Form Generator 组件自定义事件以及表单联动

已于 2023-07-13 10:24:47 修改
阅读量3.5k 收藏 14
点赞数 6
分类专栏： form generator扩展组件系列 (超级详细) 文章标签： vue.js javascript 前端
于 2023-03-17 23:50:55 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_19991931/article/details/129613558
版权
本文介绍了如何在Form Generator中添加自定义事件，特别是针对el-select组件的change事件。通过修改配置文件、组件代码和生成逻辑，实现了组件间联动。同时探讨了两种解析器方法，以实现更灵活的表单行为。内容包括在线编辑器集成、事件生成、渲染函数的修改以及解析器的扩展。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

一、form-generator是什么？✨ ⭐️ 🌟 

form-generator的作者是这样介绍的：Element UI表单设计及代码生成器，可将生成的代码直接运行在基于Element的vue项目中；也可导出JSON表单，使用配套的解析器将JSON解析成真实的表单。

但目前它提供的组件并不能满足我们在项目中的使用。所以该专栏主要讲解如何在该项目中从零开始扩展每一个组件。

扩展主要包含Element UI中的卡片、步骤条、table列表、折叠面板、树形控件以及自定义组件等等10余个组件的详细扩展方法。

其中不包含子表单、表格布局。因为这两个组件涉及到的代码量实在很大，没办法写博文。感兴趣的小伙伴可以看看大概的效果

了解本专栏 订阅专栏 解锁全文
MATLAB代码：微电网两阶段鲁棒优化经济调度程序
BeawbtMC的博客
12-06 559
该算法可以将复杂的优化问题划分为多个子问题，将子问题转化为线性规划问题，通过分治思想将每个子问题单独求解，并通过协调策略将它们组合成最终的解决方案，从而实现优化问题的求解。两阶段鲁棒是两个鲁棒性问题的组合，即对于给定的数据不确定性下，第一阶段求解次优决策方案，而第二阶段则是在这个次优决策方案的基础上，以最小化最劣情况的期望为目标，分析最恶劣情况下的最优决策方案。本文介绍了微电网优化调度、两阶段鲁棒、CCG算法和经济调度等相关知识，并针对微电网系统的特点，提出了微电网两阶段鲁棒优化经济调度方法。
微电网两阶段鲁棒优化经济调度方法
weixin_53126442的博客
03-30 763
典型微网结构：采用集中控制结构，第2日运行计划所需的决策信息有： 考虑可控分布式电源为微型燃气轮机，用线性函数表示发电成本：CG(t)表示微型燃气轮机在t时段的发电成本；a、b为成本系数；PG(t)为t时段微型燃气轮机的输出功率；Δt为调度步长，取值为1h。 由于微型燃气轮机的功率响应速度相对于小时级调度而言较快，因此不考虑其爬坡率约束，仅考虑输出功率约束：式中PGmax和PGmin表示微型燃气轮机的最大/最小输出功率，分别受其额定功率和最小负载率限制。 主要考虑一次投资
(文章复现)微电网两阶段鲁棒优化经济调度方法(含matlab代码)
配电网和matlab的博客
06-14 8629
完美地复现了中国电机工程学报的文献《微电网两阶段鲁棒优化经济调度方法_刘一欣》。代码基于matlab+yalmip+cplex实现，代码是个人原创，注释详细，结构清晰有条理，运行的图形效果很好。对于任意随机生成的初始化光伏和负荷场景都可实现有效的收敛。针对文献中存在的少量笔误，我通过发邮件向通讯作者确认，将模型修改成为正确的形式。所提出的模型考虑了分布式电源和负荷的不确定性，通过对两阶段鲁棒优化模型的求解，微电网能够得到“最恶劣”场景下系统运行成本最小的调度方案。代码构建了基于两阶段鲁棒优化的微电网经济..
【电力系统】微电网两阶段鲁棒优化经济调度方法附Matlab代码
Matlab_jiqi的博客
03-04 584
随着可再生能源技术的日益成熟和分布式电源的广泛应用，微电网作为一种灵活、高效的电力系统形式，在提升能源利用效率、降低运行成本、增强供电可靠性等方面展现出巨大的潜力。然而，微电网内部分布式电源出力的随机性和波动性，以及用户负荷需求的不确定性，给微电网的经济调度带来了严峻的挑战。为了应对这些挑战，鲁棒优化方法应运而生，并逐渐成为微电网优化调度领域的研究热点。本文将围绕微电网两阶段鲁棒优化经济调度方法展开深入探讨，分析其面临的挑战、蕴含的机遇，并评估其在实际应用中的可行性。一、微电网经济调度的挑战与机遇。
微电网两阶段鲁棒优化经济调度方法（Python代码实现）
weixin_61181717的博客
07-17 740
