小样本学习技术在新型电力系统中的应用与挑战

数据驱动已成为新型电力系统建设及其数字化转型的核心范式,相关算法在负荷预测、状态检修、多主体调控等多项业务中展现出优越的工程效果与应用潜力。然而,实际工程数据往往面临着样本不足、样本不平衡等问题,制约了数据驱动算法的最终效果。因此,需要借助小样本学习来应对这一挑战。文中从数据、特征、模型3个层面探究了小样本学习技术,综述并分析了相关技术在场景生成、故障诊断、电力系统暂态稳定评估等业务的应用现状,并进一步指出小样本学习技术在新型电力系统中所面临的不足与挑战。

考虑信息泄露影响的光纤传感网络传输数据安全导入方法

为了提高对光纤传感网络传输数据安全传输能力,提出基于信息泄漏加密传输的光纤传感网络传输数据安全导入方法。采用离散混沌时间序列同步调制方法实现对光纤传感网络传输数据导入过程中调制编码处理,根据混沌随机编码特性实现对光纤传感网络传输数据过程中的同步输出稳定性调节和自主随机编码,构建光纤传感网络信息传输泄漏抑制的加密密钥,通过Logistics映射实现对光纤传感网络传输数据导入过程中的信息泄漏加密重传,根据光纤传感网络传输数据的混合敏感密钥表征和算术编码,实现信息泄漏控制和数据安全导入。实验结果表明,采用该方法进行光纤传感网络传输数据导入的加密性能较好,其光纤传感网络传输数据已加密比特序列的识别率为98%,误码率仅为2.7∗10-9%,抗泄漏能力达到了0.970,并且导入后的数据完整度达到了0.996,说明该方法具备了较强的加密效果、抗泄漏能力,实现数据的安全导入和加密传输。

基于迁移学习图像识别的桥梁监测数据异常检测方法

为了改善桥梁结构健康监测数据多模式异常检测难以全覆盖的问题,提出了基于迁移学习图像识别技术的数据异常检测方法。首先,绘制结构应变和温度数据时程图,统计分析数据日周期变化规律,并标记异常类型作为训练集;通过图像仿射变换实现数据增强,减少网络对不平衡数据集的过拟合。其次,以AlexNet预训练网络为基础,选择迁移学习策略,建立多个对比模型用于分析不同优化算法、初始学习率、Dropout取值和结构轻量化对网络识别结果的影响;以模型分类准确率、训练速率和内存需求作为评价指标,获得性能优越的监测数据异常检测深度网络模型,模型对试验数据的异常分类准确率可达95.5%,体量可缩减94.7%。最后,基于优化模型编译数据异常检测模块,并以某斜拉桥一个月的监测数据为例进行验证,验证集准确率为98.0%。所提方法准确率高、计算速度快、内存需求小,方便应用于桥梁健康监测数据预处理平台。

压缩感知字典迁移重构的小样本轴承故障诊断

针对实际应用中智能轴承故障诊断面临标签样本严重不足的问题,提出一种结合压缩感知、字典学习和迁移的数据增强算法,用于小样本故障诊断研究。首先,利用源域标签数据通过小波包字典学习和优化方法生成特定源域字典,并得到共享表示系数,获取故障内在信息;之后采用少量目标域信号微调共享表示系数,并更新源域字典生成迁移字典;最后通过共享表示系数和迁移字典生成大量具有目标域特征的新样本,实现数据增强。采用常用的深度故障诊断网络对该数据增强算法进行了诊断性能验证,结果表明该方法产生的信号具有故障的有效信息,用于模型训练和识别能够取得较好的诊断性能。该方法为小样本故障诊断问题提出了新的思路。

基于NanoDet-SimAM小尺寸松材线虫病受害木检测

针对小尺寸松材线虫病受害木检测精度及检测效率低的问题,提出了一种融合深度网络和注意力机制的小尺寸松材线虫智能检测模型。采用无人机(UAV)搭载小型相机在220 m高度拍摄小尺寸松材线虫受害木图像,应用图像旋转、缩放、添加高斯噪声和模拟光照强度等数据处理方式扩充数据集,设计轻量级深度网络NanoDet和SimAM注意力模块融合模型NanoDet-SimAM对小尺寸松材线虫受害木进行精准检测。结果表明,该模型相较于Faster R-CNN、Yolov4、Yolov5s及NanoDet等检测网络模型,具有更高的检测精度、速度和稳定性。

