Elman 神经网络在高压电力计量系统故障诊断中的应用.pdf

第 5 1卷第 1 3期 2 0 1 4年7月 l 0日 电测与仪表 El e c t r i c a l M e a s ur e m e n t& I n s t r u me n t a t i o n VO I 51 No 1 3 J u 1 1 3 。 2 0 1 4 E l m a n神经网络在高压电力计量系统故障诊断中的应用术 赵建军 ， 张月阳， 梁威 ( 河南大学 先进控制与智能信息处理研究所 ， 河南 开封 4 7 5 0 0 4 ) 摘要： 利用 E l m a n神经网络 自适应性强的优势 ， 将其应用于高压电力计量系统故障诊断中。对计量系统 的 8个 运行参数提取故障信息作为网络的输入值 ， 以 4位二进制数表示正常情况和 9种主要故障类型， 用采集得到的 样本对网络进行训练， 并选取 4 种故障类型进行网络测试， 结果表明， E l m a n 神经网络模型对高压电力计量系 统故障有很好的辨识和诊断效果。 关键词 ： 高压电力计量系统 ； 故障诊断 ； E l m a n神经网络 ； 采集样本 中图分类号 ： T M9 3 文献标识码 ： B 文章编号 ： 1 0 0 1 1 3 9 0 ( 2 0 1 4 ) 1 30 0 0 1 0 4 App l i c a t i o n o f El m a n Ne ur a l Ne t wo r k i n t h e Fa ul t Di a g no s i s o f Hi g h Vo l t a g e El e c t r i c Po we r M e t e r i ng S y s t e m Z H A O J i a n j a n ， Z HA N G Y u e y a n g ， L I A N G We i ( I n s t i t u t e o f A d v a n c e d C o n t r o l a n d I n t e l l i g e n t I n f o r m a t i o n P r o c e s s i n g ， He n a n U n i v e r s i t y ， K a i f e n g 4 7 5 0 0 4， H e n a n ， C h i n a ) Abs t r ac t： El ma n n e u r a l n e t wo r k wi l l b e a b l e t o a d o p t e d i n t h e f a u l t d i a g n o s i s o f h i g h v o l t a g e e l e c t r i c p o we r me t e r i ng s y s t e m a c c o r d i n g t o t h e a d v a nt a g e o f t h e g r e a t a d a p t i v i t y I n f o r ma t i o n i n 8 o p e r a t i o n pa r a me t e r s o f me t e r i n g s y s t e m wi l l b e e x t r a c t e d t o b e t a k e n a s t he i n p u t v a l u e s o f t h e ne u r a l n e t wo r k，a n d a 4 一bi t b i n a r y n u mb e r wi l l b e a d o p t e d t o r e p r e s e n t t h e n o r ma l c i r c u ms t a n c e a nd 9 ma i n f a u l t t y p e s Th e n t h e c o l l e c t e d s a mp l e s a r e us e d t o t r a i n El ma n n e t wo r k a n d 4 f a u l t t y p e s wi l l b e s e l e c t e d t o t e s t t h e n e t wo r kTh e r e s u l t s s h o w t h a t t h e El ma n n e t wo r k mo d e l c a n e f f e c t i v e l y d i a g n o s e t he f a u l t o f h i g h v o l t a g e e l e c t r i c p o we r me t e r i n g s y s t e m Ke y wor ds： h i g h v o l t a g e e l e c t r i c p o we r me t e r i n g s y s t e m ，f a ul t d i a g n o s i s ，El ma n ne u r a l n e t wo r k，c o l l e c t e d s a mp l e s 0 引 言 高压计量系统的故障检测 和诊断是 电力 系统 自 动化研究的内容之一。