基于多维数据的电力营销线损信息监控系统设计

来源 :微型电脑应用 | 被引量 : 0次 | 上传用户:kobe7751790
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
传统电力营销线损信息监控系统受到信息处理形态的影响,导致监控有效性较差.为了提高电力营销线损信息监控系统的性能,提出基于多维数据的电力营销线损信息监控系统.在多维数据运行原理的基础上,设计线损信息监控电路和线损信息监控传感器,提高监控系统对线损信息的处理能力.完成了系统的硬件设计.软件部分,精准确定电力线损位置,利用电力营销线损信息的采集和电力营销线损信息监控程序设计,完成了系统的软件设计,实现了电力营销线损信息的监控.测试结果显示,与其他两种传统监控系统相比,所设计系统的线损定位精度更好,能够监控更多的线损数据量,具有较高的实际应用价值.
其他文献
系统研究了机械炉排炉垃圾焚烧飞灰水洗过程中氯化物和重金属的浸出特性,并采用Visual MINTEQ模拟分析水洗液中重金属的存在形态.结果表明:飞灰中的氯主要以可溶性氯化钠(NaCl)、氯化钾(KCl)、氯化钙(CaCl2)、碱式氯化钙(CaClOH)的形式存在,飞灰水洗浸出成分97%以上为氯离子(Cl-)、钠(Na)、钾(K)、钙(Ca),其中氯离子占比高达60%;重金属及其他成分的浸出量很少,不足1%.水洗对氯离子的去除效果非常明显,可达92%以上,但是重金属的浸出量极低.飞灰单次水洗最佳条件:液固体
根据RNN神经网络与LSTM神经网络运行特征,优化LSTM得到变体GRU神经网络,并建立了GRU-SVM算法,并跟传统Softmax分类器进行了对比.通过实验测试发现GRU-SVM的dropout率为0.88,GRU-Softmax的dropout比例为0.81.GRU-SVM获得了比GRU-Softmax更短的训练时间,说明GRU-SVM具备更高训练效率.检测不同攻击类型的过程中,GRU-SVM算法表现出了比GRU-Softmax算法更高的精度,更低的误报率,从而降低入侵事件概率.本算法弥补了传统机器学
近期防止新型冠状病毒肺炎传染形势严峻,公共交通工具尤其是列车车厢内的疫情防控面临较大压力.门把手是乘客最常接触的物品之一,由其引起的接触感染是易被忽视但具有较大风险的病毒传播途径之一,现有人工消毒方式难以及时、彻底予以阻断病毒传播.因此,尝试利用可编程控制器技术与相关设备设计一种针对门把手的新型自动化智能消毒装置,以实现“一人一消”、提高消毒效率、降低传播风险,为列车车厢及其他公共空间内的物品消毒提供借鉴与参考.