联合新浪微博 海信推出物联网空调

2013年9月25日,海信董事长周厚健对全国媒体表示:"移动交互将快速改变家庭生活。海信将利用已经掌握的先进技术,用‘网络’把家庭中的海信产品连接起来,形成互联的海信。"在周厚健提出这一战略前的两天,"互联的海信"推出了使用新浪微博遥控的物联网空调。9月23日,海信与新浪微博共同召开合作发布会,推出2款植入新浪微博的智能空调,用户可通过微博控制空调。目前,这两款产品已在北京、上海、广州、南京     

基于LSTM和非参数核密度估计的风电功率概率区间预测

高精度的风电功率点和区间预测可以为电网优化配置带来更多信息。提出采用长短期记忆（LSTM）网络实现风电功率的点预测,并基于该网络生成1组风电功率预测误差数据集,采用渐进积分均方误差准则的窗宽优化方法实现非参数核密度的估计,求出不同置信度下的风电功率波动区间。实验基于美国某风电场历史数据,通过与BP, Elman神经网络和SVM对比,验证了LSTM网络预测精度更高;基于LSTM网络预测生成的误差数据集,与高斯模型及随机窗宽非参数核密度估计模型相比,结果说明了所提最优窗宽非参数核密度估计模型具有更贴近真实的预测误差分布。     

应用聚类分析与非参数核密度估计的空间负荷分布规律

空间负荷预测是配电网规划的前提和基础。针对现有研究偏重对预测方法的理论创新和精度提升,缺乏对各地各类空间负荷分布规律研究的不足,提出一种基于聚类分析与非参数核密度估计的空间负荷分布规律研究方法。以浙江电网为例,对调研采集的空间负荷按城市发展类型、用地类型进行二级划分后,利用基于非参数核密度估计方法提取各类样本负荷密度的典型分布特征,结合实际对浙江11个城市的工业、商业、居住等多类空间负荷的分布规律进行分析研究,为配电网规划提供可靠支撑。     

一种基于核空间局部离群因子的离群点挖掘方法

提出了一种基于核空间局部离群因子（KLOF）的离群点挖掘方法。该方法通过核函数将数据集映射到特征空间,然后在特征空间计算每个模式的局部离群因子。该方法继承了基于密度的局部离群因子（LOF）的优点,可以定量地描述每个模式的离群程度;同时又克服了LOF的不足,对线性不可分的数据,可以取得比较好的分析结果。通过两个仿真的和两个真实的数据集对KLOF及LOF方法进行了比较,结果表明,KLOF具有适应的数据集范围宽,识别率高等优点。     

新媒体语境下的微信营销模式分析

微信众多功能为客户提供了方便,因而微信逐步成为了人们的一种移动社交网络,它不仅支持语音短信及文字短信的交互,用户还能通过LBS（基于用户位置的社交）搜索身边的陌生人与其互打招呼,打破熟人社交的固化模式,将您身边的人集中在一个平台中进行互动,大大颠覆了传统社交渠道,因此,通过微信开展网络营销已经越来越受到人们的重视和使用。开展微信模式的网络营销,主要是借助微信的各项功能,以及通过微信搜索到庞大的好友群体;微信让企业足不出户就可以锁定企业的潜在客户群聚集地,利用微信营销系统向潜在客户群即时发送文字、图片、音频甚至是视频等。我认为微信营销正逐步提升传统的手机营销模式,将原来的短信海量群发模式逐步升级为交互性的营销行为,根据冯海超先生在《互联网周刊》文章中指出的微信五种营销模式,我总结了以下五种转变模式。     

城乡配电网络接线方式设计研究

随着城乡经济迅速发展,配电网络接线方式对地区经济持续发展有重要影响。通过对国外发达城市配网结构研究,并结合我国大型城市配网发展状况和宜昌城区配网结构,针对宜昌市点军区配电网络实际情况,对快速发展的城乡地区中压配网接线方式进行分析探讨。     

基于小波和长短期记忆混合神经网络的电力用户异常用电模式检测

为了约束输配电系统中存在的异常用电行为,文中提出一种基于小波和长短期记忆混合神经网络的电力用户异常用电模式检测模型。提出异常用电模拟算法用于生成异常用电数据序列;利用长短期记忆网络构建特征提取网络,从用电数据中提取出不同的序列特征;以小波神经网络为核心构建模式映射网络,实现序列特征到用电模式的映射,完成异常用电模式检测。通过CER Smart Metering Project数据集测试,文章提出的异常用电检测模型与传统网络模型相比,具有更高的检出率、更低的误检率和更高的贝叶斯检出率。     

