深度学习在电力系统异常损耗数据识别中的应用研究

异常损耗是造成电网公司收入损失的主要原因之一,但极其庞大的数据规模给异常数据识别带来了挑战。文中提出了一种新的检测方法,利用混合深度神经网络自我学习特征,识别系统损耗中的异常情况。该方法只需要最小的输入数据和知识范畴,无需手动建立特征库。该方法包括一个长短期记忆网络和一个多层感知器网络。第一个网络分析原始的每日能源损耗历史,第二个网络则整合非时序数据,如合同电量或地理信息。用电网数据对该模型进行了训练和测试。结果表明,所提出的混合神经网络的性能明显优于其他异常数据识别方法,验证了所提出方法的有效性。

基于混合特征和集成极限学习机的高压断路器机械故障检测

提出了一种基于混合特征提取和集成极限学习机(IELM)的高压断路器机械故障检测方法。首先,采用全集成自适应噪声经验模态分解(CEEMDAN)对振动信号进行分解,得到固有模态函数(IMF)。然后结合Hilbert变换和带通滤波器对各阶IMF分量进行子带重构,得到时频矩阵。将时频矩阵转化为能量矩阵,利用正态累积分布函数(NCDF)对频带进行归一化,提取出时频熵和奇异熵,形成机械故障特征向量。此外,还建立了故障分类系统。结合带通滤波的CEEMDAN方案优点是可以消除模态混叠,减少辅助噪声的加入,并提高分解效率。此外,NCDF归一化的奇异熵具有更稳定的性能。由多个弱类组成的IELM可以解决传统极限学习机的不足。基于实测数据的实验结果表明,该方法能有效地通过小样本进行机械故障检测。

一种基于网格框架下改进的多密度SNN聚类算法

针对数据集中数据分布密度不均匀以及存在噪声点,噪声点容易导致样本聚类时产生较大的偏差问题,提出一种基于网络框架下改进的多密度SNN聚类算法。网格化递归划分数据空间成密度不同的网格,对高密度网格单元作为类簇中心,利用网格相对密度差检测出在簇边界网格中包含噪声点;使用改进的SNN聚类算法计算边界网格内样本数据点的局部密度,通过数据密度特征分布对噪声点进行类簇分配,从而提高聚类算法的鲁棒性。在UCI高维的数据集上的实验结果表明,与传统的算法相比,该算法通过网格划分数据空间和局部密度峰值进行样本类簇分配,有效地平衡聚类效果和时间性能。

基于蜜罐技术的DDoS攻击防御研究

网络信息技术的高速发展,给我们带来很大便利的同时也伴随了各种信息安全问题,其中DDoS就是一种常见的危害严重且难于预防的网络攻击模式,能够短时间内产生洪峰攻击导致服务器因资源耗尽而终止服务。因此已经成为信息安全研究中亟待解决的难题。基于蜜罐技术的DDoS攻击的防御机制,该机制既不需要动员普通电脑用户参与,也不需要ISP服务商支持与配合,只需添加一个蜜罐服务器即可达到比较理想的防御效果。基于蜜罐技术的DDoS攻击的防御技术的原理是通过重定向器重定向黑客对真实服务器的攻击到蜜罐系统中并由蜜罐记录攻击行为数据,为后续制定防御措施提供重要资料。实验中,通过Honeyd开源软件包搭建了虚拟蜜罐系统用于Web服务器DDoS攻击的防御,并对该模型的工作原理做了详细的介绍。

博士研究生录取名单上报数据导出系统设计与实现

根据教育部的要求,博士研究生录取名单需要按照标准的DBF表结构上报导入研招网。本系统的主要功能是导出"报考库"、"录取库(中国考生)""录取库(留学生)",每个库都导出Excel文件(用于学校核对)和DBF文件(用于上报导入中国研招网)。本系统使用Java、Java Script及ExtJS4作为编程语言,数据库为Oracle10g,Web服务器为Tomcat7.0。本系统基于J2EE技术和Struts框架技术。从管理模式来看,极大改变了高校对博士录取名单上报数据的管理模式,切实提高了工作效率。

