分布式云存储的电力安全工器具管理研究

来源 :电气应用 | 被引量 : 0次 | 上传用户:woshizzh1713
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
供电企业创新型提高安全管理水平是供电企业发展的必然举措.注重电力安全工器具仓储过程管理已成为供电企业实现管理信息化、精益化的新趋势.研究了基于分布式云存储模型的电力安全工器具管理方法,通过使用智能化信息技术,构建了一种有效的电力安全工器具调度管理模型,实现了基于云模型的智能电力安全工器具的管理.
其他文献
目的:探讨医联体载体下“中医+”居家护理服务模式在老年慢病患者中的应用效果.方法:选择2018年在某医院接受治疗的老年患者64例为研究对象,随机均分为对照组与观察组各32例,对照组在出院时采取常规的健康教育,观察组在对照组基础上采取医联体载体下“中医+”居家护理服务模式,比较两组患者干预前后的管理效果.结果:干预前两组患者的自我管理能力评分比较差异不显著(P>0.05),干预后两组患者的自我管理能力评分显著高于干预前(P<0.05),干预后观察组的自我管理能力评分显著高于对照组(P<0.05).观察组患者
随着电力体制改革的不断深入,为争夺市场份额、吸引潜在用户购电并提高自身收益,售电公司愈发重视用户的用电体验.对用户日负荷曲线的聚类分析能够有效挖掘用户的用电行为特性,进而为售电公司提供决策依据.针对FCM算法运行时间较长、对初始数据敏感、容易陷入局部最优、需要人为给定类簇数以及聚类结果不稳定等问题,提出了一种基于奇异值分解(Singular Value Decomposition,SVD)和改进FCM的日负荷聚类方法.首先对日负荷数据进行奇异值分解降维;然后,利用KNN和DPC算法形成初始类簇中心矩阵,并
医患友好理念自2014年引入我国,已在全国不同类型的医院进行试点,提升医患友好度,也成了当前医院的管理挑战.中医特色护理技术具有简、便、廉、验的特点,将中医特色护理融入医患友好建设工作中能够丰富医患友好建设工作内涵,提升医疗服务效能.医院从2020年1月开始以推广中医特色护理技术为基础开展医患友好建设工作,不但提高了中医特色专科护理水平,降低了患者经济负担,也有助于构建更稳定和谐的护患关系,提高患者的就医满意度.
在麻醉学领域内,中医药特色的医疗拥有悠久的历史和较高的起点,但是在很长的时间内没有获得相应的发展.在近些年我国经济高速发展的背景下,中医的发展而逐步受到民众的关注,文章就中医药在麻醉学领域的现状及发展前景进行探讨.
在高比例风电主导的可再生能源电力系统中,利用储能系统平抑风电并网功率波动,可提高风电在电网中的渗透率.为避免储能系统过度充放电,提出了储能系统SOC分区控制模型及控制方法.在此基础上,结合风功率预测信息,提出了风储协调动态优化控制策略,采用超前控制及滚动时域优化方法执行储能的动态控制,在控制允许的范围内提前进行充放电.通过实际风电场数据的仿真算例分析,验证了文章所提方法的优越性,在有效降低风电并网功率波动的同时,提高了储能容量的裕度、利用效率及使用寿命.
广东电网区域内500 kV东鹏甲乙线负序电流超标引起保护告警,利用EMTP软件对线路三相不平衡情况进行了仿真计算,并提出了改造措施.结果 表明,仿真计算与现场数据误差很小,论证了三相电流不平衡主要因线路自身参数引起;线路三相电流不平衡度随输送功率增大而增加,当线路按热稳控制功率计算时,零序和负序电流二次值均超过保护定值0.08 A,将发生保护告警且线路跳闸;建议在终端塔调整相序,使两回线路改为逆相序排列方式,可有效抑制三相电流不平衡.同塔双回线路建议在设计阶段通过电磁暂态软件仿真计算选取合理相序及换位方式
随着近年来国家大力发展和推广中医药文化,各项特色中医药技术在临床得到积极推广和应用,但随之而来的各种问题也层出不穷,中医药技术的应用和发展迎来了困境.文章通过分析目前影响中医医院中医药特色优势发挥的影响因素,明确中医药技术实施开展的潜在问题,提出一些针对性的管理和干预对策,以有效促进中医药在临床中的应用和推广,促进后续临床管理规范和标准的制定.
目的:为加强联合用药的合理性,探究某三级医院中医药联合西医用药管理措施.方法:随机选择医院急诊科2020年3月~2021年3月收治的120例患者为研究对象,随机均分为对照组和观察组各60例,两组患者均执行中医药联合西医用药方案,观察组在此基础上实施加强药物管理,比较两组患者的管理效果.结果:观察组患者用药总合理率,显著高于对照组(P<0.05).观察组患者管理效果的各方面评分,均显著高于对照组(P<0.05).结论:在医院急诊科应用综合性管控,可有效提高处方质量,确保了用药安全性.
冬季空调器、电采暖等供暖设备的使用率逐步提高,京津唐电网负荷受气温的影响也愈发明显,并在2021年1月6日的极寒天气影响下创历史新高.为了解气温对京津唐电网负荷的影响,并且准确预测次日负荷大小,首先对京津唐电网日最大(小)负荷与日最低(高)气温进行相关性分析;其次,建立负荷与气温的线性回归模型,分析京津唐地区负荷对气温的敏感度;最后,采用多元线性回归法建立京津唐负荷预测模型,并考虑节假日与极寒天气的影响,对预测结果进行修正.结果 表明,京津唐电网的日最大负荷与日最低气温之间高度相关,负荷预测模型能够准确预
随着新型电力系统的不断发展,电力系统对负荷预测提出了更高的要求.负荷预测作为电力调度日常工作的一部分,在方式调整、供电规划以及用电平衡方面有着重要的作用,而负荷预测的模型选择很大程度上决定了预测准确性的上下限.为了进一步分析对比传统回归模型与深度学习模型在电力负荷预测中的优缺点,首先对差分自回归移动平均模型(ARIMA)与长短期记忆神经网络模型(LSTM)进行理论介绍,然后通过比较两种模型在电力负荷预测中的实际应用效果,总结两种方法各自的优缺点,最后对负荷预测的发展方向进行了可行性讨论.