基于熵值法和DEA的电力监测异常数据自动识别算法研究

为了有效提高电力监测异常数据识别准确率,确保异常数据识别效果,提出了基于熵值法和DEA的电力监测异常数据自动识别算法。应用数据脱敏、数据填补、颠簸去除等方式处理电力监测异常数据,还原原始电力监测数据,提升脱敏后数据完整性,降低颠簸数据对电力监测异常数据精度的影响。以经过数据处理的电力监测异常数据为基础,通过熵值法确定目标的属性和权重作为度量标准,采用基于熵值法改进的最近邻聚类算法,实现数据聚类,以数据聚类结果为输入,构建DEA模型,实现电力监测异常数据自动识别。实验结果表明,该算法数据聚类后的平均检测率约为92%,异常数据识别正判率约为95%,误判率约为3.5%,可有效识别出异常月负荷曲线的异常数据点和不同负荷量的异常数据,且识别结果与实际负荷曲线的趋势一致,具有较好的识别效果。

一种多维度的软件系统可靠性测试方法研究

传统的软件可靠性测试更多偏重于软件的功能方面。针对于这个不足之处,提出了结合操作剖面和性能测试的一种相对完善、全面的软件可靠性测试方法。归纳总结软件内部可靠性设计、外部高可用技术以及容灾恢复规范等诸多影响软件系统可靠性的因素,设计可靠性操作剖面要全面考虑这些因素。此方法是对传统方法的有用补充。最后通过一个案例简要介绍了该方法。

一种基于应用性能表现的通用基础软件选型方法

阐述了一种基于应用性能表现的通用基础软件选型的方法。介绍了基于应用系统性能为基准,对数据库和应用中间件进行选型比对。

我国云服务发展现状分析及思考

在目前云端应用蓬勃发展的时期,认清应用服务、云计算平台和结合能效的关系尤为必要。应用服务是基础,云端架构是平台,两者结合的能效高低是才是云端服务成败的关键,指出云计算架构不一定能够解决应用的性能问题,低效无序的扩展云计算平台下的应用服务只能造成电力、网络等社会资源的巨大浪费和重复投资。本文观点是云端应用应该立足应用服务,绿色高效的整合云平台才能构建良好的云端应用生态环境。

应用走向云端的性能测试挑战

由于云计算应用和传统应用的特性区别,使用传统的测试方法和工具对云端应用进行性能测试有很多限制和不足。提出云端应用模式的性能测试模式需要创新,并介绍了几种新的测试方法。

北京北部原始林

喇叭沟门满族乡的孙栅子柯（右图）距北京市区约160公里，被称作北京的“北极村”，因为翻过了山就是河北丰宁。喇叭沟门原始林中最秀美的部分就在孙棚子村，面积达到7万亩。北京市在这里建起了喇叭沟门自然保护区．这也是北京市市级保护区中面积罪大的天然林区．保存着北京市面积最大的白桦林（左图）。