运用动态网站建设工具STS建立企业档案信息系统

随着海东供电局局域网建设的逐步完成，怎样在内部平台上使资源的应用与共享得到更广泛和有效的利用，已成为局域网使用的关键。文章叙述了在局域网内如何运用动态网站建设工具STS(Share Point Team Services)建设一个企业档案信息网站。     

大型建筑体无线局域网建设的研究

研究了如何利用现有无线局域网相关技术和设备,在大型建筑体组建一个安全、高效的无线局域网,分析了基于瘦AP的集中式架构无线局域网相关技术,介绍了国家电网公司总部无线局域网结构设计、安全方案设计等内容。对运行中遇到的问题及其解决方案进行了阐述。     

关于办公室小型局域网的建立

介绍如何根据自身的需要建立一个高效的办公室小型局域网。     

RS-485网络通信在梅县电厂的应用

讨论了在数据点的地理位置较分散的情况下,如何通过RS－485网络和局域网组成一个实时通信网络。     

华东电网公司无线局域网设计与应用

从分析无线局域网技术入手,分析和总结华东电网公司无线局域网设计和建设经验,介绍了如何设计和建设先进、安全、方便的无线网络,为企业提供一个安全便捷的网络环境.     

基于局域网架构的PC机数据自动备份系统的研发

探讨了在局域网平台下开发PC机数据自动备份系统中，如何通过网络、数据库等技术构筑一个简洁、安全、实用性强的备份系统。介绍了在Delphi环境中使用网络和数据库技术有机结合而实现PC机自动备份系统的过程，系统结构、功能和安全的设计及自动备份、多文件／文件夹的操作、断点续传以及安全设计等方面实现方法和自动备份的过程，为具有局域网架构的中小型企业PC机数据备份系统的开发和研究开辟了新的思路。     

基于局域网的电力企业继电保护信息管理系统

介绍了一个基于局域网的电力企业继电保护信息管理系统，该系统利用局域网技术，数据库技术实现了继电保护部门的参数、定值，图像，记录等的自动化管理。     

一个Intranet的建设

通过实例介绍一个中型企业内部信息管理和生产过程的实时监控网络的建设思路,内容包括如何在网络上建立数据库服务器,如何与前端工具配合构成一人个完整的Ｃ／Ｓ数据库应用,如何建立工业监控网,如何将局域网与国际网、工业监控网安全连接。     

TCP／IP网络故障解决方法与技巧

为了方便进行网络共享与通信交流，不少单位往往会以多种形式来组建适当规模的局域网。在尽情享受局域网带给单位员工便利的同时，长时间运行的网络也容易出现各式各样的奇怪故障，这些故障如果不能被快速排查，就会给单位的高效办公带来不小的麻烦。为此，本文现在就以TCP／IP协议类型网络为例，向大家介绍如何分层排查网络故障，提高故障排查效率。     

局域网中无线网络的解决方案

介绍了一种新兴的网络技术——无线局域网，它作为传统有线局域网的延伸，在移动性、扩充性、经济性等方面具有较大优势。简述了无线局域网的技术特点和优势，同时结合南通供电公司的网络现状和应用需求，提出了有线局域网和无线局域网集成的局域网解决方案，并展望了无线局域网技术的应用趋势。     

SNMP在配电自动化领域的应用和意义

随着配电自动化的快速发展,配电自动化系统通信网络的规模和通信业务日益增加,使得网络管理的难度也大大增加,面对多厂家、多设备型号等特点,要实现网络高效、合理地管理就必须使用统一的网络管理协议进行网络设备的管理及监视,通过SNMP简单网管协议对配电自动化网络性能数据的监测、收集、统计和分析等功能,为配电自动化通信系统运维管理人员进行网络的维护和优化提供依据。     

一个高精度网络对时软件的设计和实现

与现有的其他各种对时方法相比,网络对时具有简单、经济、高效的优点.文中从改造计算机系统时钟、获取即时时间偏差、计算时钟频率漂移、软件实现技巧4个方面出发,给出了一个高效的主要基于网络时间协议(NTP)的时钟同步软件设计和实现过程.在某110 kV变电站自动化系统厂内局域网和因特网上的试验表明,该软件能达到较高的对时精度.     

小火电经系统末端并网运行及其保护装置的配置研究

简述了地方小电厂并网后,对电力系统安全及继电保护和安全自动装置的影响,并提出了有关对策,以保障电网的安全稳定运行。     

基于虚拟相似日与DA-LSTPNet的地区电网短期负荷预测

针对短期负荷预测精细化的需求,提出一种基于虚拟相似日与双阶段注意力机制的长短期时序神经网络(DA-LSTPNet)的地区级短期负荷预测方法.为获得与负荷相匹配的细粒度实时气象数据,首先基于粗粒度的气象数据,利用灰色关联度和关联度加权法获取含细粒度气象数据的气象虚拟相似日.然后,采用最大信息系数(MIC)对气象特征信息与负荷进行非线性关联性分析,构建MIC加权下的负荷虚拟相似日选取算法,解决选取历史日作为传统负荷相似日而导致的过分局部相似乃至非相似的问题.最后,针对过往预测模型缺乏考虑特征因素与局部负荷细粒度变化之间联系特性的问题,构建能够有效挖掘负荷特征数据长期宏观以及短期局部变化特性的DA-LSTPNet进行日前短期负荷预测.以中国南方某地区电网实际负荷数据为例,采用多种形式的仿真验证了所提预测方法具有更高的预测精度和普适性.     