基于灰色分析的集抄数据异常判定

提出综合缺陷分析和失真分析的集抄数据异常判定流程,着重针对目前用电量环比波动率判据的不合理性,运用灰色分析理论构建集抄数据失真判定的两阶段法:第一阶段通过电量折算削弱季节变迁对用电环比波动率的影响;第二阶段实施灰色关联度分析判定用电模式稳定性,对用电模式稳定的用户采用灰色距离测度法估计月用电量合理区间,以此作为集抄电量异常判据。对上海市北地区8 643个计量点2015年7月的集抄数据分析,结果表明所提方法能降低气候变化或特殊用电模式造成的集抄数据异常误判,合理降低复核工作量、提高出账率;所提方法还可同时找出窃电可疑用户、一定程度上克服集抄环境下的窃电隐蔽问题。     

社交网络中用户个人信息安全保护研究

随着社会经济的发展,科学技术水平逐渐提高,社交网络的应用越来越广泛,社交网络平台数量也有所增多。人们在使用社交网络的同时,对个人信息的安全保护非常重视。因此加强社交网络用户个人信息安全保护,是保障用户隐私安全和合法权益的必要手段。     

基于信息挖掘技术的大学生微博行为研究

本文将信息挖掘技术应用于大学生微博分析,以江南大学在校生为研究对象,通过收集学生的微博数据,对微博内容和行为进行分析,力求以真实的微博数据为依据,客观地反映当前大学生微博的使用现状,并探究不同群体大学生的微博行为差异。     

城市EV时空充电负荷预测及充电站规划研究

针对目前城市电动汽车（electric vehicle, EV）充电站存在盲目建设、规划不合理导致的部分充电站利用率低、用户充电满意度低等问题,同时为适应“双碳”目标下发展大规模EV的充电站规划需求,提出一种基于蒙特卡洛模拟和回声状态网络（echo state network, ESN）拟合的城市EV时空充电负荷预测方法,进一步开展EV充电站规划研究。首先考虑城市交通路网结构和区域主要功能,将待规划区域进行网格划分并作为待建充电站备选位置;利用蒙特卡洛方法对各类EV进行多种模式的出行链模拟,获取各网格区域内的EV充电负荷数据集;为拟合各网格内EV充电负荷的多样化分布特征,建立基于回声状态网络ESN学习算法的EV时空充电负荷预测模型,实现一定EV保有量下待规划区内EV时空充电负荷的预测。进一步考虑待规划网格区域内的最大充电预测负荷等约束条件﹑以充电站的建设和运维成本、EV用户充电出行成本以及配网损耗的综合成本最小为目标,建立EV充电站的规划模型,利用粒子群算法进行模型求解得到待规划区的充电站建设位置、数量及容量;最后以某城区EV充电负荷预测及充电站规划为例进行计算,验证了所提方法及模型的...     

光伏电源输出功率的非参数核密度估计模型

针对现有光伏概率建模中需要假设参数分布和不能全面考虑各种随机因素影响的缺点,提出基于非参数核密度估计理论直接建立光伏电源输出功率的概率模型,并提出一种不依赖总体真实分布的最优带宽改进模型和基于拟合优度检验及后验检验的综合检验指标。选用日照条件相差较大的重庆及杭州地区光伏电源的实测数据进行仿真分析,验证了所提核密度估计概率模型和带宽选取方法的正确性、有效性以及对不同光伏电源随机特性的适应性。     

“冰箱门”门

9月底,拥有120多万粉丝量的@罗永浩可爱多发了一条微博,抱怨自己使用的一台国际一流品牌冰箱关门难,并在随后一个月内连续发数百条微博提及此事,成为新浪微博上的热议话题。期间,更有传统媒体介入,称之为＂质量门＂。     

基于高斯核密度估计的典型负荷曲线形态聚类算法

在电力现货市场结算过程中,获取市场化用户的实时电量至关重要。本文聚焦现货市场中非分时计量用户的电量分解,设计了一种利用典型负荷曲线获取分时电量的方法和流程。首先,选取样本用户,对样本用户计量数据进行预处理后得到完整样本典型负荷曲线。然后,文中提出一种基于核密度估计聚类中心的负荷曲线聚类方法,将kmeans算法原有的均值获取聚类中心升级为高斯核密度估计获取最大概率的聚类中心进行迭代计算,并将聚类中心曲线作为典型负荷曲线对不具备分时计量的用户进行日电量划分,划分至以15min为颗粒度的电量进行结算。最后,运用云南省样本用户计量数据,采用传统峰平谷比例分解、传统聚类算法以及本文改进聚类算法获取的典型负荷曲线进行电量的实时分解算例分析,结果显示,本文所提的改进kmeans算法具备更好的分类性能和较好的效率,同时所分解电量具备更高的准确性。     