基于LeNet5like的迁移学习风电机组叶片覆冰故障诊断研究

针对海上风电场和高海拔地区风机机组的叶片覆冰故障模型精度低、建模速度慢等问题,提出一种基于LeNet5like的迁移学习风电机组叶片覆冰故障诊断方法。首先,整合监控和数据采集系统的记录数据与风机覆冰情况进行预处理,建立训练数据集;其次,基于改进后的LeNet5like网络构建覆冰故障诊断模型,提取数据集中多变量间的相关性特征信息;然后,经网络参数微调迁移学习对模型进行训练,实现对其他风机覆冰故障诊断模型的快速建立;最后,经实验验证,该模型覆冰故障诊断准确率为98.90%,较无迁移模块网络训练时间缩短28 s,提升约15.91%,验证了基于LeNet5like的迁移学习风电机组叶片覆冰故障诊断方法的精确性和快速性。

基于区块链技术的Web服务器数据加密方法

为了提高Web服务器数据的安全性,文章提出了一种基于区块链技术的Web服务器数据加密方法。先进行Web服务器数据去重,以减少冗余数据,建立安全传输协议,通过智能合约、生成和分发密钥实现数据的加密传输,确保数据在传输过程中不被未经授权的第三方截获或篡改。利用区块链技术加密访问控制,保障数据的安全访问,实现数据的加密。实验结果表明,该方法的安全系数始终保持在0.98以上,证明了该加密方法的可靠性。

基于YOLOv8和迁移学习的垃圾分类方法

垃圾分类对于有效的废物管理、促进回收利用和减少环境污染发挥着至关重要的作用。本文提出了一种利用YOLOv8图像分类模型进行垃圾分类的方法,结合迁移学习和数据增强方法,在华为垃圾分类数据集上训练YOLOv8模型。实验结果表明,采用基于ImageNet上的YOLOv8图像分类模型在华为垃圾数据集上进行迁移学习,收敛速度快,分类准确率达到89.79%,在对数据集进行数据增强后,采用迁移学习方法训练,分类准确率进一步提高到91.02%。该模型集成到垃圾分类回收设备中,可提高垃圾分类回收的效率,减少回收成本。

个人信息出境的国内法规制路径及体系化完善

数字化个人信息的大规模跨境传输使得个人权益、公共利益和国家安全利益受损的风险加剧,国际社会尚未达成统一法律规范予以应对。为维护国家数据主权、促进数据产业发展与保障个人信息安全,各国选择以国内法规制的方式对个人信息出境予以监管,具体表现为国家专门立法、联盟统一立法与国家分散立法。我国通过专门立法规制个人信息出境,形成了“硬性”与“软性”两轨监管机制,但存在分轨监管内容交叉、公私共治监管尚未形成的问题,阻碍个人信息的安全出境。在统筹推进国内法治和涉外法治的背景下,我国应以系统观念加强个人信息出境监管建设,从主体上发挥公私体系的协同性,从规范上强化攻防体系的均衡性,从空间上增进内外体系的互动性,为促成个人信息跨境规制的多边共识贡献中国智慧。

空间自回归模型下不完整大数据缺失值插补算法

针对不完整大数据因其自身结构具有不规则性,导致在进行缺失值插补时计算量大、插补精度低的问题,提出空间自回归模型下不完整大数据缺失值插补算法。利用迁移学习算法在动态权重下过滤出原始数据中冗余数据,区分异常和正常数据,提取残缺数据,采用最小二乘回归对残缺数据实施修补。将缺失值插补分为3种类型,分别为一阶空间自回归模型插补、空间自回归模型插补和多重插补法。根据实际情况将修补后数据插补到合适的位置,实现不完整大数据缺失值插补。实验结果表明,所提方法具有良好的缺失值插补能力。

