基于JavaEE架构的电网企业漏洞补丁智能化管理系统设计

本文基于JavaEE架构设计了电网企业漏洞补丁智能化管理系统。首先分析系统业务部署框架、应用框架、数据框架、技术框架;其次设计系统整体结构;再次进行经验库与补丁库建设;最后详细设计系统功能。研究表明,此系统基于信息化技术途径优化漏洞补丁检索业务及其处理能力,提高了业务人员工作效率与水平;且促使漏洞补丁检索人员快速有效发现漏洞,统计具体数据信息,以实现电网企业漏洞补丁检索工作创新管理,从而满足了信息安全漏洞补丁统一管理相关要求。     

机载LiDAR输电线路杆塔快速定位方法研究

杆塔位置是机载激光雷达电力巡检应用中进行输电线路点云分段、杆塔提取、变化检测的基础。为了提高其自动定位的精度和效率,提出了一种适用于复杂地形的高压输电线路杆塔自动定位方法。首先在分析了输电线路点云相对高度、垂直和水平分布特征基础上,采用格网预处理剔除低位点格网、聚类分析确定候选类簇,然后利用格网垂直连续分布系数、高程分布系数和凸包系数等识别杆塔点所在格网,并以邻近格网中心作为杆塔水平位置。实验结果表明：相比前人的方法,算法的杆塔定位精度提高了11.7%,查准率和召回率分别提高了50%和20%,尤其是在地形起伏大且不连续的情况下具有较好的普适性。     

改进粒子群算法优化支持向量机的短期负荷预测

针对支持向量回归机在预测建模中的参数选取问题,提出一种基于混沌自适应策略的粒子群优化支持向量回归机参数的方法.采用混沌映射算法和聚合度自适应判断策略,增强种群的全局寻优性能,提升粒子的多样性,从而避免种群过早收敛.充分考虑天气、节假日、居民消费等因素的影响,提出一种改进的支持向量回归机预测模型并与粒子群算法的支持向量回归机模型进行对比分析.分析结果表明,该预测模型可将预测的均方根误差降低约40％,绝对值误差降低约42％,相对误差降低约46％,仿真结果验证了所提方法优化了支持向量回归机参数,改善了预测效果.     

月面探测器实时能量平衡分析及自动测试系统

近年来,世界各国将目光聚焦于月球探测上,然而目前探测器缺乏一套统一的自动测试系统.针对月面探测器工作模式多、环境因素复杂等特点,提出月面探测器实时能量平衡分析及自动测试系统.根据大光照角试验、宽温度蓄电池组容量测试及全任务周期负载需求评估等数据,实现月面探测器能量平衡分析.通过控制计算机及GPIB接口输入测试仪器,实现具有自动数据采集、数据记录、图表显示和故障预警功能的自动测试系统.该系统填补了探测器模拟测试相应领域的空白,可以为后续月面探测器的地面模拟测试提供一定的建议与参考.     

IETCAM:基于信息熵的低功耗TCAM分类器

目前,三态内容寻址器被广泛应用于数据平面的高速转发,但现有的索引式TCAM在降低功耗和运行时间等方面仍存在问题.针对这些不足,提出了一种基于信息熵的低功耗索引式TCAM分类器,利用了信息熵技术,有效地解决了规则集在TCAM子块中分布不均、功耗较大的问题.实验表明,在2k大小的规则集下,该算法相较于经典的SmartPC算法平均可以提高63％的功耗降低率,运算时间更新速度缩小了97％,存储开销仅增加了10％.     

改进卷积神经网络在互感器故障诊断中的应用

低压电流互感器作为电网中的关键设备,已经得到广泛使用。低压电流互感器故障诊断的在线检定也显得十分重要。提出了一种改进的全局平均池化的一维卷积神经网络（1DCNN-SVM）故障诊断模型应用于低压电流互感器在线检定。该方法改进了传统卷积神经网络（CNN）模型的结构,引入全局平均池化而不是全连接网络结构,并在测试阶段使用支持向量机（SVM）替代Softmax函数。通过进行实验分析,将所提的方法与传统的CNN进行实验对比,实验结果表明所提方法在训练时间、测试时间以及模型的测试精度等方面的表现都比传统的CNN结构模型要好。     

基于视频放大与盲源分离的非接触式心率检测

非接触式心率(HR)检测可以通过远程光电容积描记术(rPPG)实现,引起越来越多的关注.但在实际应用中,rPPG信号非常细微,极易被噪声淹没,从而导致现有的基于rPPG的心率检测方法很难准确地估计心率.针对以上问题,本文提出了一种增强rPPG信号、抑制噪声的非接触式心率检测方法.在这种方法中,首先通过欧拉颜色放大技术对正常HR分布频带上的色度信息进行放大,避免rPPG信号过小被噪声淹没;接着使用人脸检测与跟踪技术选定合适的感兴趣皮肤区域;然后在感兴趣区域内提取放大后的色度信息,使用盲源分离方法和相关性分析分离出rPPG信号;最后对rPPG信号进行时域滤波与功率谱密度分析,估计出HR值.经多组实验验证,本文所提方法相比于以前方法具有更高的HR估计精度.     

BiLSTM_DPCNN模型在电力客服工单数据分类中的应用

电力客服工单数据以文本形式记录电力用户的需求信息,合理的工单分类方法有利于准确定位用户需求,提升电力系统的运行效率.针对工单数据特征稀疏、依赖性强等问题,本文对基于字符级嵌入的长短时记忆网络(Bidirectional Long Short-Term Memory network,BiLSTM)和卷积神经网络(Convolution Neural Network,CNN)组合的结构模型进行优化.该模型首先对Word2Vec模型训练的词向量进行降噪处理,得到文本的特征表示;其次,利用BiLSTM网络递归地学习文本的时序信息,提取句子特征信息;再输入到双通道池化的CNN网络中,进行局部的特征提取.通过在真实客服工单数据集上的测试实验,验证了该模型在客服工单分类任务上的具有较好的精确性和鲁棒性.     

基于区块链技术的P2P电能交易平台与配电网协同仿真

为了推动能源交易公平以及区块链技术在电力交易领域的应用,实现P2P电能交易平台与配电网高效配合,提出一种基于区块链技术的P2P电能交易平台与配电网的协同仿真框架.根据区块链去中心化、安全性强、可追溯的特点,提出分布式双边拍卖机制,结合智能合约,建立了能源交易模型并进行了仿真分析.最后,根据建立的协同仿真模型,通过两个场景下配电网参数的比较分析,得出了P2P电能交易机制对配电网影响的相关结论,为实现能源高效利用,电能交易安全稳定以及区块链技术在电能交易领域的落地推广提供了理论基础和技术支撑.     

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.