下载文档原格式
![[算法,方法]基于改进遗传算法的无功优化方法的研究](https://img.taocdn.com/s1/m/22bcb203c1c708a1294a44aa.png)
改进遗传算法在无功优化中的应用研究【摘要】遗传算法是模拟生物进化过程的优化算法，广泛应用于包含离散变量的复杂优化问题求解。
本文将遗传算法应用于配电网无功优化，并对传统遗传算法进行了改进，并通过实例进行算例分析。
结果表明，经改进的遗传算法能有效提高配电网无功优化的效率。
【关键词】改进遗传算法；无功优化；配电网1.引言近年来，随着我国电力系统整体负荷的飞速增长，电网的运行经济化受到越来越多相关部门的高度重视。
电力系统无功优化能够有效降低有功损耗，提高电压合格率。
合理配置电力系统无功电源，为无功负荷建立最佳补偿，在有效提高系统运行时电压水平和电网稳定性的同时，能够有效降低其有功网损和无功网损，使电力系统的运行更加经济、安全。
2.数学模型无功优化即在给定系统的结构参数及负荷时，在满足所有约束条件的前提下，通过对某些控制变量的优化，所能找到的使系统的某一个或多个性能指标达到最优的无功调节手段[。
配电网无功优化问题，也就是在保证电压品质的前提下，确定合适的方案，对配电网中最小的无功容量进行补偿，使系统的有功网损达到最小值，从而实现综合经济效益最大化。
无功优化的数学模型由3个部分组成：目标函数、等式约束方程、不等式约束方程。
2.1 目标函数配电网一般是由1个根节点发散而成的辐射状网络，线路和节点的数量较大，但PV节点的数量却很少甚至没有。
由于考虑到技术条件和经济效益的限制和影响，本文无功优化的数学模型以配电网年收益最大为目标函数，其形式化表达见公式（1）。
（1）△P为有功损耗；T为年负荷时间；C1为电价；Nn是补偿的节点数；C2是每个节点电容器安装费用；k是电压越限惩罚系数；N为节点数。
2.2 等式约束本文中无功优化的等式约束选取潮流方程，其形式化表达见公式（2）、（3）。
（2）（3）其中，Pi、Qi分别为节点i注入的有功功率和无功功率；Gij、Bij、分别为节点i、j之间的电导、电纳、相位差。
系统的有功损耗的计算如公式（4）所示：（4）其中，n为与j节点相连的所有节点的集合。
基于改进遗传算法的风电系统无功优化摘要：研究了含风电场的电力系统无功优化，提出了通过潮流计算分析风电场的电压特性，利用改进遗传算法对系统进行无功优化的新方法。
通过潮流计算得到风电场接入后对系统电压和网损的影响，建立无功优化模型，在满足各种约束条件下采用遗传算法对该模型进行优化求解。
通过IEEE14节点算例的实际计算结果验证了该方法的可行性和实用性。
关键词：风电；潮流计算；无功优化；遗传算法0引言随着风电技术的快速发展，大型风电场及风电场群已经形成，风电特性对电网的负面影响越来越显著，成为制约风电场规模不断扩大的重要障碍。
由于风电功率的间歇性和随机性，因此大规模风电的并网必将会给系统的运行调度带来一系列的问题。
本文在总结前人研究成果的基础上本文采用遗传算法对整个电网进行无功优化。
建立无功优化模型，通过调节发电机机端电压、变压器变比、投切电容器组的方法，在满足各种约束条件下采用遗传算法对该模型进行优化求解。
1计及风电影响的无功优化1.1基于遗传算法的无功优化的数学模型在电力系统无功优化中，控制变量包括电容器组、电抗器组、有载变压器分接头和发电机端电压。
电容器组的投切、电抗器组的投切、变压器分接头调节影响潮流计算中的导纳矩阵，这两个控制变量是离散的；发电机端电压的控制是控制发电机的无功输出，是连续变量。
