Windows系统登录类型解析

如果你留意Windows系统的安全日志。在那些事件描述中你将会发现里面的“登录类型”并非全部相同,难道除了在键盘上进行交互式登录（登录类型1）之外还有其它类型吗？不错．Windows为了让你从日志中获得更多有价值的信息,它细分了很多种登录类型。     

基于模式覆盖的仿真数据匹配算法

研究仿真数据优化匹配传输效率问题,随着分布交互式仿真规模的扩大,如何高效地对仿真数据进行分发和过滤成为一个重要的问题.针对分布交互式仿真领域数据类型固定和属性个数跨度较大的特点,在分析和研究已有事件匹配算法的基础上,提出了模式覆盖集的概念,并设计了一种采用模式覆盖技术的仿真数据匹配算法.改进算法综合考虑了谓词之间的相互关系和订阅条件所属模式之间的覆盖关系,从减少无关的谓词匹配和高效组织订阅条件两方面加速了仿真数据的匹配过程.实验结果表明与谓词计数算法相比,改进算法能较大地提高匹配性能.     

撤销发表《含扩展状态观测器的双馈风机事件触发滑模控制》一文的声明

2021年3月11日,本刊编辑部收到四川大学电气工程学院作者向勇、杨晓梅来函,针对发表于本刊2020年第47卷第5期39-46+74页的《含扩展状态观测器的双馈风机事件触发滑模控制》一文,因“存在较大的质量问题”,申请撤销发表。编辑部同意向勇、杨晓梅作者撤销发表该文的申请,并已将撤销发表情况告知收录本刊的各数据库。     

区域突发环境事件风险评估案例研究

随着工业化程度的不断提高,高风险行业企业及油气管道建设数量与日俱增,在推动社会经济发展的同时,也带来了区域型环境风险问题,较单一企业不同,行政区域层面环境风险类型多样、结构复杂、风险场叠加作用显著、管理难度更大。本文以国内某行政区域为例,对区域内突发环境事件风险评估进行详细研究。     

城市道路混合路由算法研究

针对城市道路中车辆密度突变而导致车联网系统的信息冗余和数据丢失等问题,提出了一种基于贪婪转发（GPSR）和距离矢量转发（AODV）的自适应限制性混合路由算法（ARHP）,以适应网络环境的高速变化。ARHP将通信网络分为贪婪转发、贪婪-距离矢量转发、距离矢量转发3种模式。通过对有效节点密度和网络状态进行实时评估,可实现转发模式间的切换;通过考察链路质量和端到端的时延性能择优选取邻域节点。采用交通模拟器和离散事件模拟器比较ARHP、AODV和GPSR在改变节点密度或车辆速度时的性能表现,结果表明ARHP在数据包的投递率和端到端的时延性能等方面均优于AODV和GPSR。     

基于事件触发的电力系统H∞优化控制

针对大规模集中用电导致电力系统负荷端激增从而影响电力系统稳定性的问题,提出一种基于事件触发的H_∞优化控制方式。本文采用扇区法对单机无穷大电力系统进行线性化处理,之后通过模糊逻辑建立电力系统的T-S模糊模型。通过事件触发理论和模糊逻辑利用并行分布补偿(parallel distribution compensation,PDC)的方法设计系统控制器。H∞优化控制相比于传统的控制方法提高了系统的稳定性及抗干扰能力,因此本文根据李雅普诺夫稳定性理论和H∞优化控制理论,基于线性矩阵不等式(linear Matrix Inequality,LMI),给出了保证单机无穷大电力系统闭环渐进稳定的充分条件,并采用MATLAB仿真软件对系统进行仿真,从而证明稳定条件的存在。     

非侵入式负荷事件监测的曲线拟合方法

负荷事件监测是实现非侵入式电力负荷监测的关键环节.为提高最终负荷识别与分解的准确性,提出一种基于曲线拟合的非侵入式负荷事件监测方法.首先跟踪计算总功率信号滑动窗内拟合直线斜率值,进一步与根据功率变化设立的判定阈值进行比较,最终判断负荷运行状态是否发生变化.该方法可准确地标记出总负荷过渡区段和稳态区段的起止时刻,使监测系统能够准确地获取所需的负荷印记特征.理论证明了该方法的有效性和优越性,并且通过实例进行了验证.     

基于三维特征向量的非侵入式电热负荷细分算法

非侵入式负荷监测分解（NILMD）技术是当前居民用能服务深化提升和电力供需互动的重要数据获取手段,然而当前工程上应用广泛的事件驱动型NILMD技术一直无法准确细化分解电热负荷。针对这一问题,文中提出了一种基于三维特征向量的典型电热负荷细化分解算法。首先,基于有功、无功功率和电流谐波等电气负荷特征采用事件检测方法提取电热事件,在有功功率的基础上,引入运行时长、频繁启停次数等非电气负荷特征共同构建三维特征向量电器模型。然后,采用序贯覆盖法设计典型电热负荷细化分解命题学习规则和细化分解算法。最后,基于实证实验数据进行分解验证,发现4种典型电热负荷的细化分解准确率超过85%。实验结果表明,文中所提典型电热负荷细化分解算法有效地提高了4种典型电热负荷分解的准确率。     

考虑样本类别不平衡的电网故障事件智能识别方法

电网中不同设备的故障概率存在差异,影响智能诊断技术的准确性.为解决此问题,提出了一种基于代价敏感学习和模型自适应选择融合的电网故障事件智能识别方法.首先,利用Word2vec模型将预处理后的电网告警信息向量化,并搭建2个双向长短期记忆网络作为基础分类器;然后,设计代价敏感损失函数,将交叉熵损失函数与代价敏感损失函数分别应用于2个分类器中;最后,提出一种模型自适应选择融合法,融合上述分类器,得到故障事件识别结果.实际数据测试表明,所提方法能够有效降低故障事件识别中样本类别不平衡的影响.