基于IEC61850的MMS客户端软件的设计与实现

IEC61850标准是基于通用网络通信平台的变电站自动化系统唯一国际标准,它用面向对象的思想来描述变电站IED之间的通信协议.IEC61850-8-1将ACSI核心服务映射到MMS,MMS服务和协议的实现是IEC61850实现的基础.提出了一个MMS客户端软件的实现方案,给出了软件结构框图,并对具体的MMS服务和协议的实现进行了较为详细的说明.最后结合一个具体的IEC61850服务的例子对数据流进行了分析.     

多播技术在低压变电站通信中的应用

比较了单播、多播及广播通信方式在变电站自动化系统中的适用性特点,针对低压变电站硬件配置较低的情况,研究了基于UDP的多播技术在低压变电站中的应用问题,以双机双网配置为基础,分析了两层交换式网络上的多播数据流和相应的报文过滤策略。通过IEC 60870-5-103应用服务数据单元(ASDU)与IEC 60870-5-104应用规约控制信息(APCI)相结合的应用层协议来避免网络拥塞、丢包或无序发送情况,采用单播、广播、多播3种传输机制实现不同类型数据的传送,保证了系统的实时性和可靠性。     

电力系统中机电扰动的传播特性分析

研究机电扰动在均匀离散的链式电力系统中的传播规律。通过Laplace和Z联合变换，用Bessel函数表示出机电扰动在均匀离散系统中的变化特征，得出扰动的增衰规律与连续体模型中机电波的增衰规律完全相同，而且离散系统中扰动传播到每一条母线所需要的时间与连续体模型中机电波传播到相应母线所需时间也完全相等。最后用一个由64台发电机组成的环形离散仿真系统，证实用离散模型和连续体模型描述电力系统中机电扰动传播的合理性和正确性。     

基于IEC61850的变电站新型IED的研究

从与我国现有变电站自动化系统间隔层设备比较的角度出发,研究了变电站新型通信网络和系统协议IEC61850中的智能电子设备IED的模型,分析了IED在IEC61850体系结构中的作用与逻辑模型、数据对象模型、通信网络的性能和通信模式等工作机制,围绕变压器差动保护IED进行了功能模型、信息流、类等方面的设计,说明了新型IED的先进性和可行性。     

羊毛衫树脂法抗起毛起球工艺优化

采用蛋白酶对羊毛织物预处理后,添加三种具有成膜性的树脂和交联剂进行抗起毛起球整理。试验表明:正硅酸乙酯TY-G08整理剂较聚氨酯F0401整理剂具有更好的成膜连续性,抗起球效果显著;加入交联剂A-187或异氰酸酯后,成膜明显变厚,但抗起球效果下降。     

基于暂态稳定评估的数据挖掘预处理

数据预处理技术在数据挖掘中起到了针对其初始样本集数据及其数据的特点,并结合关联规则挖掘算法数据要求,进行了数据挖掘预处理的研究与实现,采用模糊聚类判断离散点个数并结合信息熵技术将连续属性值离散化,同时通过Matlab编程实现了仿真.     

房屋结构设计中易发生的问题

本文从建筑工程实际出发，介绍了建筑工程结构设计中容易发生的几个问题，以提高建筑设计质量和建筑工程质量。     

基于节能视角的油储安全管理措施探析

石油是工业的血液,随着经济社会的快速发展对于油气资源的依赖度越来越严重,跨地区、跨国家的油气运输越来越频繁,油气储运的节能安全技术也在逐渐更新和发展之中.本文阐释了油气储运节能安全的重要性,对常用的油气储运节能技术进行了探析,从强化工程设计节能要求、第三方施工管理、人员安全节能意识和油气储运日常巡视等方面对油气安全节能...     

业扩报装与供用电优质服务关系分析

供电企业持续发展的生命线是优质的服务,也是企业在市场中不断拓宽自身影响力和范围的一个重要因素,是打造供电品牌的一个关键。随着经济快速发展,中国电力正在迅速发生改变,为了改变传统业扩工作效率低、流程繁琐的缺点,应该在业扩报装上一定的革新。供电企业进行优质服务的发展前沿是业扩报装,因此,业扩报装发展得快慢与否与供电服务的好坏有很大联系,加快供电企业的业扩报装是报装企业给外界提供优质服务水平的关键。     

基于迁移学习的分层注意力网络情感分析算法

文本情感分析的目的是判断文本的情感类型。传统的基于神经网络的研究方法主要依赖于无监督训练的词向量,但这些词向量无法准确体现上下文语境关系;常用于处理情感分析问题的循环神经网络（RNN）,模型参数众多,训练难度较大。为解决上述问题,提出了基于迁移学习的分层注意力神经网络（TLHANN）的情感分析算法。首先利用机器翻译任务训练一个用于在上下文中理解词语的编码器;然后,将这个编码器迁移到情感分析任务中,并将编码器输出的隐藏向量与无监督训练的词向量结合。在情感分析任务中,使用双层神经网络,每层均采用简化的循环神经网络结构——最小门单元（MGU）,有效减少了参数个数,并引入了注意力机制提取重要信息。实验结果证明,所提算法的分类准确率与传统循环神经网络算法、支持向量机（SVM）算法相比分别平均提升了8.7%及23.4%。