因此，遗传算法求解无功优化的数学模型为：（1）目标函数为：（1）目标函数包括网损、电压和无功的越限。
（2）约束条件等式约束主要是节点有功功率平衡（不含平衡节点）和节点无功功率平衡（不含无功电源节点及平衡节点），不等式约束主要是各无功电源无功功率的上下限约束、节点电压幅值和变压器变比的上下限约束，必要时也可以考虑线路（含变压器）的潮流约束。
1.2 算法流程基于遗传算法的含风电系统无功优化计算过程主要包括五步：（1）二进制—实数混合编码无功优化数学模型中变量表示为：（2）其中所补偿电容器组由二进制编码表示，若电容器组有7组，它的二进制编码为：[000]~[111]，所表示的电容器容量为：；有载变压器变比的调节同样可由二进制编码表示，17个档位的变压器由四个基因表示：[0000]~[1111]，所表示变比为；发电厂电压有实数表示，数值即为其电压幅值的标幺值。
基于改进量子遗传算法的电力系统无功优化的开题报告一、选题背景和意义电力系统的无功优化问题是优化电力系统运行效率和降低能耗的重要研究内容。
在传统的电力系统无功优化方法中，常用的方法是典型的数学优化算法，如线性规划、非线性规划、遗传算法等。
这些优化方法能够找到接近全局最优解或较好的优化解，但是，由于这些算法的复杂度较高，计算量很大，实际运行效率较低。
因此，为了提高电力系统无功优化的计算效率和优化精度，同时满足实际电力系统的复杂性，需要寻求一种新的优化方法。
目前，量子计算技术正成为科学技术领域的热门话题之一。
与传统计算机相比，量子计算机的高速运算和量子并行性能力可以处理大量数据，并且具有更高的运算速度和更高的计算精度。
因此，利用量子计算机进行电力系统无功优化研究具有很大的潜力和前景。
而量子遗传算法是一种利用量子计算机优化遗传算法的方法，其在保证算法并行性的优势下，克服了传统遗传算法存在的问题，如早熟现象和易陷入局部最优解等问题。
因此，本文拟基于改进量子遗传算法，探讨电力系统无功优化研究方法，以提高电力系统优化计算效率和优化精度。
二、研究内容和思路本文将基于改进量子遗传算法，主要研究电力系统无功优化的优化精度和计算效率。
具体研究内容如下：1. 分析电力系统的无功优化问题，并总结现有优化算法的优缺点。
并探讨利用量子遗传算法进行电力系统无功优化的优势和难点。
2. 提出一种改进的量子遗传算法，利用量子并行性的优势，克服遗传算法存在的早熟现象和易陷入局部最优解等问题。
探讨改进的量子遗传算法在电力系统无功优化中的优化精度和计算效率。
3. 将改进的量子遗传算法应用到电力系统无功优化问题中，并与现有的传统优化算法进行对比，验证改进的量子遗传算法的优势和效果。
4. 使用MATLAB或Python等编程语言进行模拟实验，模拟电力系统无功优化实际情况，并对仿真结果进行分析和解释。
5. 在现有量子计算机和普通计算机上进行实验，对比改进的量子遗传算法和传统电力系统优化算法的计算效率和优化精度。
第３３卷第１５期２００５年８月１日继电器ＲＥＬＡＹＶ０１．３３Ｎｏ．１５Ａｕｇ．１，２００５３７基于改进遗传算法的电力系统无功优化万盛斌，陈明军（浙江工业大学信息工程学院电气工程系，浙江杭州３１００３２）摘要：遗传算法是一种模拟生物进化过程的优化算法，可用于求解包含离散化变量的复杂优化问题，该文将遗传算法应用于电力系统无功优化，并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行了改进，使用该文提出的算法对ＩＥＥＥ６、ＩＥＥＥ３０节点系统进行了无功优化计算，结果表明该改进遗传算法应用于无功优化是合理可行的。
