融合课程思政理念的区块链课程体系建设——以上海电力大学高水平通识课程为例

目前区块链课程普遍是面向计算机类专业开设的专业课程,结合所在高校工程教育实践特色的区块链通识课程建设处于起步阶段.本文以上海电力大学高水平通识课程"区块链技术导论"为例,着眼新工科工程教育要求、聚焦学校能源电力特色、融合课程思政理念开展区块链课程体系建设探索与实践.

面向计算机专业工程认证和课程思政需求的离散数学课程建设探索

随着工程教育专业认证的持续开展和课程思政的需求日益强烈,迫切需要根据工程教育专业认证和课程思政的双重要求,对计算机科学技术专业基础课--离散数学的课程大纲进行修订。文章围绕学生毕业能力的培养和"立德树人"的教育根本任务,对细化教学目标、紧扣毕业要求、分解课程内容、支撑毕业指标、采用问题导向、改革教学方法,打通课程体系、融入课程思政等方面内容进行了探讨。

基于改进粒子群算法优化LSTM的短期电力负荷预测

电力负荷数据具备时序性和非线性特征,长短时记忆神经网络(LSTM,long short-term memory)可以有效处理上述数据特性。然而LSTM算法性能对预置参数具有极大的依赖性,依靠经验设定的参数会使模型具有较低的泛化性能,降低了预测效果。为解决上述问题,提出非线性动态调整惯性权重粒子群算法(NIWPSO,nonlinear dynamic inertia weight strategy particle swarm optimization)与LSTM相结合的预测模型NIWPSO-LSTM。利用非线性动态调整惯性权重的方法来提升PSO的全局寻优能力,再通过NIWPSO对LSTM的参数进行优化。实验结果表明,NIWPSO-LSTM预测精度要远高于其他模型,验证了所提方案的可行性。

工程教育专业认证的计算机网络课程探索与实践——基于课程思政背景下的讨论

计算机网络课程是计算机类专业的一门专业必修课程,目前在具体教学实践过程中存在着不足以满足当前工程教育专业认证要求和“立德树人”教育根本任务的内涵要义的问题。为对接工程教育专业认证要求,融合课程思政教学理念,提出以强调工程实践的课程大纲修订、以强调案例引入的教学方案修订、以强调课程思政的教学过程修订的教学探索思路。通过课程建设,提高学生的工程实践能力,提高学生的德育素质,提升教学质量和效果。

创新实践驱动的计算机系统安全课程立体化教学体系构建

围绕网络空间安全人才的培养和提升学生创新实践能力的需要,以计算机系统安全课程为例,分析计算机系统安全课程特点,从基础—前沿—创新融合的模块化教学内容与基础—拓展—创新递升的实践体系两个方面,探讨符合创新实践能力培养的计算机系统安全课程的立体化教学体系,介绍教学体系构建过程。

融入“四个自信”的计算机类课程思政教学案例研究与实践

目前,在人文社科、管理类课程中开展课程思政的研究成果相对比较丰富,理工科课程则由于其自身的特点,相关研究较少。该文在分析工科课程中开展课程思政的难点基础上,提出了融入"四个自信"的计算机类课程思政教学案例设计思路,开展了相关教学实践,并给出了若干计算机类课程思政教学案例。

Wear-YOLO:变电站电力人员安全装备检测方法研究

针对传统变电站电力人员的安全帽、绝缘手套、绝缘鞋等安全装备的目标检测算法精度低,泛化性差,尤其针对是否佩戴绝缘手套检测难的问题,提出了一种改进YOLOv8的变电站电力人员安全装备检测算法Wear-YOLO。为了更好地学习复杂场景的语境信息,将YOLOv8的Backbone部分的C2f(CSP bottleneck with 2 convolutions)模块替换为融合Transformer结构的MobileViTv3模块,捕获长距离依赖关系和上下文信息,并与局部信息相融合,提升模型在变电站场景中特征提取的能力。同时为优化小目标检测效果,引入小目标检测层以增强网络对浅层语义信息的提取,从而提升模型对于未佩戴绝缘手套小目标的检测精度。采用WIoUv3改进边界框回归损失函数,引入动态非单调聚焦机制使得模型更专注于普通质量的锚框,从而提高模型检测的准确率和对于复杂情况的适应能力。实验结果表明,平均检测精度92.1%,对安全帽的检测精度96.8%,对佩戴绝缘手套的检测精度92.1%,对未佩戴绝缘手套的检测精度81.6%,对绝缘鞋的检测精度93.0%,并且在与经典目标检测模型Faster R-CNN、SSD、RetinaNet、YOLOv5的对比实验中具有更好的检测精度和鲁棒性。