文献通过对高压计量 系统 网络 的分析 ， 得 出计量 系统 网络阻抗 与电流互感器 一 次、 二次侧短路故障之间的关系 ； 文献 得出电流 互感器二次绕组端 电压和通过电能表 电流线圈的电 流二者的比值与电能表电流线圈被短接故障的密切 关系， 分析过程和仿真结果证明了其正确性。 针对高压 电力计量 系统一 、 二 次侧 出现 的故 障 情况 ， 选取了8个能够反映计量系统故障的运行参数 进行检测 ， 搭建测试环境平台采集样本数据， 通过神 经网络可以对这些数据进行综合分析从而准确判断 故障的类型。 基金项 目： 国家 自然科学基金资助项 目( 6 1 1 7 4 1 1 2 ) 1 E l m a n神经网络 E l ma n神经网络 由输入层 、 隐含层 、 承接层和输 出层组成 ， 是一种典型的动态神经 网络 ， 其结构如 图 1 所示 。 输 出层 隐含层 输入层 图 1 E l m a n神经网络模型 Fi g 1 El ma n n e u r a l n e t wo r k mo de l 接层 学兔兔 w w w .x u e t u t u .c o m 第 5 1卷第 1 3期 2 0 1 4年7月 1 O日 电测与仪表 El e c t c a l M e a s u r e me n t& I ns t r u m e n t afi o n V0 1 5 1 NO 1 3 J u 1 1 3， 2 0 1 4 图中输入层、 隐含层 和输 出层 的连 接与前馈 网 络相似， 输入层作用是传输信号， 输出层单元的作用 是线性加权 ， 描述 E l m a n神经网络的非线性状态 空间表达式如下 ： ( ) ： W ( )+ ( ( k一1 ) ) ) ( k )= ( k一1 ) ( 1 ) Y ( k ) ： g ( ( ) ) 式 中 T， ， ， Y分别为 r 维输入矢量、 n维隐含层节点 单元矢量、 n维反馈状态矢量和 m维输 出节点矢量 ； ， ， 分别是 承接层到 隐含层 、 输入层 到 隐含 层 、 隐含层到输 出层的连接权值 ； ( ) 是 隐含层神经 元传递函数， 一般使用 s函数； g ( ) 是输出神经元传 递 函数 ， 是 隐含层输 出的线性组合 。人工神经 网 络和传统的人工智能相 比较最大的优点就是对非线 性的适应性， 目前在故障诊断中应用广泛并取得了 一 定的研究成果 。 2系统故障分析 高压 电力计量系统 的原理如图 2所示 ， 图中“ 1 ” 和“ 2 ” 分别为电度表的两个计量单元 ， T V 1和 r I Tv 2是 电压互感器 ， T A 1和 T A 2是电流互感器 ， ， 和 ， 分别 是 A和 c相的电流 ， ， 和 ， 分别是 ， 和 ， 经电流互 感器后的二次侧电流。 A B C 厂卜 、 厂 - N 2 TV1 十 l b j ， 工 l ， ，TV 2 J 8 T A 1 广 8 T A 2 P Q 1 |Ic 负 载 图 2 高压电力计量 系统接线图 F i g 2 Th e wi r i ng d i a g r a m o f h i g h v o l t a g e p o we r me t e r i n g s y s t e m 根据高压电力计量系统故障的特性 ， 我们可以 将它们分为直接诊断型故障和间接诊断型故障。前 者是指在故障诊断过程中通过仪表的测量结果， 可 以直接得到是否发生故障。如电压互感器开路故障 发生时 ， 只需要 检测二次侧 电压值 就可以准确的判 断故 障。电流互 感器 一次测 短路是 间接诊 断 型故 障 ， 根据文献 1 的结论可知发生故 障时从 P、 Q两点 一 2 一 看进去网络阻抗的变化很大 ， 可 以作为判断的依据 ， 但是网络阻抗不能直接测量 ， 需 要通过外加激励信 号进行检测， 采样得到的检测信号是多个信号的叠 加， 必须通过频谱分析才能得到需要波段的信息进 行判断。而电流互感 器二次相 间短路 时 ， 网络阻抗 会随着负载 的变化而变化 ， 同样需要多个 检测信息 才能对故障进行判断。 分析发现 ， 电力计量系统 中出现的故 障种类多 ， 一 些故障无法通过单一 的信号进行辨别 。所 以我们 根据高压电力计量系统 的结构 ， 对计 量 回路 的多个 参数进行检测并采集样本数据 ， 再应用神经 网络模 型对故障样本数据进行处理和分析。 3 故障样本处理和诊断测试 由计量系统 的8个运行参数提取故障特征 ， 归纳 得到 9种主要故 障的样本特征模式 。在对神经 网络 模 型的训练过程 中需要 大量 的输入样本数据 ， 这里 仅列出一组 ， 如表 1所示 。