由于随机规划方法寻求的是目标函数期望值最大/最小的解集，存在某种场景下决策不合理的风险，因此，文献[9]将随机规划和条件风险价值约束方法相结合，使得相应场景下的预期收 图1所示为典型的微电网结构，由可控分布式电源、可再生分布式电源、储能及本地负荷集成而成。本文构建了基于两阶段鲁棒优化的微电网经济调度模型，考虑微电网内可再生分布式电源和负荷的不确定性及储能、需求响应负荷和可控分布式电源等的协调控制，通过一系列的模型推导和转换，将两阶段问题转变为具有混合整数线性形式的主问题和子问题进行求解。
重点·鲁棒优化基础！微电网两阶段鲁棒优化经济调度方法程序代码！
weixin_48747334的博客
09-22 1947
程序构建了基于两阶段鲁棒优化的微电网经济调度模型，考虑微电网内可再生分布式电源和负荷的不确定性及储能、需求响应负荷和可控分布式电源等的协调控制，通过一系列的模型推导和转换，将两阶段问题转变为具有混合整数线性形式的主问题和子问题进行求解。内层的最大最小化为第二阶段问题，优化变量为u和y，其中的最小化问题等同于确定性模型的目标函数，表示最小化运行成本；x和y的表达式如式(20)所示。然而，用电计划的改变势必影响用户的舒适度，因此，微电网需要给予适当的补偿，t时段所需付出的调度成本CDR(t)可表示为。
微电网优化(Matlab复现)— 微电网两阶段鲁棒优化经济调度方法_刘一欣
几度春风里的博客
12-20 3302
我们在求解最优化问题时，常常不知道什么时候优化结束，也不知道该问题的最优值究竟是多少，求解的最优值可能与真实的最优值差距很大。此外，在本文所研究的微电网中，光伏出力取到区间的最小值和负荷功率取到区间的最大值时，微电网的运行成本更高，更符合“最恶劣”场景的定义，因此可将式。D是一个144行240列的矩阵，d是一个144维的列向量，E24表示24阶的单位矩阵，L24表示下三角和对角线全为1的矩阵，上三角全为0的矩阵。求解问题可以表述为如下的紧凑形式，然后构建紧凑形式的系数矩阵，进一步通过矩阵来表达求解的问题。
微电网两阶段鲁棒优化经济调度方法(完美复现)
qq_45013535的博客
12-04 1321
微电网两阶段鲁棒优化经济调度方法(完美复现)
（复现）微电网两阶段鲁棒优化经济调度方法
Loner_q的博客
07-05 1290
复现论文《微电网两阶段鲁棒优化经济调度方法》，希望对相关学习者有所帮助。 可以明显发现，夜间的需求响应实际调度功率并没有像文章中公式（13）P_DR(1)>=0，P_DR(2)>=0那么简单，为了经济最大化会直接到200的。其原因就在于文中少了对其上限的约束，对比发现，可以考虑加入一个系数表明最大转入转出的上限，笔者选取了0.4，没有过多的细究，感兴趣的可以自己摘取所有数据比对一下。............
Matlab代码纯原创，两阶段鲁棒优化调度文献+复现代码 复现《微电网两阶段鲁棒优化调度方法_刘一欣》
02-17
基于Matlab代码，完美复现了两阶段鲁棒优化文献《微电网两阶段鲁棒优化经济调度方法_刘一欣》。跟目前流传的版本不同，本人硕士方向为微网两阶段鲁棒优化调度，纯原创！内容构建了微网两阶段鲁棒调度模型，建立了min...
微电网两阶段鲁棒优化经济调度方法 参考文献：微电网两阶段鲁棒优化经济调度方法 matlab+yalmip+cplex 代码主要考
12-31
微电网的基本概念与特征、鲁棒优化理论及其在微电网中的应用、两阶段优化模型的构建与求解、Matlab在优化问题中的应用方法、YALMIP工具箱在建模中的作用、CPLEX优化器在求解大规模优化问题的优势、微电网经济调度的...
微电网两阶段鲁棒优化经济调度方法 参考文献：微电网两阶段鲁棒优化经济调度方法 matlab+yalmip+cplex 代码主要考
10-09
两阶段鲁棒优化经济调度方法正是在此背景下应运而生，其主要目的是在不确定性条件下，为微电网提供一种既经济又可靠的调度方案。该方法通过构建经济调度模型，结合分布式电源和负荷的不确定性特征，对微电网的运行...
原创代码，完美复现，微电网两阶段鲁棒优化,基于matlab+yalmip+cplex实现
06-14
代码完美地复现了中国电机工程学报的文献《微电网两阶段鲁棒优化经济调度方法_刘一欣》。文献中存在少量笔误，可能导致模型无法求解，我通过发邮件向通讯作者确认，将模型修改成为正确的形式。代码基于matlab+yalmip...
044微电网两阶段鲁棒优化经济调度方法Matlab代码.rar
01-08
标题“044微电网两阶段鲁棒优化经济调度方法Matlab代码”涉及了多个专业领域的知识点，包括微电网技术、鲁棒优化方法以及Matlab编程。微电网是指由小型发电设备、储能单元、负载以及相关的控制装置组合而成的小型...
CPO-BP+MOPSO，冠豪猪优化BP神经网络+多目标粒子群算法！（Matlab源码）
机器学习之心的博客，关注并私信文章链接，获取对应文章源码和数据。
05-28 1140
CPO-BP+MOPSO，冠豪猪优化BP神经网络+多目标粒子群算法！（Matlab源码）
MATLAB实战：传染病模型仿真实现
最新发布
2302_81112251的博客
06-01 400
