Windows Azure SDK 2.1 支持 Visual Studio 2013、虚拟机、通知中心、云服务和新的PowerShell命令...

Microsoft发布了Windows Azure SDK 2.1 for .NET,支持虚拟机镜像及增强的Visual Studio Server Explorer功能。该SDK还支持服务总线通知中心、用于自动化Web网站的新PowerShell命令、云服务和虚拟机,并提升了Visual Studio工具。此外,还向Windows Azure虚拟机库中添加了一个新的镜像,预装了Visual Studio 2013旗舰预览版等工具。

Microsoft发布了Windows Azure SDK 2.1 for .NET,支持虚拟机镜像并增强了Visual Studio Server Explorer、虚拟机、云服务。该SDK还支持服务总线通知中心、用于自动化Web网站的新PowerShell命令、云服务和虚拟机,并提升了Visual Studio工具。除了Visual Studio 2010和2012之外,最新的发布包还支持Visual Studio 2013预览版。

\

Microsoft还向Windows Azure 虚拟机库中添加了一个新的镜像,在它上面已经安装了Visual Studio 2013 旗舰预览版、SharePoint 2013、SQL Server 2012 Express和 Windows Azure 2.1 SDK,这使得你能够借助最新的工具在云端构建应用。

\

Visual Studio Server Explorer已经按照下面的方式做了重新设计,所有的服务现在都包含在一个单独的Windows Azure节点下面,并且带有管理证书和订阅文件的能力。你还能够基于订阅或者区域在Server Explorer中过滤Windows Azure服务,能够访问云服务、部署位置、角色实例、存储帐号、虚拟机和Web网站的属性。

\

你还能够通过Windows Azure SDK 2.1 for .NET在Visual Studio Server Explorer中直接启动、关闭、重启和删除一个虚拟机。关闭操作会关闭虚拟机,同时在不使用虚拟机的时候计费也会暂停。另外,你还能够非常容易地重启虚拟机。SDK还为配对的命名空间、集成的订阅管理提供了支持,能够将服务总线节点集成到Windows Azure节点中。发布包还在下面的类别中包含了新的PowerShell 命令:

\

中国实例和Windows Azure包支持

\
  • 环境配置\
  • 虚拟机\
  • 云服务\
  • Web网站\
  • 存储\
  • SQL Azure\
  • 服务总线\

最新发布的Azure SDK包含了一个名为仿真器的新选项,用户能够通过该选项启动Visual Studio并在本地以普通用户的身份运行云服务,而不必成为管理员。它还为Windows Azure通知中心提供了支持,能够使用代码创建、更新和删除中心。此外,你还能够管理设备注册、向Windows商店、Windows Phone 8、iOS和Android发送推通知。

\

Microsoft还更新了Visual Studio Team Foundation服务(TFS),能够支持Windows Azure SDK 2.1所包含的特性,包括自动化构建和测试。

\

查看英文原文Windows Azure SDK 2.1 with VS 2013, VM, Notification Hub, Cloud Services, PowerShell cmdlets Support

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)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