水平连铸结晶器内真实换热边界计算及传递模型

连铸结晶器内冷却水的流动、传热和金属液的传热、凝固全耦合计算时,模型计算效率低、收敛性差,而不考虑真实冷却水流场只进行金属液传热-凝固耦合时,模型计算精度较低,可将冷却水流动-传热和金属液传热-凝固过程分别建模,并基于二次开发的温度场量原位传递程序,将模型串联耦合。结果表明,通过耦合流场计算得到的真实冷却边界替代传统均匀界面换热系数的边界条件施加方式,在保证模型计算效率和计算精度的前提下,可准确模拟铸坯晶粒的尺寸、取向和数量,经试验验证,模拟结果与试验结果高度吻合。

面向边缘光算力网络的上行链路资源协同调度算法

为满足冷、热业务实时、高效的算力调度需求,提出一种基于自适应噪声完全集合经验模态分解(CEEMDAN)与时间卷积网络(TCN)的算力负载预测模型(简称C-TCN模型),并设计了基于C-TCN与Q学习的资源协同调度算法(CTQ算法),利用C-TCN模型提前感知下一时刻负载变化,通过Q学习协同调度波长与存储资源,寻找最佳波长划分与边缘存储分配方案。实验结果表明:CTQ算法的调度性能不仅优于现有调度算法,能满足冷、热业务调度性能要求,而且还能提高波长利用率。

化学新药研发企业对临床试验用药品委托制备的研发质量管理实践

临床试验用药品是化学新药研究与试验发展(以下简称研发)过程中里程碑式的产品,其制备的质量直接影响到临床受试者的用药安全性和临床试验结果的有效性。为确保临床试验用药品在委托制备过程中安全、有效且质量可控,本文阐明了化学新药药学研究在不同阶段下的研究重点,深入分析了工作中对临床试验用药品委托制备的质量管理所遇到的问题,探索出以“技术转出资料管理”“委托合同”“质量协议”三位一体,协同对临床试验用药品委托制备研发质量管理的模式,以期为新药研发企业的研发质量管理提供借鉴与思考。

基于数据集蜜点的抗损毁数据标识技术

数据标识是实现数据精准监管的前提条件,有效地保证了数据要素在跨域流转过程中的安全.当前已有针对单一数据的标识生成方法,但是随着数据规模的不断扩大,数据层面的数据标识无法直接应用到数据集层面,并且会带来标识“易损毁”和标识“难嵌入”的问题.为有效解决上述问题,通过沿用方滨兴院士提出的“护卫”模式中网络蜜点的设计理念,借助欺骗防御的思想提出数据跨域流转场景下基于数据集蜜点的抗损毁数据标识技术,设计并形成一套完整的数据集蜜点生成和嵌入方法.首先,针对数据跨域流转场景设计了数据集蜜点,并通过增强数据集蜜点的隐蔽性和增加数据集蜜点冗余的方式解决标识“易损毁”的问题.其次,通过保证数据集蜜点形态与真实数据密不可分,解决标识“难嵌入”的问题.最后,通过在图像和加密文本2个数据模态下进行实验,验证了数据集蜜点具备高抗损毁、高鲁棒和低性能开销的特性.

欧盟数据治理中的“一站式”监管:运行机制、实施困境及启示

《一般数据保护条例》的实施改变了欧盟数据治理法律碎片化的状态,欧盟国家数据保护机构以多种合作机制增强执法的统一性和权威性。“一站式”监管机制是保证欧盟成员国间共享权限的结构化合作方式,由领导型监管机构牵头开展数据跨境案件的执法,遵循闭门协商和客观标准两个原则,具有重要的执法管辖协调作用。但目前该机制的运行存在程序不透明及效率低下的问题,可能导致管辖竞择现象的出现,影响各成员数据保护机构的独立性。我国应当在司法层面积极回应欧盟的监管工具输出,通过数据合规部署全球数字经营战略,同时反思我国数据保护机构的设置与职权分配,借鉴“一站式”监管中的管辖协调机制,改革我国数据保护领域的“多头治理”模式,切实提高数据领域的执法水平。