面向新工科建设的大学生信息技术能力培养体系构建研究

随着信息技术的广泛运用,对新工科人才的信息技术能力提出了更高层次要求。该文通过对新工科人才信息能力要求的深度剖析,构建了面向新工科建设的大学生信息能力培养体系,以期更好地对接各应用领域对新工科人才的要求,有效提升新工科人才培养质量。

基于量子蚁群算法的配电网故障区段快速定位技术

分布式电源并入配电网已成为新型电力系统重要特征之一,分布式电源的接入与发电的不确定性使配电网潮流复杂多变,对配电网故障快速定位提出更高的技术要求.然而,现有智能优化算法在解决配电网故障区段定位问题时会出现收敛速度慢、易陷入局部最优等问题.针对这些挑战与问题,提出一种基于量子蚁群算法(QACA)的配电网故障区段快速定位技术.首先,根据状态逼近思想和最小故障集理论构建配电网故障定位的数学模型;其次,针对馈线终端单元上传信息缺失情况提出信息自修正方法,并提出分级定位模型来缩短定位时间;然后,提出3种改进技术对QACA进行针对性改进,改进量子旋转门更新机制,以函数控制形式动态调整旋转角大小,同时引入精英策略加快算法收敛速度.最后,在关键参数确定后验证了改进技术、信息自修正法、分级定位模型的有效性.将所提算法与7种不同算法进行对比,结果表明:改进的QACA可有效完成故障区段定位,具有良好的收敛速度、准确率以及容错性能.

基于侧链技术及优化DPoS机制的电能交易模型

在传统电能交易中,如何在庞大用户量背景下保证高运行效率和高安全性是个难题。提出一种基于区块链技术的新型电力能源交易模型。区块链技术的不可篡改性和可追溯性保障了电能交易的安全性。模型采用基于星际文件系统(Inter Planetary File System, IPFS)的数据存储方案,在保证数据存储安全性的同时,有效降低了存储成本。引入侧链技术,在主链和侧链上搭建双链结构的交易模型,既提高了该模型的运行效率,又降低了链上负载。模型采用基于信誉机制和奖惩机制的委托权益证明(Trusted-Delegated Proof of Stake, T-DPoS)共识机制,解决了传统委托权益证明(Delegated Proof of Stake, DPoS)机制中节点作恶的问题。经实验验证,T-DPoS共识机制通过限制恶意节点的投票行为,可以极大地提高模型的安全性和运行效率。

基于门控多层感知机和Informer的多通道电力负荷预测

在电力领域,利用时间序列方法进行电力负荷预测已成为众多研究的热点。为了解决电力负荷预测准确率低的问题,本文提出了融合门控多层感知器和增强因果卷积的多通道时间序列融合网络GMEC-Informer,提高了模型捕捉长短期时间序列信息依赖的能力。为了证明本文模型的优越性,本文在广泛使用的数据集上与多个模型进行了比较,实验结果表明本文提出的GMEC-Informer具有更高的预测精度,可以为时间序列预测提供更好的研究方向。

创新实践驱动的计算机系统安全课程立体化教学体系构建

围绕网络空间安全人才的培养需求和提升学生创新实践能力的需要,以计算机系统安全课程为例,分析计算机系统安全课程特点,从“基础—前沿—创新融合的模块化教学内容”与“基础—拓展—创新递升的实践体系”两个方面,探讨符合创新实践能力培养的计算机系统安全课程的立体化教学体系,介绍教学体系构建过程。

基于SARIMA模型的上海市中心城区共享单车需求预测

无桩式共享单车的出现与推广在减少碳排放的同时,带来了道路拥堵问题。如何高效、准确地进行交通流量预测已经成为人们关注的热点。利用2016年8月上海市中心城区摩拜共享单车数据,利用季节性差分自回归移动平均模型(Seasonal Autoregressive Integrated Moving Average Model,SARIMA模型)进行模拟和预测,再通过折线图的方式揭示共享单车需求量与时间之间的变化关系。研究发现,SARIMA(0,1,3)×(0,1,0)_(84)模型能够有效预测上海市中心城区共享单车的需求量。预测交通流量,可以缓解城市主干道的拥堵状况,提高市民的生活质量。同时,预测通勤需求可以平衡供需关系,为运营企业和用户提供更高效的服务,为政府规划提供决策依据。

