现有分类方法不适用于电力施工数据类型复杂、属性多样的场景，在分类过程中，存在Scaleup数值低、聚类能力差的问题，为此，提出一种海量电力施工信息的智能分类系统设计方法。构建电力信息分类系统总体结构，确定数据采集模块和数据存储模块的设计思路。过滤检测获取的电力施工信息特征值，降维处理数据集，求取接近位置的斜率变化情况并进行排序，求取与最大值相应的临界点，以临界点之间的点为聚类中心进行聚类，剩余样本点根据分配原则自动分割类簇，实现分类算法优化。实验结果表明，所提出的方法在2000 GB数据量时，类簇数量增加，耗时为15.9 min, Scaleup数值为0.85,因此，所提出的方法数据分类能力高、信息获取便捷、运行效率高。
对电网中大量使用的密度继电器进行故障预测是具有挑战的一项任务。由于传统方法在实际应用中鲁棒性不足，难以满足电网高可靠性需求的情况，提出一种基于深度监督离散判别(Deep SDD)-Inception v3的密度继电器故障模型。应用标签膨胀法来解决分布不平衡的问题；采用半监督数据增强方法以有效和可控的方式扩展数据集；通过对卷积神经网络提取的特征信息进行学习分析进而预测密度继电器故障，从而增强特征提取和监督离散判别学习的能力，有效提高继电器预测性能的鲁棒性。实验结果表明，所提出的模型对继电器故障预测的准确率约为99.70%。这证明所提出的模型在工程实践中具有重要的应用价值，并有望进一步提升电网运维的实时性和智能化水平。
为了提高电力巡检系统在面对对抗样本攻击时的鲁棒性，提出一种基于多提取器优化域对抗性神经网络(DANN)的智能对抗样本攻击检测方法，并搭建检测系统。实验结果表明，所提出的方法的准确率最高达到98.21%,比部分域自适应(PDA)提高了4.41%。所提出的系统在面对对抗样本攻击时表现出较高的鲁棒性，能够有效检测对抗样本攻击。这不仅保证了电力巡检系统数据处理的透明性和合规性，还为电力巡检系统在实际应用中的安全运行提供了坚实保障。
针对电动汽车接入配电网充电时存在的问题，提出一种电动汽车接入配电网的多目标优化充电策略。通过建立多目标优化充电策略的目标函数和约束条件构建动态多目标选择模型。针对动态多目标优化问题，提出改进型粒子群优化(IPSO)算法并应用在特定模型上求解，实验发现，应用IPSO算法能够高效地找到接近真实Pareto前沿的高质量近似解，并且具有很好的均匀性。实验结果表明，与随机充电、单目标优化、传统加权目标优化策略相比，所提出的充电策略成本最低，充电完成延迟率较优。与传统粒子群优化(PSO)、粒子群优化—径向基神经网络(PSO-RBF)、粒子群优化—布谷鸟(PSO-CS)算法相比，所提出的IPSO算法所需的执行时间更短，相对误差更低。
<正>《微型电脑应用》依托上海交通大学,是中国科技核心期刊。期刊创立于1985年,江泽民学长为期刊提写了刊名。本刊致力于传播科学精神,服务民族振兴,是学者切磋学术的窗口,更是广大科技爱好者交流成果的平台。为了更好地服务大众,展示源于科研与应用第一线的科学成果,本刊特向您征稿。稿件要求如下。一、稿件必须符合党和国家对于出版物的要求。二、稿件应该严格遵循学术规范。数据、图表必须可靠准确,引用的公式和结论必须给出出处,不得存在文字或内容的伪造、剽窃及抄袭等现象。三、稿件应具有科学性,能反映目前国内外计算机技术、网络技术、通信技术等领域的先进理论、应用研究、技术成果和发展趋势。
变压器作为电力系统的核心设备，对电网的稳定运行和安全至关重要。针对变压器故障诊断的准确性和实时性要求，提出一种基于蜘蛛蜂优化算法(SWO)优化的最小二乘支持向量机(LSSVM)模型，并将其应用于数字孪生变电站变压器故障诊断。采用数字孪生技术构建变压器的高精度虚拟模型，实现对物理设备状态的实时映射和监控。利用SWO对LSSVM中的惩罚因子进行优化，以提高故障诊断的准确性和效率。通过数字孪生环境中的实时数据监控和模型预测，实现了变压器故障的早期预警。实验结果表明，所提出的模型在故障诊断准确率和诊断速度方面均优于现有模型，验证了所提出的模型在数字孪生变电站中的实用价值和潜在应用前景。
目前，常规的激光除锈在线监测系统主要通过对电气设备实施除锈操作前的锈蚀层厚度与除锈后的剩余锈蚀层厚度进行测量来实现监测分析，由于缺乏对激光除锈信号的特征提取，导致监测精度较差。对此，提出基于卷积神经网络(CNN)的激光除锈在线监测系统。在硬件方面，对监测系统的数字电路以及模拟电路分别进行设计，并采用传感器对激光除锈表面信息进行收集。在软件方面，构建CNN结构，采用卷积操作对传感器采集到的信号进行信号分解与特征提取，通过分析传感器信号峰值对应的时间，计算电气设备表面剩余壁厚，并将上一时刻计算的剩余壁厚作为参考值，实现对激光除锈操作的在线监测。实验结果表明，采用所提出的系统对激光除锈操作进行监测时，除锈深度绝对误差值较低，具备较为理想的监测精度。
实时、可靠掌握双地刀隔离开关的防误操作状态是保证电网安全运行的基础。因此，提出双地刀隔离开关新型防误操作装置故障自动化检测系统。所提出的系统的数据采集模块利用特高频传感器采集双地刀隔离开关运行状态数据，网络模块以控制器局域网(CAN)总线为核心，将数据传送至检测模块，该模块完成数据的分布式存储后，利用经验模态分解提取故障特征，依据提取结果，利用长短时记忆(LSTM)网络模型完成双地刀隔离开关的防误操作故障。测试结果显示，所提出的系统能够较好地完成隔离开关运行状态数据采集，各个传输通道的时延结果均在0.1 s以内，拟合度结果均在0.947以上，有效完成对隔离开关防误操作不同类别故障的检测。
为提升高校财务系统对异常数据的识别与监测能力，实现辅助管理与决策，基于关联逻辑分析与机器学习，提出一种新型的异常数据监测与分析算法。采用关联逻辑分析技术建立数据源之间的逻辑关系，并根据此关系建立逻辑规则，从而提升对异常数据的识别效率。同时，引入机器学习算法对异常数据进行识别，并构建各隐藏层之间的运算法则，提高算法对异常数据的识别准确率。对多种异常数据识别算法进行的比较实验结果表明，所提算法的识别准确率可达91.2%,为实现异常数据监测提供了新的途径。
随着城市污水处理系统的不断发展，高效节能的自动化装置已经广泛使用在污水处理系统中。文章设计基于PLC(programmable logic controller)的城市污水自动控制系统，并介绍其在城市污水处理领域的技术及应用。选用西门子S7-200作为控制与监控核心，各级控制系统通过工业网络互联，所设计的系统搭建简便，传输过程高效，成本控制有效，极大地提高了污水处理的生产效率和安全性。