南京市“村账村管”的探索

近年来,随着法治农村建设、农村股份合作制改革、农村产权制度改革的不断深入推进,"村账乡(镇)代管"制度逐渐出现了与村集体发展不相适应的一面。南京市部分村自2012年起,开始逐步探索实行"村账村管"、村会计独立做账。到目前为止,全市696个村中已有235个村实行了"村账村管",占总村数的三分之一,其中高淳区134个村都实现"村账村管",已收到明显成效。

电力系统配电网自动化系统应用注意事项

电力已经成为了现今经济发展与人民生活中必不可少的重要能源,随着经济的快速发展我国对于电力的需求也越来越大。我国在电力事业中的投入使得我国的电力系统发展较为迅速,已经基本满足我国对于电力的需求,但是相对于国外发达国家在供电质量方面还存在着较大的不足,为解决这一问题,做好电力系统中的配电网的自动化建设从而确保供电质量是现今乃至今后一段时间内电力系统发展的重点。文章将在分析配电网自动化建设重要性的基础上对配电网自动化建设的应用进行分析介绍.

南京“五位一体”统筹推进美丽乡村建设

江苏省南京市按照城乡一体化发展和建设生态文明的要求,"五位一体"统筹推进美丽乡村建设,走出了一条具有南京特色的美丽乡村建设之路。本刊从第6期开始连续3期,对南京美丽乡村建设进行专题报道。

对光纤通信技术的探讨

光导纤维通信就是利用光导纤维传输信号,以实现信息传递的一种通信方式。光导纤维通信简称光纤通信。可以把光纤通信看成是以光导纤维为传输媒介的"有线"光通信。实际土光纤通信系统使用的不是单根的光纤,而是许多光纤聚集在一起的组成的光缆。光纤通信不仅可以应用在通信的主干线路中,还可以应用在电力通信控制系统中,进行工业监测、控制,而且在军事领域的用途也越来越为广泛。本文探讨了光纤通信技术的主要特征及应用。

电力通信网络中软交换技术的应用

随着大电厂、大机组和超高压输电线路的不断增加,电网的规模越来越大。电网的发展,必然对电网的管理和技术水平提出更高的要求。同时也对电力通信提出相应的要求,要求通信网能传输多种形式的大量信息,而且还必须十分可靠。

光纤通信技术的发展趋势

概述了光纤通信技术的现状,介绍了目前正在使用的光纤接入技术的原理,展望了光纤通信技术的发展特点。

通信技术在当前配电网中的应用

当前的电力系统中,整个配电网络的运行都依赖于通信网络,但是目前我国组网解救的相关方案仍旧处于空白状态,这便成为了我国电力系统发展的一大瓶颈,同时制约了配电系统的发展,成为了当前电力通信网络中最为薄弱的环节。目前我国所使用的通信网络主要是以光纤通信为主,这种方式能够适应长距离的通信,并且信息容量相对较大,具有较高的传递质量和抗干扰能力,传输速度也能够满足电网需求。因而文章便针对当前的智能配电网中所应用的通信技术进行了分析和讨论,为我国配电网的发展提供更多可靠的参考资料。

县域营配通信网存在问题分析

县域营配通信网,是以乡镇供用电所、重要配电所为骨干,覆盖配电线路和居民小区,为营销和配电服务的独立通信网。基本业务有营销集抄和配电自动化数据的传输。它是独立于变电所自动化通信业务的专用通信网。本文分析了县域通信网现状和面临的新形势,介绍了其业务分类,进行了业务量分析及带宽预测。

体系化监管提升“三资”效能

自2013年起,江苏省南京市启动了农村集体＂三资＂监管信息化系统建设,加快建立以农村集体资金账户统管、财务资产网上运行为主要内容的监管新模式,不断夯实工作基础,强化民主监督力度,着力构建全方位、多层次监管体系,提高了农村集体＂三资＂监管工作效能。账户管理统一化。按照要求,全面清理村集体开设的银行账户,严禁账外账或私设＂小金库＂。

分行业业扩容量与电量增长关联性研究

不同行业用户的用电特征呈现出多样化的发展趋势,分行业电量增长速度和构成也不断变化。从宏观和微观两个角度出发,以江苏省南部某发达地区分行业业扩容量、电量等数据为基础,采用数理分析方法定量分析不同行业业扩容量与电量增长的关联关系,总结出不同行业业扩容量和电量增长的规律。

组合风电功率预测模型中分解算法的性能评估

针对风力发电功率预测这一类型的随机波动的时间序列建模,主要分析了目前研究中常用的小波分解、集合经验模态分解以及变分模态分解等算法。以随时间随机波动的风电时间序列作为研究基础,对比了这几种分解算法的组合预测结果。提出了显著性和稀疏性指标体系,用于评价新能源发电预测模型中分解算法的优劣,同时,采用神经网络工具箱对指标的评价结果进行验证,结果证明了所提出的指标体系的有效性和推广性,为新能源组合预测模型中分解算法的选择提供了参考。

基于特征工程的XGboost风速短期预测

为了解决现有风速预测模型精度不足以及数据利用度不高的问题,实现更高精度更快速度的风速短期预测,提出了一种基于特征工程的极限梯度提升算法(eXtreme Gradient boosting, XGboost)风速预测模型。XGboost算法是一种boosting集成学习算法,具有精度高速度快的特点。所提方法通过提取风速序列的5个统计特征,并与原始风速序列进行结合获得新的模型训练输入集,从而实现数据的充分利用,并采用XGboost算法对新输入集进行风速预测,提高了模型的预测精度。以江阴市某风电场实测风速数据进行预测,预测结果表明:基于时间-特征序列的XGboost风速预测模型具有精确的预测结果与快速的训练速度,与长短期记忆网络(long short-term memory,LSTM)、门控循环单元(gated recurrent unit,GRU)、卷积神经网络-长短期记忆网络(convolutional neural networkslong short-term memory,CNN-LSTM)及轻梯度提升机(light gradient boosting machine,LightGBM)等4种算法预测的结果进行对比,结果表明所提方法更具有效性。