【摘 要】
：
针对电网潜在的电缆火灾风险因素智能分析问题,文中从电缆运行、电缆防火和电缆状态3个方面构建了电缆火灾致灾因素评估体系,进一步提出了基于层次分析法(AHP)与逼近理想点法(TOPSIS)的电缆火灾致灾因素分析算法.该算法通过AHP法获取到各个二级因素的权重系数,并进一步通过TOPSIS法评估计算得到电力电缆发生火灾的风险.算例分析结果表明,文中所提出的算法能够获取电力电缆火灾致灾的主要因素,建立的模型能较为准确地评估电力电缆发生火灾的风险,为电力电缆火灾的预防提供了理论参考.
【机 构】
：
国网山东省电力公司德州供电公司,山东德州253000
论文部分内容阅读
针对电网潜在的电缆火灾风险因素智能分析问题,文中从电缆运行、电缆防火和电缆状态3个方面构建了电缆火灾致灾因素评估体系,进一步提出了基于层次分析法(AHP)与逼近理想点法(TOPSIS)的电缆火灾致灾因素分析算法.该算法通过AHP法获取到各个二级因素的权重系数,并进一步通过TOPSIS法评估计算得到电力电缆发生火灾的风险.算例分析结果表明,文中所提出的算法能够获取电力电缆火灾致灾的主要因素,建立的模型能较为准确地评估电力电缆发生火灾的风险,为电力电缆火灾的预防提供了理论参考.
其他文献
随着信息技术的快速发展,基于嵌入式GUI的人机界面显示技术日渐成熟从而被应用到更多的行业和领域,其在医疗行业也得到了推广,并成为了医疗器械数字化、智能化建设的重点.本文研究了一种基于GUI Designer人机界面系统,通过硬件电路设计及软件系统进行实现;该系统设计简便,适用性强,可以广泛应用于医疗器械行业及其他不同场景.
电网提供的电能是交流电,但我们使用的大多数设备都需要直流电,这意味着进行这种转换的交流/直流电源是能源网上最常见的负载之一.随着世界关注能效以保护环境并管理运营成本,这些电源的高效运行变得越来越重要.
为了解武汉市重点湖泊水质状况及其与污染源的空间关联性,通过对武汉城区6个重点湖泊水质进行采样调查,运用遥感解译提取各湖泊周边的土地利用类型,并利用排污系数法和SCS模型计算了不同污染源的污染负荷,分析了武汉城区湖泊水质的时空差异及其与土地利用类型和污染源的空间关联性.结果表明:武汉城区湖泊水质指标总磷(TP)、化学需氧量(CODCr)、高锰酸盐指数(CODMn)含量在春、秋两季间存在显著差异,其中春季湖泊水质较秋季好,春、秋两季湖泊水质指标氨氮(NH3-N)和CODCr含量以及秋季湖泊水质指标总氮(TN)
1 天字第一号ML模型:分类器rn在上一期里,曾经在Excel画面的幕后,设计了一个分类器(Classifier)模型,将各归类到各自所属的.此时,把一个作品名称(如静夜思),当作一个类(Class).于是,这种ML模型,就通称为:分类器.在ML(机器学习)领域中,分类器就是天字第1号模型.
本设计为家庭互联网环境参数检测系统,通过STM32单片机读取温湿度传感器温湿度、二氧化碳浓度传感器参数,有毒气体数据、光照强度数据,实时的检测家庭厨房的环境参数,防止因忘记关燃气灶或者燃气泄漏导致的人员伤亡或者火灾发生.并通过物联网模块,实时的将告警信息上传到阿里云,以便不在家时也可以实时的观察到,有效地防止灾难发生.
针对传统气体检测方案检测气体种类少、类别固定、灵活性差等问题,本中提出了一种自适应多组分气体检测系统.该系统采用端到端的设计思想,分为下位机气体检测端和上位机数据显示端.下位机支持同时进行6路气体检测,最多可扩展至32路气体检测;文中提出的自适应气体检测算法支持根据应用场景的需要更换不同的气体传感器;采集到的数据基于Fatfs文件管理系统实现有效管理;为进一步增强系统实时性,采用FreeRTOS操作系统实现任务调度.上位机基于Qt开发,可远程实时查看气体数据和对应的地理位置.实际测试结果表明,气体数据检测
以往使用的阻抗法、行波法受到不完全电压暂降故障信号的影响,导致相角变化幅度检测结果不精准,从而影响对故障节点的检测效果.对此,文中提出了基于压缩感知的配电网电压暂降故障节点检测方法.根据电压暂降信号的幅值、时长和相位跳变情况,对电压暂降信号进行稀疏性分析,实现对信号的压缩采样;建立测量矩阵,减小检测信号的尺寸,完成信号压缩,通过信号重构得到原始信号.根据节点个数和区段,计算监测点位的电压跌落幅度,并对比实测的跌落数据与数据库数据,确定故障节点所在的区段.由实验结果可知,该方法判断出离母线1点最远的节点是6
为使医疗体系内非同种数据得到有效区分,从而为诊疗意见的生成提供可靠参考条件,设计基于模糊聚类的智慧医院多源异构数据整合系统.利用多源型处理电路,输出异构数据统筹元件与量化整合芯片连接所需的应用电子量,完成整合系统硬件执行环境的搭建.在此基础上,对模糊数据集合进行标定处理,借助相似模糊聚类矩阵,设置标准的数据整合函数,完成系统的软件执行环境搭建.结合相关硬件设备结构体系,实现基于模糊聚类的智慧医院多源异构数据整合系统的顺利应用.实验结果显示,与拆分型整合系统相比,模糊聚类型整合系统能够更好地应对多源异构医疗
使用人工稽查方法判别纸质工单的业务异常情况,数据积压过大,导致异常工单判别结果不精准.面对该问题,提出了基于序列标注的业务异常工单判别方法.使用注意力机制作为业务管控规则,指引业务异常问题的稽查.使用语义消歧中的柱状搜索方法进行解码,完成知识融合.采用序列标注方法构建业务管控规则知识图谱,消除积压数据.解析新增的稽查目标,确定稽查主体.设计稽查核实步骤,实现业务管控支撑智能化.采用深度学习技术,智能解析稽查工单原始信息,判断导致异常的原因,实现稽查工单智能判别.由实验结果可知,该方法用电数据幅值波动范围与
在传播性公共卫生疫情环境下,为了减少传染风险,医疗机构需要对医护人员和患者进行防护状态下的身份识别.文中基于深度学习算法提出了一种步态识别架构顺序残差卷积网络(SRCN),用来提取基于卷积主干的时空信息,从而实现对个体行走模式的学习.利用信息提取器(BIE)和多帧聚合器(MFA)两个子模块对图像时空信息进行提取,使用残差神经网络(ResNet)提取每幅图像的空间特征.MFA将整合并提取所有特征从而实现步态识别.在CASIA-B公开数据集进行的实验表明,文中所提出的方法在3种模态下准确率分别达到了95.2％