基于QoS约束的电力通信网服务故障恢复算法

为有效保证电力通信网业务的隔离性、解决链路故障恢复的问题,基于网络虚拟化技术,提出了网络虚拟化环境下电力通信网服务故障管理模型。该模型包括电力通信网基础设施层、服务故障管理平台层、电力通信服务层。基于该模型,提出了服务质量(QoS)约束的电力通信网服务故障恢复算法。以保障电力通信网QoS为目标,建立了一套电力通信网服务失败的风险值评估模型。在满足业务隔离和业务QoS要求的情况下,该算法实现了链路故障导致电力通信基础网络损失最小化的目标。通过仿真试验,证明了该算法可以恢复尽可能多的电力通信服务,在电力通信服务故障恢复能力、电力通信基础网络的收益方面取得了较好的效果。     

基于相容粗糙-模糊集的电力通信网风险评估

鉴于电力通信网风险因素的复杂性和不确定性以及评估数据的模糊性问题,在对其分析的基础上,提出运用相容粗糙-模糊集对电力通信网进行风险评估的方法。通过建立电力通信传输网风险评估模型,利用该方法对某地电力传输网的实际数据进行分析,求出每一个相容类属于不同风险等级的可能值,得到客观的风险评估规则。结果表明该方法有效可行,对风险管理具有一定的指导意义。     

基于LS-SVM的电力通信网性能劣化评估与预测模型研究

随着电力通信网络规模越来越大,运行维护人员对通信网运行状态的实时有效监控,对设备故障的快速准确判断越来越困难,需要对通信网运行的健康状态进行科学评估,以及对网络性能的劣化进行趋势预测,从而可以提前预知网络可能存在的隐患。论文充分利用通信网现有的海量状态监测数据,提出基于健康状态数据的电力通信网性能劣化评估模型,在此基础上利用最小二乘支持向量机(LS-SVM)性能劣化时间序列进行预测,预警通信网的异常状态,提高通信网运行维护的水平,减少故障导致的断网损失。     

基于情景构建的大面积停电事故风险自动评估方法

大面积停电事故难以判断其事故源头，存在电力故障概率计算准确性低、评估一致性差以及风险评估所需时间长的问题，为此提出基于情景构建的大面积停电事故风险自动评估方法。该方法首先分别计算出电力线路断裂以及杆塔倒塌发生的概率，并将两种概率综合，获取发生大面积停电事故的综合概率，其次根据情景构建技术计算出大面积停电的危险程度，最后依据电力故障概率大小以此计算大面积停电风险的危险程度，实现大面积停电事故风险自动评估。实验结果表明，所提方法的电力故障概率计算准确性高、评估一致性好以及风险评估所需时间短。     

基于深度学习的电力骨干通信网故障诊断研究

随着电力骨干通信网络的规模不断扩大,拓扑结构日益复杂,网络运维数据呈指数趋势增长。电力通信运维人员只能将有限的精力集中到关系业务通断性的重要告警及相关性能上,而对于大量反映生产运行本质的深层次运行数据却无暇顾及也无手段顾及,这成为当前电力通信调度生产工作的最大的痛点及难点。本项目基于深度学习技术,将新一代人工智能技术与电力骨干通信网调度监控和运行维护实际工作需求紧密结合,重点解决电力通信调度运行中故障快速处置、业务智能重构、方式优化安排、风险评估预测与设备运行状态健康管理等实际生产问题,对提升电力通信主动性运行水平,将运行风险管控从事中向事前倾斜,更好地支撑电网生产业务具有重要的现实意义。     

一种基于攻击树的4G网络安全风险评估方法

针对4G网络的安全风险评估问题,提出一种基于攻击树模型的评估方法,以分析网络的风险状况,评估系统的风险程度和安全等级。对4G网络的安全威胁进行分类,通过梳理攻击行为和分解攻击流程来构造攻击树模型,利用多属性理论赋予叶节点3个安全属性并通过等级评分进行量化,结合模糊层次分析法和模糊矩阵计算叶节点的风险概率,根据节点间的依赖关系得到根节点的风险概率,最终得到4G网络的安全风险等级。实验结果表明,该方法能够准确评估4G网络的风险因素,预测可能的攻击路径,为安全防护策略选择提供依据。     

SDN下的电力通信网风险评估算法分析

SDN下的电力通信网风险评估算法一直是社会主要关注的热点话题。基于此,本文首先简单说明了电力通信网风险评估及控制相关内容;其次介绍了SDN框架及其适用性;最后结合实际通信电力通信网络情况,从不同角度分析了SDN架构下数据链路重要度计算,希望能够给同行提供一定的帮助。     