智能电网信息安全威胁分析及防御研究

智能电网是传统电网与现代信息技术融合的新一代电网,智能电网信息安全是整个电网系统中尤为重要的一环。首先针对智能电网的特点,阐述了智能电网的信息安全需求,接着分析了智能电网面临的信息安全威胁,并对安全威胁防御措施进行了研究,设计了蜜罐技术等多种防御模型。

电力行业信息安全攻防演练研究及应用

智能电网是传统电网与信息技术融合的新型电网。随着信息技术的快速发展,信息安全作为信息技术的一个重要组成部分正在深刻地影响着人们的工作和生活。科技的发展给人们带来方便的同时,也暴露出了很多安全问题,特别是近年来,如信息泄漏、SQL注入漏洞和网络的渗透、黑客攻击等信息安全事件频发,给企业、社会和个人造成难以挽回的损失。电力行业作为一种能量供应,涉及国有资产的绝大部分信息、商业价值和国家机密。但是庞大的信息数据有着巨大的价值,使得电网企业信息网络容易遭受黑客攻击、造成信息泄露风险的可能性是非常大的。根据电力行业的特点,本文探讨了电力行业中网络攻防演练的意义和价值,并针对电力行业信息网络漏洞的特点提出了网络攻防靶场的建设和实施方案,旨在提高电网企业从事信息安全工作的人员的信息安全意识和处理突发信息安全事件的应急能力,间接地确保电网安全稳定可靠运行。

海带夏苗病烂预防措施

海带渡夏苗人工培育工作,是发展海带养殖的重要环节。人工培育的海带渡夏苗的数量及质量的优劣,会直接影响到当年菌种的供应,从而影响产量。通过几年来我们的生产实践及经验,我们认为为了预防海带渡夏苗人工培育中病烂的发生,在生产技术上,应着重贯彻如下几点措施。

福建海带度夏苗培育应注意的若干技术问题

海带人工养殖中，苗种生产是一个主要的问题。目前我省海带养殖的苗种——度夏苗，是近几年来我省培育的优良品种之一，它具有产量高，适应性强，耐高温的特点。海带度夏苗自70年代中期在我省自然光人工低温培育成功后，经过推广并转入商品工厂化生产，迄今也有十年的历史了。现在我省每年可生产海带度夏苗约30亿株(近15万片，

关于夜光虫造成赤潮水危害海带夏苗生长的观察

最近几年，我省闽东三沙海区一带，每年从9月初开始到10月中旬，经常发生赤潮，而且次数频繁。一年中有时1，2次，多的3，4次不等。多数是间隔性发生。赤潮来临时，飘浮于海面密集的浮游动物(或浮游植物)，随着风力的吹送和潮水的进退，进入港湾内，此时表层的海水，呈现一片混红颜色的水团，称赤潮(Redtide)，

大力发展我省裙带菜人工养殖

裙带菜(Undaria pinnatifida)是一种营养丰富，味道鲜美，经济价值较高的食用海藻。

我省海带夏苗脱苗原因及其防治

最近几年,我省三家育苗室,在海带夏苗人工低温培育过程中,常见的一种病害;就是育苗的中、后期经常发生脱苗现象。这种脱苗,暂称“脱苗”病。它给生产带来了严重危害。由于脱苗,不仅使育苗单位当年海带苗种的减少,给企业造成巨大的经济损失;同时,也影响苗种的正常供应。使海带养殖面积大幅度的锐减,直接影响了沿海养殖渔民的生产和收入。关于海带夏苗的脱苗问题,不仅在我省时有发生,而且辽宁、山东等省,这几年也普遍存在这些问题。因此,多年来省内外藻类养殖专家、学者和生产第一线科技人员,

