基于局域网的电力系统分布式计算及管理

依据电力系统的特点，提出了一种基于网络的分布式计算方法及计算管理，可有效使用网络内的空闲资源，提高系统的资源利用率，不影响原有系统的可靠性及稳定性，介绍了该系统的基本原理和实现方法，并与常规方法相比较，介绍了该系统的性能指标。     

一种基于语义优化非单调推理的方法

文章从一个例子出发,分析非单调推理产生不一致的原因,以及语义距离的作用。介绍了怎样在推理过程中利用语义信息的规则和方法,使用概念类的本体关系计算语义相似度的方法,并用实例加以说明。     

一种基于AIN的故障诊断专家系统及其鲁棒性分析

介绍了基于神经网络方法实现的故障诊断专家系统以及电网故障诊断运行实例，比较了基于规则的专家系统方法和基于神经网络方法的实时性及推理鲁棒性，并分析了两种方法的优点及不足。     

一种在数据网格中的快照管理的量化分析方法

从数据库的观点看,在执行单一查询前进行复制数据集是容易实现的,但查询处理器指派一次查询给那些没有充分操作和存储合适副本的结点时,从而引起在同步机制中副本快照经常过时和副本定位时带来昂贵的网络开销。讨论一种在全局数据网格中多个结点的非一致性及快照管理的量化分析方法。     

网格环境下基于分布式数据流频繁模式的数据更新算法

网格环境下,分布式数据源的更新一致过程无法实现．通过计算分布式数据流的频繁项,进行有选择的数据更新清洗,是当前研究的热点．本文提出MDF算法（Mining Distributed Frequent items）,计算分布式数据流的频繁项,用以满足诸如更新频繁和查询频繁的数据更新需求．算法采用根节点和节点独立处理的方式,使用简单的位串操作和频繁项副本政策,极大的减小了各节点的计算负载．同时对节点的频繁阈值设置给出了准确的计算公式．用实际数据对算法进行检测．实验结果证明,MDF算法有效的计算分布式数据流频繁项,提高了网格环境下数据更新的效率．     

母线负荷综合特性的神经网络模型

电力系统负荷特性对系统的电压稳定及暂态稳定分析有着重大影响。传统的方法是用数学模型来描述静态或动态负荷，但由于负荷自身所具有的随机因素及不确定性，这种方法在描述的精确程度以及响应速度上尚有一定缺陷，本文提出了一种具有混合负荷但已知负荷分量的神经网络母线负荷综合特性模型及其建模方法。     

一种电网调度中心的故障信息识别方法

故障信息的误发、误传及丢失是影响电网调度中心运行人员准确识别故障的重要因素，并可能导致事故的扩大。文中介绍了一种实现故障信息数据滤波的方法，该方法将SCADA系统采集的数据作为数据基，建立动态数据库，以时间为索引，运行方式状态为参照知识库，生成剔除了不良信息的、可用以进行故障识别的动态数据链。文中描述了该方法的理论依据和实现方法。     

地区电网警报处理及故障定位专家系统

随着以计算机为中心的电网调度自动化系统的引入,进入地区电网调度中心的信息量发生了巨大的变化,在复杂故障状态下涌入地调的大量信息,大大增加了运行人员判断和处理故障的难度,从而提高了事故扩大的概率。介绍一个用于地区电网调度中心计算机系统的电网警报处理和故障定位专家系统。该系统以ＳＣＡＤＡ系统采集的故障数据为数据基,根据断路器、继电保护、隔离开关的状态,首先进行数据的滤波,然后启动依据规则的专家系统进行