一种作业弹性与截止时间感知的作业调度算法

针对采用MapReduce模型的大数据分析作业的调度问题进行深入研究，并分析现有任务调度算法的缺陷，现有算法没有考虑资源分配对于作业截止时间的影响，也未考虑不同类型作业截止时间的敏感性问题。因作业的完成时间随着分配资源的不同而改变，故称之为弹性作业，截止时间敏感性是指不同类型作业对截止时间要求的严格程度不同。针对以上问题，提出一种截止时间感知的弹性作业调度算法（DA）。该算法将作业依据截止时间敏感程度进行分类，在基于作业整体执行时间预测的基础上，通过调控不同的资源分配策略来改变作业完成时间，同时结合用户对于截止时间的需求及作业预执行的收益来提前规划作业的资源分配及调度次序使得整体收益最大化。将算法在仿真拥有210个物理节点的集群中进行实验，实验表明该算法满足了截止时间的限制并使得作业整体收益值平均提高了2.37倍。     

电力调度管理中信息技术的应用研究

现阶段经济高速发展,信息技术在人们的日常生活中也运用得越来越频繁。在电力调度管理中应用信息技术,有利于提升管理效率和管理水平,对确保电力调度的科学性及有序性具有重要意义,为高质量供电的实现提供了可靠保障。如何实现信息技术的有效运用,发挥其价值优势,是当下电力调度管理中的研究热点,该文对此展开探讨,希望可以为同行提供一些参考。     

石灰窑降尘改造应用实践

主要介绍本次罗源闽光石灰厂降尘改造中,对除尘设备、管道、清灰、窑上料喷淋及出灰车棚等方面进行升级改造的内容,并对其进行总结。     

基于深度学习的文本自动摘要方案

针对自然语言处理（NLP）生成式自动摘要领域的语义理解不充分、摘要语句不通顺和摘要准确度不够高的问题，提出了一种新的生成式自动摘要解决方案，包括一种改进的词向量生成技术和一个生成式自动摘要模型。改进的词向量生成技术以Skip-Gram方法生成的词向量为基础，结合摘要的特点，引入词性、词频和逆文本频率三个词特征，有效地提高了词语的理解；而提出的Bi-MulRnn+生成式自动摘要模型以序列映射（seq2seq）与自编码器结构为基础，引入注意力机制、门控循环单元（GRU）结构、双向循环神经网络（BiRnn）、多层循环神经网络（MultiRnn）和集束搜索，提高了生成式摘要准确性与语句流畅度。基于大规模中文短文本摘要（LCSTS）数据集的实验结果表明，该方案能够有效地解决短文本生成式摘要问题，并在Rouge标准评价体系中表现良好，提高了摘要准确性与语句流畅度。     

水电企业在新形势下的水库调度管理

本文以龙溪河梯级水电站水库和大洪河水电站水库为研究对象,列出了水电企业在新形势下做好水库调度管理工作的6个方面内容,即:确保水库安全度汛是水电厂的责任和底线;水文预报是基础;水文信息化是重要的手段;完善水库调度运用计划方案是必要措施;严格落实生态环保要求是水电企业主体责任;正确处理水库调度中的"六个关系".可为水库做好水库防洪减灾和经济运行工作提供参考.     

基于IEC 60870-5-104协议的调度命令发送方法研究

对IEC 60870-5-104协议的调度命令进行了研究，提出了一种基于现有IEC 60870-5-104协议的调度命令发送新方法。此技术充分利用了IEC 60870-5-104协议的文件发送功能，通过远程终端单元（RTU）向电厂发送包含调度命令的文本文件。考虑到调度命令在电力系统和电力市场结算系统安全方面的重要性，将该方法应用在电网调度自动化 SCADA 系统中，可以实现交换数据的更高可用性。     

流化床锅炉水冷壁偏磨原因分析及措施

炉膛水冷壁管的磨损问题是造成循环流化床锅炉事故停炉的主要问题之一。本文针对480 t/h循环流化床锅炉的后墙水冷壁偏磨问题进行分析,通过运行调整和技术改进等方面使水冷壁的磨损问题得到有效控制。     

负极添加NMP对电池性能的影响

锂离子电池负极浆料中添加N-甲基吡咯烷酮(NMP),在极片加热干燥时不能完全除去.残留的NMP吸附在石墨表面,使得SEI膜与石墨结合不牢固.研究了其对电池性能的影响,结果显示,在电池的循环过程中,SEI膜逐渐脱落,导致电池循环寿命缩短,但对电池的容量、内阻、倍率、存储等初期性能不影响.     

PDCA循环管理方法简介及应用

当今社会各行各业的竞争日趋激烈,如何能让自己的企业在林立的列强之中挣得一席之地,是每一位管理者都在探索和追求的,在这个时候,拥有一套好的管理手段,就会令自己在竞争中占据更多的优势,而PDCA循环管理方法就是行之有效的管理方式之一。     

基于深度卷积神经网络的工业循环冷却水系统运行状态预测

工业循环冷却水系统运行状态预测是维护工业设备正常运行的重要保障。为此，提出一种基于深度卷积神经网络的智能工业循环冷却水系统运行状态预测方法。该方法根据工业循环冷却水水质特征，使用工业循环水在线仪表采集pH值、碱度、硬度、氯离子等实时数据，设计了深度卷积神经网络框架，在每层网络中加入Dropout层，以避免神经网络训练过拟合。利用某电厂的实际水质测量数据对该方法进行有效性验证，结果表明，该方法的预测结果准确率可达94%，且泛化能力良好，优于现有其他方法。