澳门一日游记

女朋友一直想出去玩一下,放松心情,但是因为工作时间和景区地点问题,一直推迟,原本定在五一的澳门游也没有去成,因为我们离家都比较远,于是端午就没有回去,就趁着这次端午,去一趟闻名遐迩的澳门,也顺便梭哈一把刺激一下早已麻木的状态。

因为是第一次去港澳地区,之前也没有出过国,说实话,内心还是有点紧张的,人对未知的事物总有一点恐惧。

从广州南站出发,1个多小时到了珠海站,因为是临时决定去的,买到的是站票。好在中途有人下车,可以坐到免费的J座位。到了海珠,按着指示来到了拱北口岸,第一感觉是,人真的好多啊,要去过关的人密密麻麻,我估计和同事之前说的一样,假期得排队1个小时了。在过境大厅附近,看到了纸币兑换点,兴冲冲的去换了1000多港币,解决了纸币的问题,因为据说赌场只收港币,而且港币汇率和澳币差不多,下次去香港也用得上。咨询了一下门口的工作大叔,他说是新卡就可以走自助,不需要去人工通道,望了一眼,人居然不是很多,比较开心,很顺利的根据提示走自助通道过了第一关,接下来就是跟着人流走,走第二关,将港澳通行证递给工作人员看。就这样,到达了澳门,准备去坐酒店巴士到新葡京,因为新葡京据说离大三巴牌坊很近,说不定还能在葡京顺便赌一把。

遗憾的事情来了,人特别多,大家都在排队,尤其是去葡京的,我们也跟着人流排,当时太阳特别大,晒得难受,好在有人说,去新葡京的车要1个多小时估计才发,其他地方的车也很挤,这谁能顶得住啊,不得已,只能去选择坐公交。排队期间还发生了一件有趣的事情,有个女孩问我,我们在排队排什么,开始我想说去葡京的巴士,后面又怕自己排错了误导人家,加上也是第一次没坐过,就笑着说我也不清楚,估计她觉得我是傻逼,哈哈哈。

跟着指示来到了地下车场,这里可以坐公交到很多地方,不懂是印度人还是菲律宾人的工作人员用中文告诉我们,坐3X可以到大三巴,因为忘记换零钱了,只有20的港币的零钱,但是两个人只需要12元坐公交,不知道去哪里换硬币,发现前面几个女生手上有很多硬币,于是提议和人家一起上车,我们付20港币,补差价给我们,那里的人很友好,很爽快的答应了。一路坐公交车过去,在车上开了支付宝上买的港澳流量,只是3G比较卡。终于,下车了,待会就可以见到传说中的大三巴牌坊。先这样,晚上再写。

今晚加班到8点半才下班,回到住处已经9点多了,洗了澡和衣服,现在继续写。

下公交后,我们根据路标找到了大三巴,话说街道还是挺不错的,放两张图。

牌坊感觉和广州的圣心大教堂正面差不多,不过的确很好看呀,据说这是被烧坏的教堂,只抢救下这面墙,来拍照的人特别多,因为比较晒,很多人都撑着伞。拍完照片后,往旁边的炮台走,不是很高,但是因为毕竟晒,一下子老夫就在线湿身了,每次爬山都在想,来个信号把我传送过去吧,让我在槽里照几个照片后就跑路。

大炮没什么好看的,我就看了20多分钟,哈哈哈,火炮是真多,估计当年让我带个千人队去攻打,一炮下来我估计直接就尿了,那炮的口径特别大,来一张图(自动忽略老夫略微浓密的头发)。

看完火炮后,逛了一下博物馆,已经快12点了,下山找吃的。吃了可以免费试吃的手信,香的不行,据说脸皮厚可以吃到饱,可惜我不爱吃太上火的,不然我这脸皮是挂在那了。随便吃了点东西,天气特别热,不是很有胃口,于是前往下一站,坐公交去渔人码头。

去码头的路上也是一波三折,先不扯了,今天加班设计架构特别困,先睡个觉,等下次有时间再写。

 

 

内容概要:本文系统研究了电力系统短期负荷预测问题,提出并实现了基于极限学习机(ELM)及其智能优化改进模型的预测方法。研究涵盖标准ELM、白鲸优化算法(BWO)优化ELM和鹭鹰优化算法(IBOA)优化ELM三种模型,重点通过智能优化算法对ELM的输入权重与偏置参数进行全局寻优,有效克服了传统ELM因参数随机初始化导致的不稳定性和泛化能力不足的问题。文章完整呈现了从数据预处理、特征选择、模型构建、参数优化到预测结果对比分析的全流程,利用Matlab编程实现各模型的仿真验证,显著提升了预测精度与模型鲁棒性,为电力系统调度决策提供了可靠的技术支撑。; 适合人群:具备电力系统基础知识、时间序列预测理论及Matlab编程能力的高校研究生、科研机构研究人员以及电力公司从事负荷预测、电网调度与规划工作的技术人员。; 使用场景及目标:①应用于实际电力系统短期负荷预测业务中,提升电网运行调度的精细化与智能化水平;②作为智能优化算法与神经网络融合的经典案例,服务于学术论文撰写、科研项目申报及算法性能对比研究;③应对新能源大规模接入背景下负荷波动加剧的挑战,为构建高精度、强鲁棒性的现代负荷预测体系提供解决方案。; 阅读建议:建议读者结合所提供的Matlab代码进行动手实践,深入理解ELM网络结构与优化算法的集成机制,重点对比分析不同优化策略在收敛速度、预测误差(如MAE、RMSE、MAPE)等方面的性能差异,进而掌握智能优化技术在提升预测模型性能方面的关键作用。
内容概要:本文研究了基于Benders分解与输电网运营商(TSO)和配电网运营商(DSO)协调机制的不确定环境下输配电网双层优化模型,旨在提升高比例可再生能源接入背景下电网系统的协调性与鲁棒性。模型上层以系统整体经济性为目标进行优化调度,下层采用Benders分解实现TSO与DSO之间的信息交互与协同决策,通过引入割平面迭代机制保障求解的收敛性与全局最优性。研究充分考虑新能源出力与负荷需求的不确定性,构建了具有强适应性的双层优化框架,并基于Matlab完成了模型的编程实现与仿真验证,有效解决了多主体、多层级、多不确定性因素耦合下的电力系统优化调度难题。; 适合人群:具备电力系统分析、运筹学与优化理论基础,熟悉Matlab编程环境,从事智能电网、能源互联网、分布式能源集成、电力市场等方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①研究高渗透率可再生能源条件下输配电网协同优化调度策略;②掌握Benders分解在电力系统双层优化建模中的应用方法与实现技巧;③构建TSO-DSO多主体协调机制,实现跨层级电网资源的高效互动与决策解耦;④提升对不确定性建模、分解算法设计及大规模优化问题求解能力。; 阅读建议:建议读者结合Matlab代码逐模块剖析模型构建流程,重点理解Benders割的生成逻辑、主从问题的信息传递机制及收敛判据设定,推荐在标准IEEE测试系统上复现实验以深入掌握模型特性与算法性能。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值