“双碳”目标下“新型电力系统安全与密码学”课程建设探析

“双碳”目标是我国应对环境危机提出的新方向。新型电力系统是电力行业作为碳排放重头行业为推动能源转型打造的支柱项目,其网络安全的保障至关重要。“新型电力系统安全与密码学”作为全校选修课程,其课程建设面临着教学内容、模式、评价以及总结等多重挑战。文章从“双碳”目标出发,对课程建设工作进行了深入探析,目的是使学生经过课程学习后能深入理解“双碳”理念,结合新型电力系统学习到密码技术及其应用知识,为推动能源结构向绿色转型以及电力信息安全系统建设等方面的人才储备工作打下坚实的基础。

量子计算与蚁群算法相结合的配电网故障定位

针对智能优化算法在处理配电网故障定位问题时存在后期收敛速度慢、成功率低的缺点,提出基于量子计算与蚁群算法相结合的量子蚁群算法进行配电网故障定位。首先,鉴于馈线终端单元(feeder terminal unit,FTU)上传信息会发生畸变与缺失的情况,提出计及FTU漏报误报信息的分级定位数学模型;其次,介绍量子蚁群算法的基本原理及应用方案;最后,在MATLAB上进行仿真,验证量子蚁群算法及计及FTU漏报误报信息的分级定位数学模型的有效性。

基于VMD-DenseNet的短期电力负荷预测

针对电力负荷较为复杂的变化特性,以及现有预测算法未能充分利用数据中的特征、存在精度不足的问题,提出一种基于VMD-DenseNet的组合预测模型。通过VMD将原始负荷序列分解为趋势分量、细节分量和随机分量,并采用最大信息系数为各分量选取相关性较大的特征变量。引入一维DenseNet神经网络模型预测各分量负荷,通过密集连接实现特征重用,加强对各分量特征的提取。以欧洲某电网的负荷数据集为算例,分别在提前1 h和提前6 h两种不同的预测时间尺度下进行实验,结果表明提出的模型都能够更好地提取数据中的潜在特征,相较于其他模型具有更高的预测精度。

基于智能技术的电力系统负荷预测技术研究进展

负荷预测是智能电网安全领域的热门研究方向。智能技术应用到智能电网负荷预测领域取得了一系列研究成果。首先,对主流负荷预测技术进行总结;然后,将面向智能电网的传统负荷预测技术与近年来新兴的智能负荷预测技术进行对比,并详细介绍了两个领域中典型成果的基本原理和方法;最后,讨论了智能电网负荷预测技术仍需要解决的问题及未来的研究趋势。

新疆籍少数民族大学生的学习适应性研究——以上海某高校为例

文章首先阐述了新疆籍少数民族大学生学习适应性的重要意义,然后分析了新疆籍少数民族大学生学习适应性存在的问题及原因,最后从重视入学教育、关注个体差异和丰富校园文化活动三个方面提出了新疆籍少数民族大学生学习适应性的提升策略。

课程思政视域下大学生心理健康教育在线教学设计研究

开展大学生心理健康教育在线教学是教育信息化发展的必然要求,也是新冠肺炎疫情常态化防控下开展教学的有效手段。在此背景下,基于课程思政视域分析大学生心理健康教育在线教学的优势条件,汲取大学生心理健康教育在线教学的初步探索经验,从融合分化教学目标、价值引领融入教学内容、丰富灵活的教学形式等方面思考和优化课程在线教学设计,对推动大学生心理健康教育在线教学具有重要价值。

基于GAMP-MAP估计器的非对齐空中计算

现有的空中计算依赖融合中心的最大似然(maximum likelihood,ML)估计恢复来自不同设备传输信号的算术和,但在实践中,实现准确的信道增益预编码和设备之间的严格同步很困难,ML估计在非对齐空中计算场景中会遭受严重的错误传播,而且计算复杂度高。针对非对齐空中计算问题,设计了一个基于广义近似消息传递(generalized approximate message passing,GAMP)计算框架的最大后验估计器,即GAMP-MAP。该估计器使用传输符号数据的均值和方差作为先验以提高估计准确性,利用GAMP算法标量估计特性降低计算复杂度。在不同信道相位偏移和时间偏移下进行仿真实验,实验结果表明GAMP-MAP估计器的准确性明显优于ML估计器,其运行时间相对ML估计器和LMMSE估计器有显著下降。