分布式机器学习作业性能干扰分析与预测

通过分析分布式机器学习中作业性能干扰的问题,发现性能干扰是由于内存过载、带宽竞争等GPU资源分配不均导致的,为此设计并实现了快速预测作业间性能干扰的机制,该预测机制能够根据给定的GPU参数和作业类型自适应地预测作业干扰程度。首先,通过实验获取分布式机器学习作业运行时的GPU参数和干扰率,并分析出各类参数对性能干扰的影响;其次,依托多种预测技术建立GPU参数-干扰率模型进行作业干扰率误差分析;最后,建立自适应的作业干扰率预测算法,面向给定的设备环境和作业集合自动选择误差最小的预测模型,快速、准确地预测作业干扰率。选取5种常用的神经网络作业,在两种GPU设备上设计实验并进行结果分析。结果显示,所提出的自适应干扰预测（AIP）机制能够在不提供任何预先假设信息的前提下快速完成预测模型的选择和性能干扰预测,耗时在300 s以内,预测干扰率误差在2%~13%,可应用于作业调度和负载均衡等场景。     

GIS特高频局部放电在线监测系统现场测试

目前GIS特高频在线监测系统被广泛运用于电网中,其可靠性与准确性关乎到电网运行的安全与稳定。通过实验室模拟、现场测试,介绍了一种局放在线监测系统的测试方法,为以后此开展此类试验提供了可以借鉴的经验。     

提高多级输油泵效率的初步探讨

为提高多级输油泵的泵效，从叶轮外径、过渡流道和级间密封三个方面进行了实践探索。一般说来，多级输油泵扬程高、比转速低。低比转速离心泵效率与叶轮外径的关系十分密切，所以精确设计叶轮外径，增大叶轮出口宽度，减小叶轮外径可减少圆盘损失和液流的水力损失。过渡流道采用螺旋式结构，可使液流平稳，水力损失小，有利于下一级叶轮口的吸入。对于水平中开式多级输油泵，由于中间级叶轮与最后级叶轮之间的间隙较大，压差也最大，泄漏非常严重，采用带直角迷宫密封槽的简易浮动密封，可有效减小内部级间泄漏。实践证明，经上述三个方面改进后的4种KDY型多级输油泵的泵效均超过了国家标准。     

浅谈输变电设备状态检修的应用及其意义

对输变电设备状态检修的定义展开了论述,概述了输变电设备在线监测内容,并简要分析了输变电设备状态检修的应用及其意义,从而实现状态检修工作的可持续发展。