其 中 是 A相和 B相两 相之间的电压 ， ， 是 A相电流， 计量单元 “ 1 ”和“ 2 ” 的电流和电压分别是 ， 、 ， 和 U U ， u 和 分别为 电流互感器二次侧对应的检测信号_ 1 J ， T A 1 二次侧 短路( 后) 指的是在 T A 1 二次侧检查点后端短路， 其 它同理 。计量系统实际输入和输 出的数据往往不在 0 ， 1 之间 ， 但神经网络的输入样本和 目标样本常要 求位于 0， 1 之 间， 因此在对 网络进行处理前 ， 需要 对获得 的数据进行归一化处理 J 。对输入为 归一 化输出为 Y的系统， 常用的归一化公式有 ： y： ( 2 ) V=一 l J ma x 一 瑚i n 其对应的反归一化公式为 ： =Y ( 一 i )+ i ( 3 ) 故障诊断的基本思想是将故障征兆通过某种关 系映射到故障的空间里， 这样就能识别和诊断故障 了。这里将 8种检测信号进行处理 ， 得到与故障对应 的信息 ， 作为网络的输入值 ， 然后用 4位二进制数来 表示正常情 况和故 障类 型 ， 作 为 网络 的输 出结 果 。 如表 2所示 ， 训练样本对 为 1 0 ， 分别代表正常情况 和 9种常见故障类型。 在计量系统故障诊断中故障征兆参数为 8 ， 故输 入向量维数为 8 ， 输 出向量的维数 为 4 。本实验中采 用单隐层神经网络， 隐含层数目设定为 1 7个。在隐 含层利 用 t a n s i g函数 作 为 神 经 元 的传 递 函数 ， 将 l o g s i g函数作为输 出层 的传递 函数 ， 这两个 函数都是 s型 的 J ， E l ma n网络采用 的是优化 的梯度下降学习 学兔兔 w w w .x u e t u t u .c o m 第 5 1卷第 1 3期 2 0 1 4年7月 l 0日 电测与仪表 El e c t r i c a l M e a s u r e me n t& I ns t r ume n t a fio n V0I 5 1 No 1 3 Ju 1 1 3 2 01 4 算法 ， 训练次数设置为 1 0 0 0， 误差为 0 0 1 ， 步长为 0 1 。对样本经过 1 7 2次的训练， 我们得到 了如表 3 所示 的结果 ， 通过与对应的描述 比较发现， 可以成功 的对故障进行分类 ， 误差值较小。图 3是 E l m a n网络 对样本进行训练 的误差曲线。 表 1 一组输入样本 Ta b 1 A s e t o f i n p u t s a mp l e s 表 3 故障诊断结果 Ta b 3 Th e r e s u l t s o f f a u l t d i a g n o s i s Pe r f o r ma n c e i s 0 o 91 6 33 3 Go a l i s 0 O1 。 O 2 0 40 6o 8 0 1 0 o 1 2 O 1 4 o 1 6 o 1 72 Ep o c h s 图 3 E l ma n网络 训练 的误 差 曲线 Fi g 3 Er r o r C H I V e o f t h e El ma n n e t wo r k t r a i n i n g 一 3 一 一 昌l l I 毒 _l 。 M 詈 学兔兔 w w w .x u e t u t u .c o m 第 5 1卷 2 0 1 4 益 第 1 3期 7月 1 0 日 电测与仪表 El e c t r i c a l M e a s u r e me n t I ns t r u me n t at i o n VO 1 5 1 No 1 3 J u 1 1 3， 2 0 1 4 对于训练好的网络 ， 通过改变计量 系统负载值 ， 我们选取 4种故障对网络进行测试 ， 测试数据如表 4 所示 ， 测试结果如表 5所示 。以第一组输 入样本为 例 ， 通过分析 8个测量参数 ， u 远远低于正常值 ， 把 该组样本输入训练好 的网络 ， 我们期望得到 的诊断 结果是 T A 1一 次测短路 ， 实际测试结 果是 0 0 4 8 5 ， 0 0 2 3 1 ， 0 9 6 2 4 ， 0 0 3 4 2 其对应 的 4位二进制 数描 述是 0 0 1 0， 对 比表 3故障类型的对应描述可 以看 出， 实际诊断结果是 r A l一次侧短路 ， 与期望状态相一 致 ， 说明训练后的网络可以成功 的诊断出故 障种类 ， 达到了预期 的效果。 表 4故障测试样本 Ta b 4 Fa u l t t e s t s a mp l e s 0 0 4 8 5 O 1 3 0 3 0 1 2 31 0 8 5 8 0 0 0 2 3 1 0 8 9 2 7 0 8 2 4 3 0 2 0 5 1 0 9 6 2 4 0 0 H0 6 7 0 8 5 2 5 O 1 8 7 2 0 03 4 2 0 1 6 1 2 0 97 7 8 0 0 3 71 r A l 一次测短路 r A l二次侧短路( 后 ) T A 2二次侧短路( 前 ) r A二次相 间短路 0 0 1 0 Ol O 0 01 1 l 1 0 0 0 T A 1一次测短路 T A1 二次侧短路 ( 后 ) T A 2二次侧短路 ( 前) T A二次相问短路 4 结束语 基于神经网络模型在故 障诊 断 中的优 势， 本文 将其应用到高压 电力计量系统故障诊 断中。