分布式電

源選址和定容中的應(yīng)用[J].電工技術(shù)學(xué)報,201*,23(2):103-108.

LIUBo,ZHANGYan,YANGNa.Improvedparticleswarmoptimizationmethodanditsapplicationinthesitingandsizingofdistributedgenerationplanning[J].TransactionsofChinaElectrotechnicalSociety,201*,23(2):103-108.

[23]劉涌,侯志儉,蔣傳文.求解機(jī)組組合問題的改進(jìn)離散粒

子群算法[J].電力系統(tǒng)自動化,201*,30(4):35-39.

LIUYong,HOUZhijian,JIANGChuanwen.Unitcommitmentviaanenhancedbinaryparticleswarmoptimizationalgorithm[J].AutomationofElectricPowerSystems,201*,30(4):35-39.

[24]FederalHighwayAdministration,U.S.Departmentof

Transportation.

201*

National

Household

Travel

Survey[DB/OL].[201*-09-15].

[25]田立亭,史雙龍,賈卓.電動汽車充電功率需求的統(tǒng)計學(xué)

建模方法[J].電網(wǎng)技術(shù),201*,34(11):126-130.

TIANLiting,SHIShuanglong,JIAZhuo.Astatisticalmodelforchargingpowerdemandofelectricvehicles[J].PowerSystemTechnology,201*,34(11):126-130.

━━━━━━━━━━━━

OptimalPlanningofElectricVehicleChargingStationsConsideringTrafficNetworkFlows

Abstract:Reasonablesitingandsizingofchargingstationsareimportantforextensiveapplicationsofelectricvehicles.Amulti-objectivedecision-makingmodelfortheoptimalplanningofelectricvehiclechargingstationsisdeveloped,withthedualattributesofchargingstationsaspublicservicefacilitiesofurbantrafficsandordinaryelectricfacilitiestakenintoaccount.Threeobjectivefunctionsaredefinedtorespectivelymaximizethecapturedtrafficnetworkflow,minimizethenetworkloss,andtominimizetheaveragevoltagedeviation.Thewell-establishedsuper-efficiencydataenvelopmentanalysis(DEA)isemployedtodeterminetheappropriateweightsamongthethreeobjectivefunctions,andinthiswaythemulti-objectiveoptimizationproblemistransformedintoasingle-objectiveprogrammingone.Then,theenhancedbinaryparticleofswarmoptimization(BPSO)isusedtosolvethesingle-objectiveprogrammingmodel.Finally,a33-nodetestfeederanda25-nodetrafficnetworkareutilizedtoillustratetheessentialfeaturesofthedevelopedmodelandtheeffectivenessofthepresentedmethod.

Keywords:electricvehicle;chargingstationplanning;trafficnetworkflow;super-efficiencydataenvelopmentanalysis(DEA);enhancedbinaryparticleswarmoptimizationalgorithm

對審稿意見的回復(fù)

審稿意見1:文章引言和模型,與文獻(xiàn)[6]有較大的相似度。作者答復(fù)：

謝謝！根據(jù)審稿意見,我們做了明顯的修改。

本文的初稿在引言和模型結(jié)構(gòu)方面,確實借鑒了原來的文獻(xiàn)[6]（修改稿中為文獻(xiàn)[3],后稱文獻(xiàn)[3]）的寫作模式,不過所建立的模型和文獻(xiàn)[3]有明顯不同。文獻(xiàn)[3]以規(guī)劃期內(nèi)充電站的總成本（包括投資、運(yùn)行和維護(hù)成本）和網(wǎng)損費(fèi)用為目標(biāo)函數(shù),考慮的是充電站規(guī)劃的經(jīng)濟(jì)性目標(biāo),本文則是以提高電動汽車充電的便利性和減少充電站接入引起的配電系統(tǒng)網(wǎng)損和電壓波動的負(fù)面影響為目標(biāo)。另外,文獻(xiàn)[3]采用了原對偶內(nèi)點法求解,本文則采用了超效率的DEA模型和改進(jìn)二進(jìn)制粒子群算法處理所發(fā)展的多目標(biāo)優(yōu)化模型。本文和文獻(xiàn)[3]在數(shù)學(xué)模型和求解方法方面都有明顯區(qū)別。

審稿意見2：從文章的名稱來看,文章的重點是確定充電需求,但從文章實際內(nèi)容來看,文章在確定充電需求方面并沒有明顯創(chuàng)新。作者答復(fù)：

謝謝！確定規(guī)劃區(qū)內(nèi)電動汽車的充電需求是充電站規(guī)劃時需要考慮的一個重要問題,文獻(xiàn)[5,25]等在這方面做了相當(dāng)深入的研究。確實,本文在確定充電需求方面沒有做創(chuàng)新性工作,而是參考了文獻(xiàn)[25]的方法來計算規(guī)劃區(qū)內(nèi)的最大充電需求。

友情提示：本文中關(guān)于《學(xué)習(xí)十八大團(tuán)日活動總結(jié)》給出的范例僅供您參考拓展思維使用，學(xué)習(xí)十八大團(tuán)日活動總結(jié)：該篇文章建議您自主創(chuàng)作。

來源：網(wǎng)絡(luò)整理 免責(zé)聲明：本文僅限學(xué)習(xí)分享，如產(chǎn)生版權(quán)問題，請聯(lián)系我們及時刪除。

《學(xué)習(xí)十八大團(tuán)日活動總結(jié)》由互聯(lián)網(wǎng)用戶整理提供,轉(zhuǎn)載分享請保留原作者信息,謝謝!
鏈接地址：http://www.7334dd.com/gongwen/635436.html

• 上一篇：學(xué)習(xí)十八大精神總結(jié)
• 下一篇：、學(xué)習(xí)十八大精神主題班會活動總結(jié)