悬浮泥沙浓度的测量

本将分析悬浮泥沙浓度测量的几种方法的原理及进展，为悬浮泥沙浓度测量的进一步创新研究和河口海岸研究中新技术的运用提供科学的依据和建议。     

电气隔离在PLC控制系统上应用的研究

对电气控制线路的各种隔离进行了详尽的分析讨论，提出了抑制干扰而采取的电气隔离的技术措施，从而保证电气设备的正常工作。     

电力无线专网宏微协同组网中小区协作式故障检测

为了应对电力系统的数据流量增长、提升电力用户体验,电力无线专网系统将由密集部署的宏微小区组成,而网络中的故障小区会带来覆盖盲点从而影响网络服务质量.为了解决电力无线专网宏微协同组网中基于人工的故障检测方式效率低且成本高的问题,提出了一种基于迁移隐马尔可夫模型(transfer learning based hidden...     

论电路实物模型在高职课堂教学中的应用

电气专业的知识十分广泛,涉及的专业课程学习难度较大。学生学习没有兴趣,甚至根本放弃学习,无法保证教学质量。而教学质量是如今高职学生就业的一项重要保障,因此,在课堂教学中适时地引入电路实物模型,包括图片、影像等资料、模具类模型或者现场教学与课堂教学相结合等多种方式,将抽象空洞的理论转变为具体实在的生活里看得见摸得着得模型,使得原本枯燥乏味的内容变得易学好懂,从而确保教学质量,一定程度上提升就业率。这样的方式完全可行且十分必要。     

配电自动化无线专网中基于干扰抑制的小区深度覆盖和频谱分配策略

针对配电自动化系统宏微同频组网方式下的小区深度覆盖和资源分配问题,通过联合考虑宏微基站间联合传输、宏基站动态几乎空白子帧(almost blank subframe,ABS)配置和微小区间合并,构建了一个以最大化网络加权和速率为目标的非线性优化问题,进而提出一种基于干扰抑制的小区深度覆盖和频谱分配算法.该算法根据网络当...     

基于AMCNN-LSTM的电力无线接入专网异常流量检测

为了减轻电力无线专网系统因网络业务增多而带来的网络攻击以及异常流量入侵的安全事故隐患,提出了一种基于注意力机制的卷积-长短期记忆网络(convolution-long short-term memory network based on attention mecha-nism,AMCNN-LSTM)模型.该模型为避免序列特征稀疏分布的问题,采用卷积神经网络(convolutional neural net-work,CNN)提取时间序列数据特征并转化为维度固定的稠密向量;为防止记忆丢失和梯度分散问题,使用融合注意力机制的CNN单元来捕捉重要的时间序列细粒度特征;将CNN提取局部特征与长短期记忆网络(long short-term memory network,LSTM)提取序列特征的优势相结合,对电力接入专网流量数据进行异常检测.通过在电力网真实数据集上实验表明,基于注意力机制的算法能够在150轮次迭代下达到89.14％的召回率及89.67％的综合F-meas-ure得分.所提出的模型能够及时、准确地检测电力网络异常流量,有效提高检测效率及准确度.     

电网企业数字化转型成熟度评估理论及应用

针对现有企业数字化成熟度评估模型的所选取指标不全面、主客观权重设定不合理等问题，提出基于电网企业的数字化转型成熟度评估模型。考虑影响电网企业数字化转型的关键因素，构建电网企业数字化转型成熟度评估模型指标体系；利用层次分析法和反熵权法，完成评估指标主客观权重的计算。在此基础上，结合动态反馈的思想，运用面板门限模型，将主客观权重的占比与相应阶段的动态目标深入融合，使评估结果的准确性得到极大提高。案例分析表明，该模型可以实现基于各阶段目标的动态调整，保障电网企业数字化转型成熟度评估结果的准确性，为优化电网企业数字化转型路线提供决策支持和理论支撑。