先对 系 统运行参数提取故障特征并对数据样本做归一化处 理 ， 然后选取合适 的网络输入节点数和隐含层数 ， 再 用样本数据对网络进行训 练和测试。“ 高压 电力计 量故障检测 与诊断 系统” 通过 了由河南省 电力公 司 组织的科技 成果 鉴定 ( 豫 电技 鉴字 2 0 1 0 第 1 1 1 1 号 ) ， 系统经现场运行 ， 效果 良好 ， 达到了设计要求。 参 考 文 献 1 赵建军 ，张素君 高压 电力计量系统故障分析与建模 J 电测 与仪表 ， 2 0 0 7 ， 4 4 ( 4 ) ： 58 Z HA O J i a n j u n ， Z H A NG S uj u n F a u l t A n a l y s i s a n d M o d e l i n g f o r t h e Hi g h V o l t a g e E l e c t ri c P o w e r M e t e ri n g S y s t e m J E l e c t ri c a l Me a s u r e m e n tI n s t r u m e n t a t i o n ， 2 0 0 7， 4 4 ( 4) ： 58 2 秦春斌 ，赵建军 ， 张磊 ，等 电力计量系统分流窃电分析与建模 J 电测 与仪表 ， 2 0 0 9 ， 4 6 ( 2 ) ：3 9 4 2 Q I N C h u nb i n ，Z H AO J i a nj u n，Z HA N G L e i ，e t a 1 A n a l y z i n g a nd Mo d e l i n g for S h u n t Cu r r e n t El e c t ri c L a r c e n y o f El e c t ric P o we r Me t e r i n g S y s t e m J E l e c t ri c al Me a s u r e me n t I n s t r u me n t a t i o n 2 0 0 9， 4 6 ( 2 )： 3 9 4 2 3 王宏伟 ，孙志远 基 于改进 的 E l m a n神经 网络的 网络 流量预 测 4 J 计算机 与数字工程 ， 2 0 1 2 ， 4 0 ( 9 ) ： 8 7 8 9 W ANG Ho n g w e i ，S UN Zh i y u a n Pr e dic t i o n for Ne t wo r k T r a f fi c B a s e d o n I m p r o v e d E l m a n N e u r a l N e t w o r k J C o mp u t e r D i g i t a l E n g i n e e ri n g ， 2 0 1 2， 4 O ( 9 ) ： 8 7 8 9 4陈小 明，洪军 ，阎海红 ，等 基于 E l m a n神经网络的振镜扫描系 统误差校正技 术研 究 J 西 安交 通大 学学 报 ，2 0 0 6 ，4 0( 5) ： 5 8 75 9 0 CHEN Xi a omi n g，HONG J u n，Ya n Hal h o n g，e t a1S t u d y o n Er - r o r C o r r e c t i o n i n Du a l Ga l v a n o me t e r S c a n n i n g S y s t e m B a s e d o n El ma n R e c u rr e n t N e u r a l N e t w o r k J J o u r n a l o f X i h n J i a o t o n g U n i v e r s i t y ， 2 0 0 6， 4 0 ( 5) ： 5 8 7 5 9 0 5 汤宝平 ，习建 民，李锋 基于 E l ma n神经 网络 的旋转机械故 障诊 断 J 计算机集成制造系统 ， 2 0 0 7 ，1 6 ( 1 0 ) ： 2 1 4 82 1 5 2 T ANG B a op i n g，XI J i a nrai n，L I F e n g F a u l t Di a g n o s i s for Ro t a t i n g Ma c h i n e r y B a s e d o n E l m a n N e u r a l N e t w o r k J C o m p u t e r I n t e g r a t e d Ma n u f a c t u ri n g S y s t e m s ， 2 0 0 7 ，1 6 ( 1 0 ) ： 2 1 4 82 1 5 2 