光伏微电网分层式综合保护体系设计

光伏微电网具有短路电流幅值小、潮流方式灵活、储能容量比例高等特点,其可靠运行需要有完善的保护体系予以支撑。针对上述需求,设计分层式的微电网综合保护体系。该体系以期尽量减小微电网发生故障造成的损失为目标,由基于相位与幅值比较的集中式继电保护、快速储能出力调节控制和紧急控制策略等三部分构成。进一步,通过在PSCAD/EMTDC环境中构建了微电网仿真模型,分析对比了所设计的分层式综合保护体系与传统防护方式的性能差异,验证了分层式综合保护体系的有效性和实用性。

光伏微电网PCC点功率跟踪双闭环控制策略及应用实例

光伏微电网联络线功率良好的可控性是其与配电网协同运行的功能基础,联络线功率的调节可以通过公共联接点(Point of Common Coupling,PCC)功率跟踪控制的方式实现。本文提出了一种工程实用性高的PCC点功率跟踪双闭环控制策略,该策略主要由外环控制和内环控制两个部分组成,其中前者通过功率比较的方法确定功率补偿的方向和大小,后者通过有功无功解耦控制(PQ控制)的方法实现功率的精确跟踪。进一步,通过仿真分析和现场实验,对本文所提出的PCC点功率控制策略进行了验证。多种工况下的测试结果表明,该策略可较好地实现参考功率跟踪控制。

基于PU learning的信用卡交易安全监管研究

目前信用卡套现手段复杂多变、虚假交易形态层出不穷,在仅有账户级套现标签数据的基础上,信用卡套现管理面临着与客户交互过程难以获取其真实交易情况的业务痛点。为了探究一种精准的信用卡虚假交易监管方法,以商业银行信用卡系统的套现账户交易标签数据为研究对象,建立了基于PUlearning(positive-unlabeledlearning)的信用卡单笔交易安全识别模型。所提模型在样本数据标注中引入了间谍(Spy)机制,随机抽取高可靠套现交易正样本100万笔及待标注的交易样本130万笔,借助学习器预测结果分布对难以判别的非套现交易负样本进行标注,以获取相对可靠的负样本标签120万笔。基于上述正样本及标注得到的负样本数据,构建了信用卡客户属性信息、额度使用情况及交易偏好特征等120个候选变量,通过变量重要性筛选得到入模变量近50个,利用XGBoost二分类算法进行模型开发预测。结果显示,所提模型对信用卡套现虚假交易的识别准确率为94.20%,群体稳定性指标(PSI)为0.10%,表明基于PUlearning的单笔交易安全识别模型能够实现对信用卡虚假交易的有效监测。该研究改进了机器学习二分类算法在难以获取高精度样本标签数据场景下的模型判别性能,为商业银行信用卡系统交易安全监控提供了新方法。

新技术革命视野下人力资源管理的思考

世界经济论坛创始人克劳斯·施瓦布认为,如今我们正处于第四次工业革命的开端。在《第四次工业革命：转型的力量》一书中他指出,所谓的第四次工业革命,其特点之一便是新兴技术和创新成果传播的速度和广度将远超以往。尽管这次技术革命刚刚起步,但已经开始改变甚至颠覆我们的工作和生活方式。而在新一轮技术革命的浪潮下,人力资本将迎来新的转移和重组,人力资源管理在积极拥抱外界变革的同时,也正在与＂新工具＂和＂新群体＂的不断磨合试错中寻求发展的平衡。

基于人工智能的信用卡安全营销及应用

随着信用卡行业竞争日渐加剧,精准获客引流、减少用户流失成为营销关键.为了提升信用卡有效营销能力,从被动防控与主动挖掘角度提出了基于人工智能技术的解决方案.在被动防控上,通过人机识别模型可有效防控营销资源的恶意攻击;在主动挖掘上,基于营销响应模型可提高对目标客群的有效搜索能力.风险防控与精准挖掘的综合运用,可保障优质用户的营销红利,降低营销风险及营销成本,为信用卡安全精准营销提供解决思路.