关键词：遗传算法；无功优化；电力损耗；数学模型中图分类号：ＴＭ７１４文献标识码：Ａ文章编号：ｌ００３４８９７（２００５）１５Ｊ的３７旬４０引言随着我国电力负荷的快速增加，电网的经济运行日益受到电力部门的重视，电力系统无功优化是降低有功损耗，提高电压合格率的有效手段，通过对电力系统无功电源的合理配置和对无功负荷的最佳补偿，不仅可以提高系统运行的电压水平和电网的稳定性，而且可以降低有功网损和无功网损，使电力系统能够安全经济运行。
电力系统无功优化是指在系统有功潮流分布确定的情况下，通过对某些控制变量的优化调节，在满足系统各种约束条件的前提下使系统有功网损最小，它是一个多约束的非线性整数规划问题。
多年以来，电力系统无功优化问题一直是人们研究的热点问题，并已提出了许多无功优化方法，如非线性规划法、线性规划法、动态规划法和混合整数法等等，但是这些方法都普遍存在对初始解的特殊要求以及不便于对离散变量的处理等缺陷。
遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ）¨１是２０世纪７０年代初由美国密执安大学的ＪｏｈｎＨｏｌｌａｎｄ教授提出并逐步发展起来的一种自适应全局优化搜索算法。
与传统优化方法相比，遗传算法具有以下特点：１）遗传算法以变量集的编码作为操作对象，而不是对参数集本身进行操作，故不受函数约束条件的限制，如连续性、可导性等。
基于改进遗传算法的电力系统无功优化作者：林周泉盛义发来源：《教育科学博览》2012年第11期摘要：遗传算法是一种借鉴生物界自然选择和自然遗传机制的搜索型优化算法，具有较高的鲁棒性和较好的收敛性，因此在电力系统无功优化方面得到了广泛的应用。
本文针对简单遗传算法存在“早熟”现象以及收敛速度比较慢的缺点，提出了一种改进的遗传算法，通过改变发电机机端电压、容性无功补偿容量和可调变压器分接头位置，使系统的网损比简单遗传算法有所下降。
并且通过对IEEE14节点系统进行无功优化运算，验证算法的有效性。
关键词：电力系统；无功优化；遗传算法0 引言随着我国的国民经济与电力工业的飞速发展，全国的发电装机容量以及各行各业对电力需求都以前所未有的速度在增长，同时也对电能质量提出了更高的要求。
因此电力系统的安全、经济、稳定运行愈发重要。
而电力系统无功优化既是保证系统安全、稳定、经济运行的一种有效手段，同时也是有效降低系统网络损耗，改善电压质量水平的重要措施。
但是，无功优化是一个多变量、多约束、非线性的混合非线性规划问题，其操作变量既有连续变量又有离散变量，优化过程也十分复杂。
传统的优化算法有线性规划、非线性规划、动态规划和混合整数规划等。
这些算法都有一定的优越性和适应性，并已成功解决了电力系统无功优化的许多问题，但是由于它们都是单路径寻优模式，故难以给出全局最优解，这是传统的优化算法所无法克服的弊端。
遗传算法作为一种人工智能算法，把自然界中基于自然遗传和自然选择的机制引入到数学理论中来，是一种全新的随机搜索优化方法，与传统方法相比，具有较高的鲁棒性和较好的收敛性，因此在电力系统无功优化方面得到了广泛的应用。
1 电力系统无功优化的数学模型电力系统无功优化的基本思路是在电力系统的有功负荷、有功电源及有功潮流分布已经确定的情况下，通过改变发电机机端电压、容性无功补偿容量和可调变压器分接头位置，降低有功网损并保持最好的电压水平。
基于改进自适应遗传算法的电力系统无功优化发表时间：2017-03-09T16:51:52.160Z 来源：《电力设备》2017年第1期作者：朱青[导读] IEEE6节点测试系统的仿真实验表明，自适应遗传算法使计算速度和收敛性均达到最优。