上海中心城区35 kV变电站的紧凑型优化设计

土地紧缺地区变电站的紧凑型优化设计是城市电网发展面对的课题.针对上海中心城区土地紧缺的问题.介绍了35 kV变电站在国网公司典型设计方案的基础上,进行紧凑型优化设计的方案.通过采用先进的、小型化紧凑型设备和连接方式,进行紧凑型设计优化,使35 kV户内变电站各配电装置布置更为合理,提高了变电站建筑物空间利用率,大幅度减少了变电站的占地面积,提高了城市中心地区的土地利用率.     

基于双预训练Transformer和交叉注意力的多模态谣言检测

社交平台上文本和图像相结合的多模态谣言比纯文本谣言更易于误导用户，因此研究多模态的谣言检测方法具有重要意义。现有方法大多只是对各个模态特征直接进行向量拼接，忽略了模态间联系，不能充分利用多模态信息。为了解决上述问题，提出了一种基于双预训练Transformer和交叉注意力机制的多模态谣言检测模型：首先使用预训练的Transformer(BERT和ViT)分别提取文本单词和图像的特征，克服了训练样本小的局限性；然后使用交叉注意力机制将文本和视觉特征进行特征融合，充分地学习到两种模态间的潜在联系；最后将得到的多模态融合特征输入谣言检测模块进行分类。实验结果表明，该模型在Twitter和微博数据集上的检测性能均高于多模态基准模型，有效性和泛化性进一步提升。     

飞利浦照明发布全新物联网平台

正近日,飞利浦照明发布命名为Interact的全新物联网平台,可以帮助专业照明用户开启物联网时代智能互联照明的巨大潜力。该平台为客户提供基于数据服务的控制界面,将公司业务从照明产品延伸到照明系统以及服务。此外,来自第三方的授权数据可以通过Interact进行分析。例如,城市管理机构通过社交影响力界面分析新闻报道和社交媒体上对于大桥照明改造的评价,以及评估项目带来的社交效     

基于PCA-LSTM算法的非侵入式负荷辨识方法

了解用户负荷分布特征是智能电网建设的重要部分,非侵入式负荷监测(Non-Intrusive Load Monitoring, NILM)以其便捷、高效、成本低的优点被电力系统工作人员广泛认可。文中提出了一种基于长短期记忆网络的NILM方法,通过采集用户电力入口处的电流波形并进行数据处理,得到用户的负荷特征数据。使用主成分分析手段,减少负荷特征数量,提高运算效率。使用擅长处理连续数据的长短期记忆网络模型,在划分好的验证集与测试集上对模型优劣进行评价,以获得最优参数模型。预测实验结果显示,文中所设计的非侵入式负荷监测方法可以对包括小功率用电器在内的家用电器进行准确辨别。     

网络数字内容挖掘技术问题研究

综合考虑数据内容和承载数据内容的传播链，阐述了网络数字内容深度采集技术和深度挖掘技术。重点分析了多维特征下，对产生和传播数据的用户及其关系网的深度采集能力；社交网络穿透采集。讨论了网络数字内容挖掘技术的实践价值。     

基于自适应图注意力网络的短期用户负荷预测

为提高短期用户负荷预测精度,提出了一种基于自适应图注意力网络(adaptive graph attention network, AGAT)的短期用户负荷预测模型。首先,针对用户负荷存在规模小、波动性强的问题,通过门控机制结合多个大小不同的扩张卷积核来构造时序特征提取层,从多个尺度上提取用户负荷的高维时序特征。同时,考虑到不同用户负荷间潜在的动态相关性,使用马氏距离构造动态图学习层,生成动态图邻接矩阵。然后,采用图注意力网络根据动态图邻接矩阵将用户负荷的高维时序特征进行信息汇聚。最后,通过全连接层输出用户负荷预测值。为验证AGAT模型的有效性,采用UCI电力负荷数据集进行预测实验,分别与多种基线模型比较。实验结果表明,所提模型预测指标优于各基线模型,有助于提高短期用户负荷预测精度。