以下是一个使用MATLAB实现传染病模型（SIR和SEIR）仿真的完整解决方案，包含参数分析和干预措施模拟：%% 传染病模型仿真工具箱% 包含SIR、SEIR模型，支持参数调整和干预措施模拟% 使用ode45求解微分方程% 主控制界面fig = uifigure('Name', '传染病模型仿真', 'Position', [100 100 800 600]);% 模型选择'Items', {'SIR模型', 'SEIR模型'});% 参数设置面板。
解决matlab两个库文件名冲突的问题
回首愁的博客
05-29 316
最好是拷贝一份你需要的文件，然后更改下文件名，同步更改函数名，和调用地方。添加一个库，发现总是调用另一个库的同名文件，这是由于路径中优先级问题。MATLAB 会按路径优先级搜索函数，越靠前的路径越优先。可以看到所有的同名文件，结果会显示所有同名文件，但其它文件都有。但这种方法也有个问题，就是切换库每次都需要重新设置很麻烦。不推荐的原因是我也不知道下次会不会用到另一个库。一般来说是有作用的，不起作用可能是没有更新。的字样，就代表该路径被遮蔽掉了。
利用TOA与最小二乘法直接求解
chao189844的博客
05-29 437
为了利用到达时间（TOA）和最小二乘法直接求解，我们首先需要理解TOA定位的基本原理和最小二乘法的应用。
两阶段鲁棒优化—微电网两阶段鲁棒优化经济调度方法 matlab
12-31
### 关于微电网两阶段鲁棒优化经济调度方法的MATLAB实现 #### 1. 建立基本模型 为了实现微电网的两阶段鲁棒优化经济调度，首先需要定义目标函数以及约束条件。该类问题的目标通常是在满足负荷需求的同时最小化成本或最大化效益。 ```matlab % 定义参数和变量 N = ...; % 设备数量 T = ...; % 时间步数 P_load = rand(N, T); % 负荷预测数据 C_fuel = rand(1, N); % 各发电单元燃料费用系数 alpha = 0.95; % 可靠性水平设定 % 第一阶段决策变量 (这里简化表示) x_first_stage = optimvar('x', N, 'LowerBound', 0); % 第二阶段决策变量 (针对不确定性的调整量) y_second_stage = optimvar('y', N, T, 'LowerBound', 0); ``` 上述代码片段初始化了一些必要的输入参数并声明了用于描述第一阶段和第二阶段决策行为的变量[^2]。 #### 2. 构建不确定性集合 考虑到未来情况存在不确定性，在构建模型时引入了对这些未知因素的处理方式—即通过定义一个合理的不确定性集来捕捉可能的变化范围。 ```matlab % 不确定性集合 U 的定义 U = normrnd(P_load .* (1-alpha), P_load * alpha / 3); % 正态分布假设下的扰动项 ``` 此部分利用正态分布在给定置信区间内随机生成了一组偏离原始负荷预测值的数据作为潜在的实际发生场景之一[^3]。 #### 3. 设置目标函数与约束条件 接下来设置整个优化过程中要遵循的具体规则，包括但不限于功率平衡方程、设备运行上下限等硬性规定；同时也要加入对于期望收益最大化的追求。 ```matlab prob = optimproblem; % 添加目标函数：总运营成本最低 prob.Objective = sum(C_fuel' * x_first_stage) + ... sum(sum(U .* y_second_stage)); % 功率平衡约束 for t = 1:T prob.Constraints.balance(t) = ... sum(x_first_stage) + sum(y_second_stage(:,t)) >= P_load(:,t)'; end % 运行上限/下限约束... for n = 1:N prob.Constraints.lower(n,:) = x_first_stage(n) >= 0; prob.Constraints.upper(n,:) = x_first_stage(n) <= max_power_limit(n); end ``` 这段脚本实现了将所有已知的成本因子汇总到一起形成最终求极小化的目标表达式，并加入了确保系统稳定运作所需的各种限定条款[^1]。 #### 4. 解决方案获取及结果分析 最后一步就是调用合适的求解器完成计算工作，并对所得结论做出解释说明： ```matlab [sol,fval] = solve(prob) disp(sol.x_first_stage.Value) disp(sol.y_second_stage.Value) ``` 以上展示了一个简化的流程框架，实际操作中还需要依据具体情况进一步细化各个组成部分的设计细节。
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

Wait.End

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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