神经网络算法的改进及其在有源电力滤波器中的应用

针对有源电力滤波器的电流跟踪控制问题,设计了一种基于改进梯度算法的BP神经网络自适应PI控制器。该控制器将神经网络技术与PI参数设计相结合,与传统的PI控制器相比,该控制器具有结构简单、易于在线调整等优点。同时,为了克服采用神经网络算法修正权值系数时,会存在局部极小、收敛速度慢的问题,对BP神经网络采用的梯度算法进行改进。利用代数法代替梯度下降法,从而解决了易出现局部极小问题,且使收敛速度更快。仿真实验表明,改进后的神经网络自适应PI控制器较传统的PI控制器有更快的响应速度和更高的补偿精度,从而使系统更稳定,而且电网电流的谐波畸变率更低。     

基于MBI-PBI-ResNet的超短期光伏功率预测

为了增强光伏并网的稳定性,提高光伏发电功率预测精度,提出一种基于相似日聚类、群分解(swarm decomposition, SWD)和MBI-PBI-ResNet深度学习网络模型的光伏发电功率超短期预测方法。首先,使用快速傅里叶变换(fast fourier transform, FFT)提取太阳辐照度的期望频率,将其作为聚类特征向量,并根据此聚类特征向量采用自适应仿射传播聚类(adaptive affinity propagation clustering, AdAP)实现相似日聚类。其次,对每一类相似日分别使用群分解算法进行分解,以提取原始数据的多尺度波动规律特征。最后,利用MBI-PBI-ResNet来实现对天气环境多变量关联影响下的时序特征挖掘以及对多尺度分量的局部波形空间特征和长时间依赖时序特征的同时挖掘,并对不同类型特征进行综合集成来实现光伏发电功率超短期预测。研究结果表明：所提方法在光伏发电功率超短期预测领域相较于其他深度学习方法预测精度提高了3%以上,说明此方法在光伏发电功率超短期预测领域具有较高的预测精度和较强的泛化能力。     

考虑系统静态电压稳定性的电动汽车充电设备 就地控制方法研究

随着电动汽车的大规模发展,其峰值充电负荷占全网负荷的比例日益上升,给电网的静态电压稳定带来了负面影响。试图将电动汽车充电设备纳入电力系统安稳控制,从而减少这一影响。提出了电动汽车充电设备的三种控制方法：灵敏度控制方法、理想控制方法以及下垂控制方法,并对其控制效果进行了对比。三种方法都能够达到提升系统负荷裕度的目的,但其中的下垂控制方法更适合实际控制应用。将下垂控制应用到新英格兰39节点系统,在不同渗透率和不同充电速率情况下分析其对系统电压稳定性的影响。结果表明下垂控制能够明显提高系统负荷裕度,是一种有效的电动汽车充电设备就地控制方法。     

广东省电力集团公司区域信息网改造和建设方案

广东省电力集团公司现有的局域网存在局限性,无法满足发展的需求,为此,提出了改造和建设方案：在尽可能保障现有网络投资的前提下,网络的主干技术采用ATM技术,网络结构采用星形拓扑分布式结构。设计的目标是：实现联网各单位都能同集团公司进行快速的信息数据交换、通过DDN专线访问因特网、实现会计电视系统、将来与广域ATM网实现无缝连接。     

基于差分进化算法与BP神经网络的变压器故障诊断

针对BP神经网络在识别变压器故障时容易陷入局部最优、诊断精度低、收敛速度慢等缺点,提出一种自适应差分进化算法与BP神经网络相结合的变压器故障诊断方法。该方法采用差分进化算法优化BP神经网络初始权值和阈值,将优化结果赋值BP神经网络进行网络训练,最终得到用于变压器故障诊断的最佳网络模型。实验结果表明,该组合算法比传统BP神经网络具有更高的诊断精度和更快的收敛速度,是一种更适合变压器故障诊断的高效方法。     

A solution to combinatorial optimization problems using an accelerated hopfield neural network

Hopfield has shown that the combinatorial optimization problem can be solved on an artificial neural network system by minimizing the quadratic energy function. One of the difficulties in applying the network to actual problems is that the network converges to local minimum solutions very slowly because the sigmoid function is used for an input-output function of the neuron. To overcome this difficulty, this paper proposes an accelerated Hopfield neural network which can control the speed of convergence near the local minima by an acceleration parameter. Computational results for the combinatorial problems with two and twenty-five variables show that: (1) the proposed model converges to the local minima more quickly than the conventional model; (2) that the acceleration of convergence makes the attraction region of each local minimum change and worsens the accuracy of the solution; and (3) that if an initial point is selected around the center of the unit hypercube, the proposed network converges to a local minimum very quickly with high accuracy, and these good properties remain unchanged by the acceleration parameter.