基于.NET构件模型的动态监管系统的设计与实现

在对微软的.NET构件模型进行了充分研究后,利用该模型以及现有的网络、硬件资源、信息资源及手持移动终端.在此基础上建立简洁高效、结构合理的三层结构应用系统,实现对企业的动态监管,使得对信息的管理更加及时、高效.该系统由业务外观层、业务逻辑层及数据访问层组成,具有很高的安全性、可靠性和实用性.     

基于改进生成对抗网络的谐波状态估计方法

传统的基于最小二乘法的谐波状态估计受到量测装置少、精确的谐波阻抗获取难、网络拓扑结构复杂以及电网运行方式变化等因素的限制,造成量测方程欠定、系统非全局可观以及节点间耦合关系难以准确提取等问题。文中提出了一种基于改进生成对抗网络的谐波状态估计方法。该方法基于pix2pix谐波状态估计网络拟合监测节点与目标节点间的耦合关系,利用采集的历史谐波数据,对模型进行批量训练,通过训练之后的生成网络估算目标节点谐波电流、谐波电压幅值,实现基于数据驱动的谐波状态估计。在加噪环境下对模型进行测试,仿真结果验证了所提方法的有效性。     

多维数据库OLAP技术在出租车决策支持系统中的应用

本文介绍了OLAP多维分析技术和OLAP多维分析工具TM1,阐述了多维数据分析技术在北京市出租车决策支持系统中的应用。     

电力企业Intranet组网技术分析

针对电力企业信息网络系统建设的特点以及Ｉｎｔｒａｎｅｔ 的技术特点，分析局域网、广域网、城域网以及千兆以太网和ＡＴＭ 的技术特征，认为应根据不同性质的网络特点，选择相应技术进行组网。     

数据交换技术的研究

本文首先介绍了几种常见的数据交换技术,并分析了各自的优缺点,在此基础上,提出了XML数据交换技术,并说明了XML数据交换技术的优势,以及此技术的格式规范。     

异构数据集成技术研究

讨论了数据异构问题,提出了异构数据集成所要研究的内容,并对目前各类数据集成系统的三种体系结构进行了深入的研究和比较分析,总结出数据集成常用的两种方法,最后探讨了数据集成的关键技术,在此基础上提出了数据集成方法的发展方向。     

电能质量分析系统中的数据处理技术

信息技术的飞速发展和大功率电子电力器件的广泛应用,使电能质量问题越来越突出。针对电能质量分析的问题,提出了基于数据预处理的数据处理方法。根据用户设定有效采样时间,从监测数据中心中按指定格式读取监测点采集数据文件,采用数据预处理的方法在数据采样及转换的过程中对相关数据进行计算,方便分析系统进一步的分析工作,并通过Dundas构件技术完成各类电能质量数据的查询与展示。     

基于流数据聚类算法的电力大数据异常检测

针对电力大数据流的异常检测问题,该文将流数据聚类算法与电力大数据相结合,针对现有流数据聚类算法不易存储全部数据、断电数据易丢失等问题,以及流数据聚类算法对于离线阶段聚类算法实时应答的要求,从数据的完整性、安全性以及流数据聚类算法的低时间复杂度的角度出发,对CluStream流数据聚类算法进行改进,提出流式K-means聚类算法。对在线阶段,使用Redis集群进行流数据的缓冲,并设计节点时间衰减策略,增大心跳消息中有效消息所占比例;对离线阶段聚类算法进行优化,使用最佳距离法确定初始聚类中心,减少迭代次数;最后,使用所提出的流式K-means聚类算法进行用户用电异常行为检测,实验结果表明,该算法能够很好的发现用户用电异常行为。     

基于ASP.NET 2.0 AJAX的Web信息采集系统的设计与实现

本文首先使用客户端进行数据初步抓取,然后利用AJAX使数据在客户端和服务器之间异步传输,实现了ASP.NET 2.0 AJAX在WEB信息采集系统中的应用,这样既可以减轻服务器的计算负担,又可以节省服务器的网络带宽,最后实现个性化数据采集的定制和采集功能。     

基于生成对抗和双重语义感知的配电网量测数据缺失重构

传统的数据缺失重构技术大多依赖数理统计方法和先验知识结合机理分析构建数学模型,但是配电网量测数据具有高维、时变、非线性特征,复杂度高、表征难度大,难以保证高精度重构。文中提出一种利用无监督生成对抗训练方式自主提取数据特征并结合双重语义感知重构约束实现数据缺失重构的方法。其中,基于二维卷积的重构模型和量测数据二维灰度图像化训练增强了模型泛化能力和稳定性。该方法无需先验知识的分布假设与显式物理建模,在保证数据特征提取最大化的同时,有效提高了重构数据的精确性。最后,利用实测数据验证了该方法在重构缺失数据上的有效性。