6徐丽娜 神经网络控制 M 北京 ：电子工业 出版社 ， 2 0 0 3 7王宏元 ，史国栋 人工神经网络技术及其应用 M 北京 ：中国 石化 出版社 ， 2 0 0 3 8 李树忱 ，冯现大 ， 李术才 ，等 矿井顶板突水模型试验多场信息 的归一化处理方法 J 煤炭学报 ， 2 0 1 l ， 3 6 ( 3 ) ： 4 4 7 4 5 1 L I S h uc h e n，F ENG Xi a nd a，L I S h ue a i ，e t a l _T he N o r ma l i z a t i o n P r o c e s s o f t h e Mu l t i fi e l d I n for ma t i o n f r o m A C o a l Mi n e Wa t e r i n rus hMo d e l T e s t J J o u r n a l o f C h i n a C o a l S o c i e t y ， 2 0 1 1 ， 3 6 ( 3 ) ： 4 4 7 4 5 1 ( 下转第 7 5页) 学兔兔 w w w .x u e t u t u .c o m 第 5 1卷第 1 3期 2 0 1 4年7月 1 O日 电测与仪表 El e c t r i c a l M e a s ur e m e n t I n s t r u me n t a t i o n VO 1 51 NO 1 3 J u 1 1 0。 2 0 1 4 节电电价 ， 取 1 0 k wh ； P 为光伏 电站年平均 有 功出力， 取光伏电站额定功率容量 8 0 ； R 为光伏 电站中变压器与线 路 的总 阻抗 取 3 6 7 0 2 1 ； P ， 和 P ： 分别为光伏 电站在未安装无功补偿设备条件下 正常运行时和采 用无功控制策略后 的系统损耗 ； Q i 为系统的无功损耗 ； U为 3 5 k V输 电线路运行 电压 ； 光伏电站年平均有功出力 P 为 1 6 4 M W， 由图 8 ( a ) 可知其对应的 Q i 为 1 3 2 M V a r ， 仿真中电站进行无功 策略后 ， 可以完全补偿所需无功， 带入式 ( 1 2 ) 可知光 伏电站正常运行时， 输电线路损耗 P 为 2 2 2 4 M W； 输电线路 损耗 P 。 为 2 2 0 9 MW； 节 电功 率 P 为 1 5 k W； 年节电效益为 2 3 5 1 0元。 5 结束语 本文通过建立光伏逆变器稳态模型分析 了不 同 结构逆变器的无功调节能力。构建了电压调整模式 和系统无功补偿模式 的无功控制策略 。使光伏 电站 在发电的同时利用其 自身的无功调节能力来作为无 功补偿设备 的补充 以减少 无功补 偿设备 的投 入容 量 。以青海省某光伏 电站运行规程搭建仿真模型验 证 了无功控制策略 的有效性 ， 并初 步计算 了补 偿系 统无功策略中降损带来 的经济效益。 参 考 文 献 1 B O Y a n g ，Wu h u a L i ，Yi Z h a o ，e t a 1 D e s i g n a n d A n a l y s i s o f a G r i dC o n n e c t e d P h o t o v o h a i c P o w e r S y s t e m J I E E E T r a n s a c t i o n s o n I n d u s t ri a l E l e c t r o n i c s ， 2 0 1 0 ， 2 5 ( 4 ) ： 9 9 21 0 0 0 2 V a r m a R K， S a l a m a M， S e e t h a p a t h y R ， e t a 1 L a r g e s c a l e P h o t o v o l t a i c S o l a r Po we r I n t e g r a t i o n i n T r a n s mi s s i o n a n d Di s t ri b u t i o n Ne t wo r k s c I E E E P o w e r E n e r g y S o c i e t y G e n e r a l Me e t i n g 2 0 0 9 3 X i n C h e n ； C h u n Y i n G o n g ； H u i Z h e n Wa n g ； L i n C h e n g S t a b i l i t y a n a 1 y s i s o f L C Lt y p e g dc o n n e c t e d i n v e r t e r i n w e a k g ri d s y s t e ms C R e n e w a b l e E n e r g y R e s e a r c h a n d A p p l i c a t i o n s( I C R E R A) ， N a g a