1、无功优化的数学模型1.1 概述电力系统无功优化的基本思路是：在电力系统有功负荷、电源及潮流分布给定的情况下，以发电机端电压幅值、无功补偿电源容量和可调变压器分接头位置等作为控制变量，以发电机出力、负荷节点电压幅值和支路输送功率作为状态变量，应用优化技术和人工智能技术，在满足电力系统无功负荷的需求下，谋求合理的无功补偿点和最佳补偿容量，使电力系统安全、经济地向用户供电。
1.2 目标函数本文以无功补偿投资、年运行费用以及网损费用最小为目标，建立无功优化的数学模型为2 自适应遗传算法2.1 自适应遗传算法及其改进遗传算法中交叉率和变异率的选择是影响遗传算法行为和性能的关键所在，直接影响算法的收敛性，越大，新个体产生的速度就越快。
然而，过大时遗传模式被破坏的可能性也越大，使得具有高适应度的个体结构很快就会被破坏：但若交叉率太低，就会使得较多的个体直接复制到下一代，遗传搜索可能陷入迟钝状态。
对于变异率，如果过小就不易产生新的个体结构；但过大算法就变成了纯粹的随机搜索而不能体现遗传算法的特性，难以产生新基因，造成算法早熟。
2.1.1 选择操作的改进本文采用适应度比例选择与最有个体保留方法相结合，先用适应度比例法进行选择，经配对交叉产生下一代，再利用最优个体保留法将上一代的最优个体按10%复制下来。
同时，为了使种群数不变，需要从这个新群体中淘汰10%的最差个体，即这些个体的适应度值最小。
这种方法继承了适应度比例选择法和最优个体保留法的优点，既可以适当地加大竞争压力，较好的体现自然界优胜劣汰的规律，又能够避免适应度高的个体被淘汰，减少由于选择不当而使搜索陷入局部最优的可能性。
基于改进交叉操作的遗传算法无功优化研究遗传算法是一种基于自然进化过程的优化算法，通过模拟自然界的选择、交叉、变异等过程来最优解。
在无功优化领域，遗传算法被广泛应用于优化电力系统的无功控制问题，以提高系统的稳定性和效率。
然而，传统的遗传算法在处理无功优化问题时存在着收敛速度慢、局部最优解问题等不足之处，因此需要不断进行改进以提高算法的效率和性能。
在无功优化中，交叉操作是遗传算法中至关重要的一步，它决定了新一代种群的多样性和空间的广度。
因此，改进交叉操作的遗传算法对于提高算法性能具有重要作用。
目前，有关改进交叉操作的研究主要集中在两个方面：一是改进交叉算子的设计，包括交叉率、交叉方式、交叉种群选择等方面；二是结合其他优化算法的思想，如模拟退火算法、粒子群算法等，提高交叉操作的效果。
在改进交叉算子设计方面，研究者提出了很多新的交叉方法，如均匀交叉、部分匹配交叉、循环交叉等。
这些新的交叉算子可以有效地增加新一代种群的多样性，避免陷入局部最优解。
同时，还有研究者提出了自适应交叉率的概念，即根据种群适应度的变化动态调整交叉率，以提高算法的效率。
另一方面，结合其他优化算法的思想也是改进交叉操作的一种有效途径。
例如，模拟退火算法是一种基于物理学原理的全局优化算法，可以用来改进遗传算法中的交叉操作。
研究者可以利用模拟退火算法中的温度参数来控制交叉过程中的多样性和局部能力，从而提高算法性能。
粒子群算法也是一种优化算法，可以用来优化遗传算法中的交叉算子，通过模拟群体智能行为来提高交叉操作的效果。
综上所述，改进交叉操作的遗传算法在无功优化问题中具有重要意义。
通过设计新的交叉算子、调整交叉率，结合其他优化算法的思想等手段，可以有效提高遗传算法的性能和收敛速度，从而更好地解决无功优化问题。