基于深度学习的电网安全态势感知方法

为了提高电力网络的安全性,实现电力网络的可持续运行,引入深度学习神经网络,开展对电力网络安全态势感知方法的设计研究,以此提出一种全新的安全态势感知方法。本文采用电力网络安全态势评估指标,结合各类电力网络环境因素,对未来可能发生的电力网络变化趋势进行预测;明确电力网络安全态势评估指标及其相关表述含义后,对电力网络安全态势风险进行综合量化,通过划分电力网络安全态势风险量化及等级,构建基于深度学习的电力网络安全态势预测模型,验证模拟安全态势感知预测结果。通过真实电力网络算例的方式,得出新的安全态势感知方法应用在现实电力网络运行环境中时,能够实现对其安全等级的精准预测,可以为电力网络的可持续运行提供安全保障条件,具有一定的实用性。     

电力信息通信系统运维风险分析及研究

随着电力系统的迅速发展,电力信息通信网在建设和运行过程中常常会面临着许多风险.只有对这些潜在的风险进行有效全面的分析,才能保证电力通信网的安全稳定运行.分析了电力通信运维过程中可能存在的弊端和潜在风险因素,并针对风险因素提出了对应的一些解决方法,以提高电力通信运维的有效性,保证电力安全生产提高有效保障.     

组合评价方法在煤矿安全风险评估中的应用

研究煤矿安全风险准确评估问题,煤矿生产的复杂性导致煤矿事故的动态性、模糊性和随机性,且影响煤矿安全风险等级指标多,指标与风险等级之间呈复杂的非线性关系,导致传统评估方法的准确率低。为了提高煤矿安全风险评估的准确率,提出一种组合的煤矿安全风险评估方法。首先构建出煤矿安全风险评估指标体系,然后采用层次分析法计算各评估指标权重,且采用模糊方法建立判断矩阵,最后将其输入到BP神经网络学习建立煤矿安全风险评估模型。利用具体数据对模型性能进行了验证性测试。实验结果表明,相比较于其它评价方法,组合评价方法提高了煤矿安全风险评估的准确率,是一种有效的煤矿安全风险评估方法。     

基于贝叶斯网络的列控系统安全风险评估方法

为科学评估列车运行控制系统内各危险导致的事故风险,用贝叶斯网络描述危险、风险和事故后果间的因果关系。通过识别系统中的潜在危险、危险导致事故的发生率和严重程度,结合贝叶斯网络处理不完备数据的优势,建立基于贝叶斯网络的风险评估模型,计算危险导致事故发生的可容忍危险率,判断系统能否满足安全要求并达到设定的安全目标。以美国的列车保护警报系统和I级铁路事故/事件数据库为例,利用该模型进行风险评估,结果表明4个初始危险导致的事故可容忍危险率小于规定值,验证了模型的有效性,为列控系统风险评估的具体实施方法提供了新思路。     

基于LSTM神经网络模型的交通事故预测

道路交通事故是道路交通安全水平的具体体现,为使预测数据更科学地为交通管理系统提供决策。提出建立基于LSTM（Long Short-Term Memory）神经网络的交通事故模型,训练交通事故相关的数据,对交通安全水平的指标进行预测。经过与传统回归模型和传统神经网络模型进行实验对比,实验显示LSTM拟合效果最佳,另外LSTM模型对同一趋势上的预测效果有明显优势。通过使用LSTM模型捕获数据中存在的时序依赖关系,能够更准确地对交通事故安全水平进行预测,使交通管理部门制定更加科学准确的决策。     

一种基于贝叶斯网络模型的交通事故预测方法

大部分的交通事故都可以预测.有效的交通事故预测能从很大程度上减少人员伤亡和交通阻塞.贝叶斯网络是目前不确定知识和推理领域最有效的理论模型之一.该文提出了一种基于贝叶斯网络模型理论的交通事故预测方法.在综合考虑交通事故成因的基础上利用领域专家知识构建网络模型,在已有的事故数据的基础上提出基于贝叶斯法则的学习算法,并通过计算变量间的条件概率来计算事故发生的可能性,达到事故预测的目的.文章的最后,通过历史数据进行仿真实验,对仿真结果和该模型的适用范围进行了分析.     

ZigBee无线传感器网络在点餐系统中的应用

介绍了ZigBee技术的特点,同时阐述了信息化餐饮管理的三种模式,提出了一种基于ZigBee无线传感器网络的点餐系统设计方案。该方案给出了点餐系统的具体管理模式,对系统各部分的软、硬件进行了设计,并着重阐述了无线传感器组网的过程。研究表明,该无线传感器网络实现了网络组建和数据通信的功能。基于ZigBee技术的点餐系统具有低功耗,低成本,无线化,通信距离远等特点。     

