activemq 转换器

导入spring包
package avtivemq.test;

import java.io.ByteArrayInputStream;
import java.io.ByteArrayOutputStream;
import java.io.IOException;
import java.io.ObjectInputStream;
import java.io.ObjectOutputStream;
import java.util.HashMap;

import javax.jms.JMSException;
import javax.jms.Message;
import javax.jms.ObjectMessage;
import javax.jms.Session;

import org.apache.activemq.command.ActiveMQObjectMessage;
import org.apache.commons.logging.Log;
import org.apache.commons.logging.LogFactory;
import org.springframework.jms.support.converter.MessageConverter;

public class DefaultMessageConverter implements MessageConverter {
/**
* Logger for this class
*/
private static final Log log = LogFactory.getLog(DefaultMessageConverter.class);

public Message toMessage(Object obj, Session session) throws JMSException {
if (log.isDebugEnabled()) {
log.debug("toMessage(Object, Session) - start");
}

// check Type
ActiveMQObjectMessage objMsg = (ActiveMQObjectMessage) session.createObjectMessage();
HashMap<String, byte[]> map = new HashMap<String, byte[]>();
try {
// POJO must implements Seralizable
ByteArrayOutputStream bos = new ByteArrayOutputStream();
ObjectOutputStream oos = new ObjectOutputStream(bos);
oos.writeObject(obj);
map.put("POJO", bos.toByteArray());
objMsg.setObjectProperty("Map", map);

} catch (IOException e) {
log.error("toMessage(Object, Session)", e);
}
return objMsg;
}

@SuppressWarnings("unchecked")
public Object fromMessage(Message msg) throws JMSException {
if (log.isDebugEnabled()) {
log.debug("fromMessage(Message) - start");
}

if (msg instanceof ObjectMessage) {
HashMap<String, byte[]> map = (HashMap<String, byte[]>) ((ObjectMessage) msg).getObjectProperty("Map");
try {
// POJO must implements Seralizable
ByteArrayInputStream bis = new ByteArrayInputStream(map.get("POJO"));
ObjectInputStream ois = new ObjectInputStream(bis);
Object returnObject = ois.readObject();
return returnObject;
} catch (IOException e) {
log.error("fromMessage(Message)", e);

} catch (ClassNotFoundException e) {
log.error("fromMessage(Message)", e);
}

return null;
} else {
throw new JMSException("Msg:[" + msg + "] is not Map");
}
}
}
基于粒子群优化算法的配电网光伏储能双层优化配置模型[IEEE33节点](选址定容)(Matlab代码实现)内容概要:本文介绍了基于粒子群优化算法(PSO)的配电网光伏储能双层优化配置模型,针对IEEE33节点系统进行光伏与储能系统的选址定容优化。该模型采用双层优化结构,上层以投资成本、运行成本和网络损耗最小为目标,优化光伏和储能的配置位置与容量;下层通过潮流计算验证系统约束,确保电压、容量等满足运行要求。通过Matlab编程实现算法仿真,利用粒子群算法的全局寻优能力求解复杂非线性优化问题,提升配电网对可再生能源的接纳能力,同时降低系统综合成本。文中还提供了完整的代码实现方案,便于复现与进一步研究。; 适合人群:具备电力系统基础知识和Matlab编程能力的研究生、科研人员及从事新能源规划的工程技术人员;熟悉优化算法与配电网运行分析的专业人士。; 使用场景及目标:①用于分布式光伏与储能系统的规划配置研究,支持科研项目与实际工程设计;②掌握双层优化建模方法与粒子群算法在电力系统中的应用;③实现IEEE33节点系统的仿真验证,提升对配电网优化调度的理解与实践能力。; 阅读建议:建议结合Matlab代码逐步理解模型构建过程,重点关注目标函数设计、约束条件处理及上下层交互逻辑,同时可扩展至其他智能算法对比实验,深化对优化配置问题的认知。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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