未来的研究可以进一步探索交叉操作的改进方法，构建更加高效的无功优化算法，为电力系统的稳定运行和节能降耗做出更大的贡献。
-384-以启发学生，文字移动的速度是可以变化的，文字向左移动还是向右移动也是可以控制的，出现图c场景时，过多长时间会出现图d场景，文字在窗体的垂直位置等等，引导学生进行思考，上述变化会用到哪些控件，与控件的那些属性有关，由于上述的变化均与时间有关，所以由此引出“计时器”控件，“计时器”控件的两个重要属性Interval和Enabled，以及“计时器”控件的Timer事件，加上已经学过的窗体控件和标签控件，通过该案例的启发、引导和讲解，学生们能很快掌握相关控件、属性及编程。
2.以系统登录界面为例，构建“VB程序设计”某一子项自主学习的情景在日常生活中，经常会接触到通过验证用户名和密码才能进入系统的情况，如在自动存取款机上进行操作，登陆QQ进行聊天等，我们选择设计系统登录界面，来构建某一子项自主学习的场景。
案例是要求学生设计一个练习打字的程序，在进行打字练习之前，要进行登陆，即对进行操作的用户进行用户名和密码的验证，验证通过后才能进行打字练习，打字练习时需要照样例进行，输入结束时要有输入的正确汉字的数目、按退格键（Backspace）的次数和打字正确率的统计，所涉及场景如图2所示。
图2在上述用户界面的“VB程序设计”中，为实现一个用户的系统界面设计，我们需要以下几方面的情景构建：(1)系统用户界面的设计需求分析(2)系统用户界面的设计流程(3)用户使用界面的情景推演与界面模块构成(4)实现基于需求的情景推演的程序设计以上3个场景是运行一个VB程序时在屏幕上看到的窗体中所显示的内容的变化过程，即图a为登陆界面；图b是进行打字练习的界面截图；图c是打字练习结束后给出的统计结果，用户可以根据统计结果获知自己的文字输入能力。
通过上述情景构建，将常用控件、函数、多重窗体有创意的集成构建到系统和用户界面中。
通过对学生“VB程序设计”课程“自主学习能力”培养的方法和模式构建，使不同层次的学生都能在有限的时间内迅速掌握该课程的基本概念、编程技能和应用。
四、结论与讨论通过对我校“VB程序设计”课程学生学习现状和问题的综合分析，基于“自主学习能力”心理-社会支持和技术支持的构成及其理论与实践；本文归纳分析了“VB程序设计”课程“自主学习能力”培养的方法和模式以及现状；提出基于激发学生自主学习和能力提升的案例情景构建教学模式，在以往教学情景方法的基础上，提出了基于专业内容的构建深层次体验式教学情景构建的方法，该方法将对自主学习能力提升起到重要的作用。
参考文献[1]彭琛,刘远军,谢兵.基于任务驱动的《大学计算机基础》自主学习模式研究[J].软件导刊,2013,12(6).[2]黎彩虹.“情境教学法”模式的探索与应用[J].伊犁教育学院学报,2001,14,2:83-85.[3]余文森.论教学情境的主要类型[J].教育探究,2006,3:5-9.基于改进遗传算法的电力系统无功优化研究湖南工学院计算机与信息科学学院 李可欣【摘要】本文针对传统遗传算法存在的缺陷，引入人工免疫算法，改进的优化算法利用抗体的多样性和免疫接种机制，克服了早熟和后期寻优能力差等现象。
通过对IEEE30节点进行系统仿真，改进的遗传算法具有很多方面的优越性，适用于求解电力系统无功优化问题。
【关键词】遗传算法；无功优化；免疫机制1.引言随着我国电力工业的迅速发展，电网结构也日趋复杂化，电力系统无功优化是利用现有的电网结构和设备，运用无功调节手段，改善电压质量、降低有功功率网损，保障电力系统能够安全、稳定、经济和高效地运行。
