CS0433: 类型“Microsoft.Office.Core.MsoTriState”同时存在于“c:\WINDOWS\Microsoft.NET\Framework\v2.0.50727\Temporary ASP.NET Fil

beyond18402000 2007-03-26 05:28:20

这个错误很麻烦,删除上面的一个组建就就会说找不到
不删就出现
CS0433: 类型“Microsoft.Office.Core.MsoTriState”同时存在于“c:\WINDOWS\Microsoft.NET\Framework\v2.0.50727\Temporary ASP.NET Files\excel1\412c5002\2b63bab5\assembly\dl3\b3bafc81\00d2a6d5_6e66c101\Interop.Microsoft.Office.Core.DLL”和“c:\WINDOWS\assembly\GAC\office\11.0.0.0__71e9bce111e9429c\OFFICE.DLL”中

...全文

1726 4 打赏收藏转发到动态举报

写回复

4 条回复

切换为时间正序

请发表友善的回复…

发表回复

靓仔 2012-03-21

打赏
举报

回复

好吧，不懂的

steven262 2007-06-26

打赏
举报

回复

兄弟，是你某页的文件名或类名重复,就在类页面的这个位置：
public partial class Head_Class : System.Web.UI.UserControl
就是页面开头using语句组下面的一行

ufoteam 2007-03-26

打赏
举报

回复

将其一删之看看

ufoteam 2007-03-26

打赏
举报

回复

同一个引用

（46页PPT）企业IPD业务流程变革总体规划设计方案p47.pptx

STM32直流充电桩主控方案【源程序+原理图+PCB】内容概要：本文档提供了基于STM32 F4系列微控制器的直流充电桩主控系统完整设计方案，包含源程序、原理图和PCB设计文件。该方案聚焦于直流充电桩的核心控制逻辑实现，涵盖硬件架构设计、主控芯片选型、电源管理、通信接口（如CAN、RS485）、人机交互界面以及充电过程的安全保护机制等关键技术环节。系统设计注重稳定性与安全性，支持充电桩的启停控制、电量计量、故障检测与报警等功能，并可与其他后台管理系统进行数据交互。文档还展示了如何通过模块化设计思路完成从电路原理到实际PCB布局的全流程开发，适用于嵌入式系统在新能源充电设施中的工程应用。; 适合人群：具备一定嵌入式系统开发经验，熟悉STM32系列单片机及电力电子技术的工程师或研究人员，尤其适合从事新能源汽车充电设备研发的技术人员；也可供高校电气工程、自动化等相关专业的高年级本科生和研究生参考学习。; 使用场景及目标：①用于开发符合国家标准的直流充电桩主控板；②作为教学案例帮助学生掌握嵌入式系统在电力控制中的综合应用；③为科研项目提供可靠的硬件平台支撑，支持在此基础上扩展远程监控、智能调度、V2G等功能。; 阅读建议：建议读者结合提供的源码与电路图纸，使用Keil、Altium Designer等工具进行仿真与调试，重点理解主控逻辑与各功能模块的协同工作机制，并注意安全规范在硬件设计中的具体落实。

（样本）2025-2031全球与中国惯性测量单元市场现状及未来发展趋势 Sample chenlijun.pdf

【负荷预测】基于VMD-CNN-LSTM的负荷预测研究（Python代码实现）内容概要：本文介绍了基于变分模态分解（VMD）、卷积神经网络（CNN）和长短期记忆网络（LSTM）相结合的VMD-CNN-LSTM模型在负荷预测中的研究与应用，通过Python代码实现。该方法首先利用VMD对原始负荷数据进行分解，降低序列复杂性；随后通过CNN提取局部特征，再由LSTM捕捉时间序列的长期依赖关系，从而提升负荷预测的精度与稳定性。文中详细阐述了模型架构设计、数据预处理流程、训练过程及实验结果分析，展示了该混合模型相较于单一模型在预测性能上的优势。; 适合人群：具备一定Python编程基础和机器学习知识，从事电力系统、能源管理或相关领域研究的科研人员及工程技术人员，尤其适合研究生、高校教师和电力行业从业者。; 使用场景及目标：①应用于电力系统短期或中期负荷预测，提高电网调度的科学性与经济性；②为新能源接入、需求侧管理、智能电网建设等提供数据支撑和技术方案；③作为深度学习与信号处理技术融合的教学案例，帮助理解多模型协同机制。; 阅读建议：建议读者结合提供的Python代码进行实践操作，复现模型流程，并尝试在不同数据集上调整参数以优化性能，同时可进一步探索其他分解算法（如EEMD）或网络结构的改进方案。

【VMD-SSA-LSSVM】基于变分模态分解与麻雀优化Lssvm的负荷预测【多变量】（Matlab代码实现）内容概要：本文介绍了基于变分模态分解（VMD）与麻雀搜索算法（SSA）优化最小二乘支持向量机（LSSVM）的多变量电力负荷预测模型，采用Matlab代码实现。该方法首先利用VMD对原始负荷序列进行分解，降低复杂性并提取不同模态特征；再通过SSA优化LSSVM的关键参数，提高预测精度；最后将各模态预测结果重构得到最终负荷预测值。文中强调该模型在处理非线性、非平稳负荷数据方面具有较强优势，适用于多变量输入场景下的短期负荷预测。; 适合人群：具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事电力负荷预测相关工作的工程技术人员。; 使用场景及目标：①应用于电力系统调度、能源管理等领域，提升负荷预测精度；②为研究智能优化算法（如SSA）与信号分解技术（如VMD）在时序预测中的融合应用提供参考；③支持对LSSVM等机器学习模型的参数优化与性能改进研究。; 阅读建议：建议读者结合Matlab代码逐步复现算法流程，重点关注VMD分解参数设置、SSA寻优过程及模型评价指标分析，同时可尝试将其拓展至风电、光伏等其他能源预测场景以加深理解。

111,120

社区成员

642,536

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

让您成为最强悍的C#开发者

试试用AI创作助手写篇文章吧

+ 用AI写文章