数据驱动的电气工程因材施教育人模式研究

大数据正在成为推动教学创新的关键力量,提出数据驱动的电气工程因材施教育人模式。首先以终为始制定新工科下创新型电气工程师的培养目标;课前采用Kolb学习风格量表建立学生的学习风格模型,开展五阶段混合式教学和分组分层教学,促进学生全员进步;采用基于关系的迁移学习智能算法,将大数据挖掘的优势领域中的逻辑知识和能力关系迁移到薄弱领域,教师给予个性化指导,最终实现以数据驱动的大规模因材施教。

面向民机标模的宽域高雷诺数小样本气动建模方法研究

目前飞行雷诺数下复杂工况地面试验需要的运行成本极高,高雷诺数流态下的试验数据少而稀,变雷诺数气动力精确模化存在严重的数据不均衡和小样本问题,因此,气动仿真精度亟待提升。为解决变雷诺数气动力获取成本与模型精度之间的矛盾,聚焦后续飞行器设计的降本增效,以CHN-T1运输机标模为研究对象,通过数据融合和信息迁移两大策略,降低了预测模型对高雷诺数样本的依赖,实现了宽域高雷诺数小样本气动特性的快速预测。本研究利用覆盖亚跨声速、百万至千万量级变雷诺数下的18条气动力曲线构建了宽域变雷诺数气动数据集,设计了涵盖不同速域、雷诺数和马赫数外插等多种复杂度的算例进行分析验证,将仅利用单一来源试验数据构建的模型精度作为基准,对比了不同方法的特点。结果表明,利用10条左右的高精度气动力曲线作为建模数据时,采用基于神经网络的数据融合方法得到的气动预测模型均方根误差可降低50%以上,信息迁移方法得到的气动力预测模均方根误差也可降低至少40%。

基于随机增强Swin-Tiny Transformer的玉米病害识别及应用

针对图像识别中获取全局特征的局限性及难以提升识别准确性的问题,提出一种基于随机增强Swin-Tiny Transformer轻量级模型的图像识别方法.该方法在预处理阶段结合基于随机数据增强(random data augmentation based enhancement,RDABE)算法对图像特征进行增强,并采用Transformer的自注意力机制,以获得更全面的高层视觉语义信息.通过在玉米病害数据集上优化Swin-Tiny Transformer模型并进行参数微调,在农业领域的玉米病害上验证了该算法的适用性,实现了更精确的病害检测.实验结果表明,基于随机增强的轻量级Swin-Tiny+RDABE模型对玉米病害图像识别准确率达93.5867%.在参数权重一致,与性能优秀的轻量级Transformer、卷积神经网络(CNN)系列模型对比的实验结果表明,改进的模型准确率比Swin-Tiny Transformer,Deit3_Small,Vit_Small,Mobilenet_V3_Small,ShufflenetV2和Efficientnet_B1_Pruned模型提高了1.1877%~4.9881%,且能迅速收敛.

跨境数据的数字安全产业研究:场景分析与未来发展

自2016年欧盟颁布《一般数据保护条例》以来,各国相继制定了不同的数据跨境法律条例,这对跨国企业的生产经营产生了深远影响。现有研究多从政府政策制定角度进行分析,对于企业自身在数据跨境方面所面临的变革,尚未有深入的研究。从数字安全的产业角度出发,系统分析金融、医疗、互联网和智能汽车四大数据跨境场景,据此深入探讨数据跨境的未来发展,为数字安全产业的发展方向提供指导。

移动互联网背景下跨境数据转移的安全问题分析

随着移动互联网的快速发展和全球数据流动的日益频繁,跨境数据转移涉及的数据收集、存储、使用等环节面临着加密问题、终端安全问题、API安全问题等威胁。文中探讨了数据收集、存储、使用过程中的主要安全隐患,提出了设计跨境数据转移管理机制、建立跨境数据转移安全渠道等防护措施,旨在为相关从业人员提供指导建议,确保跨境数据流动的安全性和高效性,促进全球数字经济的发展。