因此，本课题除了具有理论指导意义外，还具有较高的实用价值。
以往的无功优化算法对优化函数要求很高，依赖精确的数学模型，处理离散变量不够精准，难以满足求解要求。
人工智能算法能在有效时间内取得较好的优化结果，带给了我们新的思路。
但是单一遗传算法易出现早熟和后期收敛速度慢的问题，因此本文在此基础上引入了免疫算法，用改进的免疫遗传算法对电力系统无功优化，并将优化算法应用于IEEE-30节点系统进行仿真计算，结果表明新算法全局寻优能力强，收敛速度快。
2.数学模型在电力系统无功优化模型中，本文将网损最小作为目标函数，除此之外还包括潮流约束方程和变量约束方程。
目标函数如下：其中，U i 和U j 为节点i、j的电压幅值，G ij 、B ij 和ij 为节点i、j的电导、电压和相角差，M为节点总数。
潮流约束方程如下：图1 算法流程图图2 IEEE-30节点系统图3.改进的无功优化算法3.1 算法描述Step 1：读入网络原始数据和算法变量相关设置。
原始数据主要包括电网线路和节点数据等信息，算法设置包括整个种群的规模和最大遗传代数等。
Step 2：进行潮流计算，产生初始种群。
Step 3：计算种群适应度，并进行混合编码。
发电机段电压用实数编码，无功补偿装置和变压器分接头档位用二进制编码。
Step 4：设定抗体。
计算出抗体的适应度、多样度和亲和度，不断更新群体的数据库。
Step 5：自适应调整交叉和变异的概率，产生新的群体。
Step 6：选择疫苗接种，然后检测其个体适应度。
如果个体适应度高于接种前，则保留-385-此个体进入下一代，否则取消疫苗接种。
Step 7：计算新群体的适应度，判断是否满足终止条件。
如果满足则输出最优解，而不满足的话，则转至step 4继续进行。
3.2 算法流程图(如图1所示)4.算例分析本文对IEEE-30 节点系统为例进行仿真计算。
具体配置：4台可调的变压器、6台发电机和2个无功补偿节点，具体如图2所示。
表1 两种算法参数比较算法迭代次数网损减少百分数%遗传算法500.253910.26改进遗传算法230.250714.34将传统遗传算法和改进的遗传算法在无功优化中进行比较，它们的网损和最优解迭代次数见表1。
由此可见，改进的遗传算法比传统遗传算法收敛速度更快，网损更小。
5.总结本文结合工程实际，建立了电力系统无功优化数学模型，引入免疫遗传算法，经仿真实验，该算法收敛速度和寻优能力优于传统遗传算法，在处理无功优化问题上有很好的效果。
参考文献[1]张立梅,唐巍,赵云军等.分布式发电接入配电网后对系统电压及损耗的影响分析[J].电力系统保护与控制,2011,39(5):91-96.[2]李晶.分布式发电系统并网逆变器的无功控制策略[J].电力系统及其自动化学报,2011,23(1):155-159.[3]黄安平,蒋金良.考虑分布式发电的无功电压优化控制研究[J].华东电力,2010,38(8):1231-1236.本文属湖南省教育厅科技项目：基于GAAA的关系数据库水印优化算法研究（项目编号：11C0359）；衡阳市科技项目：改进的遗传算法在电力系统无功优化中的应用（项目编号：2011KG67）；湖南工学院科技项目：基于P2P流媒体技术的视频教学系统研究与开发（项目编号：HY10010）。
主持人：李可欣。
作者简介：李可欣（1980—）， 湖南衡阳人，湖南工学院计算机信息与科学学院讲师，研究方向：人工智能、计算机网络。
劳动定额在工程预算管理中的重要应用国网四川大英县供电有限责任公司 田芯铭【摘要】随着电力行业的迅猛发展，电力工程越来越成为国民经济的重要构成，对电力工程预算管理中的劳动定额进行研究有重要意义。