s a k i ， 2 0 1 2：16 4 张兴 ，曹仁贤 ， 等太阳能光伏并 网发 电及其逆变控制 M ( 第 一 版 ) 北京 ：机械工业出版社 ， 2 0 1 0 5 V ald i v i a V， P l e i t e J ， Z u me l P， e t a 1 T h r e e p h a s e L C L f i l t e r a n d t r a n s f o r me r w i t h i n t e g r a t e d m a g n e t i c s f o r g ri d c o n n e c t e d c o n v e r t e r s c I EE E I n d u s t r ia l El e c t r o n i c s S o c i e t y Or l a n d o， US A ： I E EE， 2 0 08： 1 02 7 1 0 3 2 6 张驰 ，张代 润基于改进的变步长光伏 并网系统 MP P T控 制策略 研究 J 电测 与仪 表， 2 0 1 2 ，4 9 ( 1 ) ： 6 7 7 1 ZHANG Ch i ，Z HANG Da i F u n Re s e a r c h o n I mp r o v e d Va r i a b l e s t e p M P P T S t r a t e gy for t h e G r i dc o n n e c t e d P h o t o v o h a i c S y s t e m J E l e c t r i c al M e a s u r e me n t &I n s t r u me n t a t i o n ， 2 0 1 2 ， 4 9 ( 1 ) ： 6 7 7 1 7 何英蕾， 付青， 李湘峰， 等光伏阵列区域特性曲线拟合与预估 算法研究 J 电测 与仪表 ， 2 0 1 0 ， 4 7 ( 3 ) ： 2 4 2 7 ， 5 1 HE Y i n gl e i ， F U Q i n g ， L I X i a n g f e n g ，e t a1R e s e a r c h o n P r e d i c t A l g o ri t h m a n d F i t t i n g o f P V A r r a y C h a r a c t e r i s t i c s J E l e c t ri c a l M e a s u r e m e n tI n s t r u m e n t a t i o n ， 2 0 1 0， 4 7 ( 3 ) ： 2 42 7 ， 5 1 作者简介 ： 于洋( 1 9 8 9 一 ) ， 男 ， 蒙古 族 ， 内蒙古 乌兰 察布 市人 硕士研究生 ， 从事光伏发电联 网运行控制研究 。 Ema i l ： y y y u u u 0 0 1 6 3 c o n 收稿 日期 ： 2 0 1 31 1 0 2 ； 修 回 日期 ： 2 0 1 4 0 30 7 ( 杜景飞编发 ) ( 上接第 4页) 9张德 丰，等 M A T L A B神经 网络应用设 计 M 机械工 业 出版 社 ， 2 0 1 2 1 O 任丽娜 基于 E l ma n神经 网络 的 中期 电力 负荷 预测 模型 研究 D 兰州： 理工大学硕士学位论文， 2 0 0 7 RE N L in &Re s e a r c h o n Me d i u m T e r m El e c t ri c a l L o a d F o r e c a s - t i n g Mo d e l B a s e d o n E l m a n N e u r a l N e t w o r k D L a n z h o u ：Ma s t e r Di s s e rta t i o n o f L a n z h o u Un i v e r s i ty o f T e c h n o l o g y，2 0 0 7 作者简 介 ： 童 赵建军(1956一)，男，汉族，河南确山人，教授，所 长，主要研究方向：电力系统自动化，图像处理与模 式识别。Email：zjjhenueducn 张月 阳( 1 9 8 9 一 ) ， 男 ， 汉 族 ， 河 南南 乐人 ， 硕 士 研究 生 ， 主要研究方向为电力系统分 析。 Ema i l ：z h a n gy u e y a n g o6 1 1 1 6 3 c o n 梁威 ( 1 9 8 6 一 ) ， 男 ， 汉族 ， 河南 正阳人 ， 硕士研究生 主要研究方 向为电力系统 自动化。 Ema i l ：we i l i a n g h e n u 1 2 6 c o n 收稿 日期 ： 2 0 1 31 0 0 9； 修回 日期 ： 2 0 1 31 2 0 5 ( 焦 阳编发 ) 一 75 一 羞 l 学兔兔 w w w .x u e t u t u .c o m