适用于广域测量系统的实时数据并发访问同步算法

由于广域测量系统(wide area measurement system,WAMS)海量实时数据的大规模、高负荷并发访问,其采用的同步机制在很大程度上约束了系统的效率。针对于目前普遍使用的整体锁定机制带来的由于访问串行化导致的效率低下问题,提出了粒度可控并发访问同步算法(controllablegranularity concurrency synchronization,CGCS),该方法使用控制标志位建立基于子集超集依赖的锁定条件和先进先出等待队列,并可控锁定级别,实现对实时数据访问的互斥粒度粗细的任意控制,同时作用于整体文件、表、元组,进而任务可以最大化地并发执行。通过实验,给出了系统的并发处理能力和IO响应能力的测试过程和结果,证明了CGCS算法在并发高、访问散的情况下能充分发挥CPU的并行处理能力,使WAMS系统的效率得到大幅提升。     

一种基于小生境遗传算法的电网信息安全风险评估模型

信息安全保障对于电力信息物理系统安全稳定运行至关重要,其关键在于对电力信息物理系统进行全方位实时监控,并对采集到的海量监测数据进行分析以做出准确的安全风险评估结果。作为用于模式分类的进化算法,基因表达式编程(gene expression programming,GEP)算法由于其可以执行全局搜索而受到广泛关注,但其在高维度数据集下的运算极为耗时。针对上述问题,提出了一种基于小生境提高样本多样性的改进基因表达式编程算法用于电网信息安全风险评估,该算法首先利用粗糙集的思想,通过分辨函数求解最优属性对数据样本进行约简,再利用小生境模型提高约简样本个体的多样性以加快GEP算法运算的收敛速度,进而通过遗传算法实现全局搜索并得到安全风险等级评估结果。仿真实验表明,与传统的安全风险评估算法相比,提出的改进GEP算法具有较高的属性约简率和全局收敛率,可以快速实现海量监测数据下的电网信息安全风险评估。     

基于语义近似逼近技术的多代理协作

本体在多代理系统中起着重要的作用，它提供和定义了一个共享的语义词汇库。然而，在现实的多代理通讯的过程中，两个代理共享完全相同的语义词汇库是几乎不可能的。因为信息不完整以及本体的异构等特性，一个代理只能部分理解另外一个代理所拥有的本体内容，这使得代理间的通讯非常困难。本文就是探索利用近似逼近技术实现基于部分共享分布式本体的多代理通讯，从而实现多代理之间的协作查询。我们使用基于OWLweb本体语言的描述逻辑来描述分布式本体的近似查询技术。最终我们也开发了基于语义近似逼近方法的一个多代理协调查询系统。     

基于文本聚类的多文档自动文摘研究

针对当前自动文摘方法的不足,提出了基于文本聚类的自动文摘实现方法.可以克服常规自动文摘方法的不足,使文摘的质量和效果得到大大的提高.将文本聚类引入自动文摘中,不但使单文档的文摘质量得到提高,而且能够实现多文档的自动文摘,这是现有的自动文摘技术所没有涉及的.实现了面向"塑料"行业的基于文本聚类的自动文摘系统TCAAS.实验表明该方法可行, 对自动文摘系统的设计具有借鉴意义和深入研究的价值.     

面向电力系统的跨平台报表系统

介绍了一种针对电力系统应用特点的、具有跨平台优点的自动报表系统.该报表系统是一个针对电力系统周期性的数据采集汇总、数据统计分析为对象,运用J2EE(Java 2 Platform Enterprise Edition)开发的一种通用报表系统.与传统的报表系统相比,具有跨平台的优点、具有自动数据采集功能、自定义报表模板功能及分布式计算功能等.该报表系统在数据源的规划处理、跨平台的实现和对WEB的支持方面具有特色.     

面向电力系统的跨平台报表系统

介绍了一种针对电力系统应用特点的、具有跨平台优点的自动报表系统。该报表系统是一个针对电力系统周期性的数据采集汇总、数据统计分析为对象 ,运用J2EE (Java 2PlatformEnterpriseEdition)开发的一种通用报表系统。与传统的报表系统相比 ,具有跨平台的优点、具有自动数据采集功能、自定义报表模板功能及分布式计算功能等。该报表系统在数据源的规划处理、跨平台的实现和对WEB的支持方面具有特色     

机器人仿真通用试验平台的设计与实现

阐述了建立一种通用的机器人仿真试验平台的方法。首先介绍了VC 6．0，OpenGL和MATLAB三种软件各自的优点；其次把这三者的优点结合起来，建立通用的机器人仿真试验平台；最后通过建立移动操作手的运动仿真系统为例，证明了这种试验平台的优越性和有效性。     

基于shell命令的内部攻击检测

信息系统不仅面临着外部攻击的威胁,同时也面临着来自系统内部的威胁。本文针对系统内部攻击,首先对信息系统的内部威胁和内部攻击进行简要阐述和分析。基于用户操作行为的一般规律,提出几种检测模型,通过对比检测结果找出检测效果好的检测模型。基于SEA公开数据集,采用词袋、TF-IDF、词汇表以及N-Gram几种方法进行特征提取,使用不同的机器学习算法建立检测模型,包括XGBoost算法、隐式马尔可夫和多层感知机(MLP)。结果显示：测试样本采用词袋+N-Gram特征模型和XGBoost学习算法的精确率和召回率较高,检测效果最好。     

基于高斯混合聚类的电力工控系统异常检测研究

电力工控系统数据在时间维度上具有周期性,但其时间序列呈现多元高斯分布特性且周期长度不固定,这导致通过相似性度量来发现异常难以进行。针对上述问题,文章提出一种基于多元高斯聚类的电力工控系统异常时序检测方法。该方法首先获取电力工控系统流量数据,对其采用多元高斯分布混合算法实现时间序列的符号化,然后利用马尔可夫链从长度不固定的时间序列中提取出大小一致的状态转移概率矩阵作为数据特征,最后通过层次聚类方法计算样本的异常率实现异常检测。经实验分析表明,文章方法可以有效实现电力工控系统时序数据周期长度不同下的异常自动检测。     

一种电气设备状态诊断方法

随着电网技术的不断发展和电网规模不断扩大,电气设备数量激增、智能化程度越来越高;同时,终端用户对用电可靠性越来越重视,借助智能技术基于设备运行数据对设备进行故障诊断势在必行.本文以基于范例推理的理论(CRB)与支持向量机技术(SVM)为主要工具,提出了一种基于范例推理的电气设备状态智能诊断模型,试图通过电气设备已有数据的挖掘,获取电气设备故障的潜在发生规律,进而作为依据及时发现并排除电气设备的潜伏性故障.首先研究CRB和SVM在电气设备状态诊断中的应用;然后建立电气设备状态智能诊断模型,以电气设备的海量运行数据、历史数据、测试数据以及环境因素等为基础,建立电气设备的状态范例库,应用SVM回归对设备状态范例库进行深度的挖掘与分析,建立设备状态指纹,并以此为据进行电气设备运行状态的诊断分析;最后以油浸式变压器状态诊断为例,对实际数据进行分析诊断,并与三比值法的诊断结果进行比较.诊断结果表明,智能诊断模型诊断范围更广,诊断结果更准确.