基于改进BP神经网络的道路交通事故预测

道路交通事故因受多种随机因素的影响而呈现出非线性的特点,传统的线性分析方法无法完全揭示其内涵。在分析道路交通事故与人、车、路等因素关系的基础上,利用神经网络具有描述非线性特性的能力,将影响交通事故的多种因素综合起来建立了基于改进BP神经网络的道路交通事故预测模型。选取人口密度、路网密度和机动车辆密度作为交通事故预测模型的输入神经元,采用道路交通综合死亡率作为道路交通事故的输出评价指标,对道路交通事故进行预测。实验结果表明,该预测模型能很好地适用于道路交通事故预测,验证了该模型的可行性和有效性。     

基于DBN的特种车辆前向防撞推理模型

针对特种车辆在动态环境中的前向碰撞风险评估问题,对特种车辆前向碰撞风险的自然因素、驾驶员行为特征等进行研究,并对固定的车辆安全防撞距离阈值进行改进,提出了一种基于动态贝叶斯网络的前向防撞推理模型。该模型将自车与周围环境的位置关系、环境关系、驾驶员行为等因素进行融合,一旦周围环境发生变化,该模型可以及时评估前向风险,并与静态贝叶斯网络的前向推理模型进行对比分析。仿真实验验证了该前向防撞推理模型的可行性和有效性。     

基于状态向量的危化品事故分析方法及应用

危险化学品行业属于高危险性行业,各类爆炸、火灾、泄漏和中毒事故时有发生.传统的基于因果关系的事故链分析方法受限于传统安全工程所依赖的技术基础和假定无法适应于今天所建造的复杂系统.本文以事故致因理论为基础,分析危化品事故形成的主要影响因素,构建了危化品事故状态向量,全面描述导致危化品事故发生的因素,并基于构建的状态向量进行危化品事故分析预测应用.利用高维向量对事故状态进行了定义,尽最大可能考虑了造成事故发生的众多因素,并利用支持向量机学习算法,建立事故预测模型.对已掌握的危化品事故进行的样本实验表明,本文提出的危化品事故预测方法,可有效快速的甄别事故状态,对危化品行业事故的预测预防具有积极意义.     

Hybrid accident simulation methodology using artificial neural networks for nuclear power plants

A hybrid accident simulation methodology for nuclear power plants is proposed to enhance the capabilities of compact simulator by introducing artificial neural networks. Two neural networks are trained with the target values obtained from the analyses of detailed computer codes and trained results are combined with the compact simulator to perform the following roles: (i) compensation for inaccuracies of a compact simulator occurring from simplified governing equation and reduced number of physical control volumes, and (ii) prediction of the critical parameter usually calculated from the sophisticated computer code: the autoassociative neural network improves the computational results of the compact simulator up to the accuracy level of detailed best estimate computer code, while the backpropagation neural network predicts the minimum departure from nucleate boiling ratio (DNBR). Simulations are carried out to verify the applicability of the proposed methodology for the loss of flow accidents and the results show that the neural networks can be used as a complementary tool to improve the results of a compact simulator.     

基于合作博弈的认知卫星网络信道分配与上行功率控制算法

随着通信业务需求的不断增长,频谱资源的有限性使得卫星通信网络和地面网络都面临着严重的频谱危机。认知无线电技术的出现,使得卫星网络与地面网络共用频率资源以提升网络效用成为可能。文中对认知接入分配给地面网络作为主用户的同一频谱资源的认知卫星网络的功率控制和信道分配问题进行了研究。根据卫星网络和地面网络的特性构建了合理的系统模型,并利用中断概率门限表征了信道估计误差对系统容量的影响。为了保护主基站的通信性能,在考虑信道估计误差、信道资源约束、认知卫星用户最大发射功率和微波基站干扰约束的条件下,根据议价博弈理论设计了优化函数。其次,根据凸优化理论推导了最优发射功率和信道分配的闭式解,并在此基础上设计了一种对偶迭代算法来求解该优化问题。最后,根据卫星网络的特性设置了合理的网络参数,并根据参数利用Matlab仿真平台对提出的算法进行了仿真实验。仿真结果表明:所提方法在不同到达速率的条件下均具备良好的收敛性;信道估计误差会降低网络的总容量;所提方法在波束数多于15个时,相比比例公平性算法容量提升超过50 bps/Hz,相比最大容量法公平性能提升超过一倍,因此,相较于这两种方法,该方法能在系统容量和用户间公平性之间获得较好的折中。     

多通信方式下的配电通信网融合管理信息模型

为了实现电网配电通信网融合管理,提高优质服务和运维管理能力,本文研究了在扁平化管理模式下的配电通信网的多源、多通信方式的智能管理技术,建立了基于粒子群算法的混合网络的资源映射模型.将WMN和PLC两个不同类型的网络映射到同一个物理网络上,对其安排不同的工作任务,发挥各自网络的优势和特点,将更多的子载波用于业务吞吐上,提高业务吞吐量.对新建立的模型进行仿真验证,通过与遗传算法的比较,证明本文的算法具有明显的优势.