本文从劳动定额与工程预算管理入手，探讨了当今当前电力工程中劳动定额中存在的问题并提出了改进意见，有一定的参考与指导意义。
【关键词】工程预算管理；劳动定额；电力工程1.劳动定额与工程预算管理电力工程是国民经济的重要构成。
因为电力工程的技术性很强，施工规模和投资都比较大，在进行电力工程建筑时，必须依照相关的规章制度，对电力企业实行严格的工程预算管理。
工程预算，即指在一定时间内，根据资料及实际情况，为具体电力工程项目的收入、支出情况制定计划，并且，根据货币形式，评价相应的工程项目的投入，进而反映出电力工程的实际经济效果。
定额是一种既定的标准额度，也是对特定事物进行处理的数量界限，在社会经济生活中应用普遍。
劳动定额即指一定的技术、生产、以及组织的条件下，运用科学的方法，采用具体计量形式，规定工作进程及劳动中的消耗量的限额。
对劳动者而言，劳动定额反应劳动效率定量要求，也是反映劳动成果的重要尺度。
随着现代电力工程分工协作的发展及完善，对其进行科学的工程预算管理的要求愈来愈高，也应当配有科学、合理、先进的劳动定额，其对电力工程生产、经营以及管理等各个方面都有至关重要的作用。
因此，在现代电力工程中，如果要提高工程的工作效率及管理水平，应当大力加强电力工程管理中劳动定额的管理工作，对其现实问题进行分析及探讨和解决。
2.当前电力工程劳动定额中存在的问题2.1 缺乏对劳动定额管理工作的重视由于很多电力工程的生产任务十分紧张繁忙，在实际中，经常存在为了赶进度，完成任务，在实际生产工作中不重视劳动定额管理工作的情况，经常是说起来重要，做起来次要。
很多电力工程只把劳动定额认为是奖金分配与计划编制的依据，不能真正发挥其在工程实际过程中组织协调，生产计划以及员工激励等方面更为重要的作用，实际工作中，其权威性和严肃性不能得到维护，定额控制难度很大。
2.2 人员专业素质较低且不稳定电力工程中，经常因为对劳动定额管理工作的重视度低，工作人员很多都是技术岗位或一线工人，他们经过简单培训后，便可以转行从事劳动定额管理工作，普遍会有专业素质偏低的现象。
相关劳动定额管理的知识缺乏、管理意识淡薄，很使得他们很难适应管理工作；另外，由于劳动定额工作人员的岗位系数偏低，职称评定难，待遇偏低，这使得一些文化及专业素质较高的员工从事该项工作时，也有不安心，不稳定的情况发生。
2.3 劳动定额管理的基础工作薄弱定额编制方法的不平衡性。
大多数电力企业劳动定额编制方法依然是经验估工法，该方法会受到人员水平以及经验局限的影响，制定出的往往会出现或高或低的情况，准确性低，水平不平衡。
劳动定额实施的偏差。
从大多数电力企业劳动定额实施情况来看，普遍存在以下问题：劳动定额不能随及时下达到一线岗位，导致管理与生产脱节；管理人员不能很好地与同一线工人及时沟通，导致工人不能努力完成任务，反而想方设法向管理层要求放宽定额，出现工作上的消极怠慢。
劳动定额修订的滞后性。
劳动定额的修订是劳动定额管理的最后一个环节，也是新定额产生的标志。
由于之前工作的脱节，使得劳动定额的修订工作无法与实际相适应。
同时，还存在管理层经常调整劳动定额，使得定额修订或制定不合理，额带有随意性，影响其贯彻与执行。
3.工程管理中定额管理的改进建议3.1 确定合理的劳动组织工程管理中，劳动组织的构成的基础是劳动分工与协作，而其作用，是已当前劳动组织形式为为内容，对不同劳动者、劳动班组以及机械进行测定，并通过工效的研究方法，进而研究出当前劳动形式中存在的细微问题，以寻求新的、合理的以及比较科学的劳动组织形式。