面向Docker容器的动态负载算法

为了提高Docker容器服务器集群的抗并发性和缩短平均响应时间,文中设计了一种动态负载容器服务器的算法DLOAD(Dynamic Loading Algorithm)。该算法在WRR负载算法的基础上引用了实时权值的概念,弥补了WRR算法在权值给定方面的不足,优化了Docker容器服务器的负载算法。DLOAD算法将记录服务器的资源信息,将容器连接数占比、CPU利用率、内存利用率、网络IO占比、磁盘IO占比和平均响应时间作为算法参数,计算出Docker容器服务器的实时权值,并将实时权值记录到负载服务器的权值表中。负载服务器查询权值表后调用WRR算法,推荐最优的Docker容器服务器ID进行负载。通过仿真实验,从Docker容器服务器的平均响应时间和吞吐量这两个方面对改进前后的算法进行分析和对比,得出改进后的DLOAD算法能够更加高效地缩短服务器的平均响应时间和改善抗并发性,有效提升了容器服务器的性能。

三沙港区赤潮发生的原因和防治

本文拟近10年来我省三沙港区附近所发生的赤潮情况、原因、危害性和如何防治对策,作一介绍和分析,进行探讨。以冀能引起有关部门的重视和防范,使之减少赤潮灾害所带来的经济损失。

福建省三沙港区赤潮发生的原因和防治对策

近几年来,福建省三沙港区赤潮发生的次数频繁,每年少则发生一次,多则二、三次不等,严重危害了渔业生产特别是海水养殖生产。从三沙港区情况看,赤潮发生的时间,1984年前,均在9月上、中旬开始到10月中旬结束。可是近几年,赤潮发生时间逐渐提前,从5月上旬延至10月中旬。

基于纹理特征的恶意代码检测方法测试

为了快速精确地检测识别恶意代码,发展其检测关键技术显得尤为必要。本文在恶意代码可视化的理论基础上提出一种新的基于纹理特征的恶意代码检测方法,通过可视化算法实现对恶意代码二进制程序的可视化显示,即映射为灰度图像,再提取图像的纹理特征,并在恶意代码语料库中进行特征匹配,最后输出检测结果。利用在某公司安全部门捕获到的5种出现次数最多的恶意代码种类进行实际检测实验,实验结果表明基于纹理特征的恶意代码检测方法实用性强,对恶意代码的分类非常精确。

基于流计算的大客户用能智能分析方法

针对大客户用电用能综合分析及无法及时发现用电异常的问题,设计了一种基于流计算下大客户用能智能分析方法。首先给出了大客户用能智能分析系统的整体构架,并从软硬件功能需求方面进行了描述。依托流计算技术实时处理能力和高性能数据吞吐能力实时处理采集到的数据,运用机器学习按照用户综合用能分析数学模型和窃电识别模型学习处理异常数据。并对高风险用户一定周期内的线损计算曲线、用能曲线以及电压、电流等电气数据进行展示,为大客户智能用能提供辅助支撑。

一种结合TF-IDF方法和词向量的短文本聚类算法

随着在线社交网络平台(微信、微博等)和APP(网易、学习强国)的快速发展和应用,产生了海量短文本。针对这些海量短文本,传统的文本聚类方法存在聚类性能较差的问题。本文融合TF-IDF方法和词向量,提出了一种短文本聚类方法。首先,使用TF-IDF方法,提取短文本中TFIDF值靠前的TOP-N关键词作为短文本的特征词集合;其次,在Word2Vec工具的支持下,使用Skip-gram模型在海量语料中训练得到特征词的向量表示;最后,使用WMD距离计算短文本间的相似度。将所提方法应用于4个数据集,实验结果表示,该方法比传统的文本聚类算法具有更好的效果。

福建种海带分阶段采度夏苗和培育的试验报告

我省每年室内低温培育种海带孢子囊的成熟期和采夏苗孢子的时间，均在8月下旬或8月底。此时正值高气温季节，水温高，育苗周期长达100天，不仅培育费用大，而且夏苗在这阶段培育中经常很容易出现一些病害。若能把种海带培育的成熟周期延长，