设计应用-AET-电子技术应用

基于广义Matern硬核点过程的两层异构蜂窝网络的性能分析[通信与网络][通信网络]

广义Matern硬核点过程（Generalized Matern Hard-Core Point Process， GMHCPP）是在硬核点过程的基础上通过引入竞争函数和删减函数来限制保留概率的一种排斥点过程。针对两层异构蜂窝网络模型中宏基站与微基站的性能进行了深入研究，获得了该模型的覆盖概率和平均可达速率的近似表达式。首先，基于宏基站的性能差异及其排斥性生成保留概率函数，进而，将宏基站的部署以GMHCPP建模。然后，采用蒙特卡罗模拟方法对基站分布进行仿真，并绘制出了平均干扰信号比与路径损耗因子的关系图，根据该函数图，拟合得到了用泊松点过程近似时GMHCPP的增益因子表达式。最后，将增益因子代入覆盖概率和平均可达速率公式，对两层异构蜂窝网络模型的性能指标进行了仿真与分析。

发表于：2025/6/18 下午5:01:05

基于特征选择和优化CNN-BiLSTM-Attention对SF6断路器漏气故障诊断[人工智能][智能电网]

SF6（六氟化硫）断路器是保障电网稳定运行的重要设备，但其在长期使用中容易发生漏气问题，既影响设备性能，又威胁电网的安全性。为精准诊断SF6断路器的漏气故障，提出了一种基于Gini指数特征选择和贝叶斯优化（Bayesian Optimization， BO）的CNN-BiLSTM-Attention组合模型。首先，针对影响SF6断路器漏气的内外部因素，进行特征映射与重要性分析，并采用KMeans-SMOTE技术解决数据分布不均的问题。其次，利用基于Gini指数的方法筛选关键特征，并通过贝叶斯优化精调CNN-BiLSTM-Attention模型的超参数以提升分类性能。实验结果表明，设备缺陷、运行年限、运维水平、天气和温度是导致漏气的主要因素。与其他模型相比，所提方法在漏气故障的0/1分类任务中展现出更高的分类精度和鲁棒性。研究不仅验证了方法的有效性，还揭示了引发SF6断路器漏气的关键因素，为设备巡检和运维管理提供了科学支持，进一步提升了电网运行的安全性与可靠性。

发表于：2025/6/18 下午3:11:05

电力系统较大波动数据条目自适应检索方法研究[模拟设计][智能电网]

针对电力系统数据具有复杂性、多样性特点，导致检索难度过高的问题，设计了电力系统较大波动数据条目自适应检索方法。依据电力系统出力变化率，选取二分量一维混合高斯模型，构建电力系统波动概率分布模型。对比概率分布模型模拟的电力系统波动数据与量测数据，依据判定阈值辨识电力系统较大波动数据条目，构建数据条目检索库。利用哈希函数获取检索库内较大波动数据条目的哈希特征，生成二值码。较大波动数据条目检索时，生成用户检索词的二值编码，计算检索词二值码与检索库内条目二值码的汉明距离，并对其加权处理，利用加权汉明距离排序数据条目，获取较大波动数据条目的自适应检索结果。实验结果表明，该方法能够依据用户输入的检索词，自适应检索电力系统较大波动数据条目，检索结果的归一化折损累积增益均高于0.9，检索时间低于500 ms。

发表于：2025/6/18 下午3:01:05

基于机器阅读理解的电力安全命名实体识别方法[模拟设计][智能电网]

为解决现有命名实体识别方法在电力安全规程等领域文本中识别效果不佳的问题，提出了一种基于机器阅读理解的电力安全命名实体识别方法。首先，使用预训练模型对待识别文本进行编码处理得到文本向量表示。其次，利用层次化注意力机制捕捉嵌套实体间的层次关系，重新分配文本序列的注意力权重；在此基础上，利用分类器预测文本中实体范围，得到最终实体识别结果。将该方法在ACE 2005与OntoNotes 4.0公开数据集上进行验证，对比主流方法其取得最优的识别效果，在电力安全领域实体识别场景下，该方法可达到89.3%的识别准确率，实现电力安全领域命名实体的精准识别。

发表于：2025/6/18 下午2:50:05

数据驱动的商业负荷集群动态聚合研究[模拟设计][智能电网]

商业负荷集群的动态聚合对提高电网的调度灵活性、优化需求侧管理以及促进可再生能源消纳具有重要意义。基于典型相关分析（CCA）选取商业负荷特征，并结合DBSCAN 和 K-means等聚类算法对负荷进行分类，以构建适用于不同场景的负荷集群。进一步，提出了三种负荷聚合标准，即基于调节速度、负荷稳定性和经济性的标准，并分析不同标准下的商业负荷聚合特性、适用性及其在电力调度中的潜在应用。

发表于：2025/6/18 下午2:39:00

面向电气设施火灾早期检测的多模态融合模型[模拟设计][安防电子]

高层建筑电气火灾难以预测，危害程度大。为此，提出了一种面向高层建筑电气火灾早期检测的多模态数据融合模型，该模型融合了温度、CO气体浓度与烟雾三种不同模态传感器的数据，利用了各模态间的互补优势。首先使用gMLP捕捉三种模态数据的内在模式，完成特征提取。然后利用基于多头注意力的融合方法，融合不同模态数据间的有效信息，完成特征融合，并识别出存在火情隐患的电气设施。通过在无隐患与不同电气设施存在火情隐患情况下的多模态数据集上进行实验，证明了多模态数据融合模型的早期预测具有较高的准确率，表明了融合方法的优越性。

发表于：2025/6/18 下午2:27:03

AirGAN：空调机理模型增强生成对抗模型[模拟设计][智能电网]

为引导资源庞大、调控灵活的空调负荷参与需求响应实现“源荷互动”，保障电网的安全经济运行，各大研究单位开展了楼宇空调需求响应实时控制仿真与实践研究。然而，如何准确地估算空调的负荷，并对空调负荷进行预测是目前面临的重要挑战。当前主流方法包括模型驱动型、数据驱动型两种方法体系。其中模型驱动型依赖对空调负荷的建模，难以实现对空调负荷复杂变化的模拟。数据驱动则是依赖大量数据进行模型训练，但难以覆盖空调负荷的各类特点。为此，拟从模型驱动及数据驱动相结合的角度进行空调负荷的智能拟合，以提升空调负荷生成预测的准确性和适应性。提出了一种基于机制模型与生成对抗网络（GAN）相结合的负荷生成方法和模型AirGAN。该方法通过GAN生成器生成的虚拟数据，持续调整物理模型的超参数，以使其更好地符合实际空调负荷特性。同时，采用GAN判别器对机制模型预测的负荷进行判别，以此训练机制模型，从而提升其预测精度。

发表于：2025/6/18 下午2:14:00

一种基于DRSN-GAN的通信信号调制识别方法[通信与网络][通信网络]

针对在小样本和低信噪比条件下通信信号调制识别率低的问题，提出了一种基于深度残差收缩生成对抗网络（Deep Residual Shrinkage Network and Generative Adversarial Network, DRSN-GAN）的深度学习框架。首先，将信号的同相正交数据(I/Q data)作为模型输入，通过生成器生成的数据对数据集进行扩充，有效解决了高质量数据稀缺的问题，增强了模型的泛化能力。利用DRSN组成判别器，将经过扩充的数据送入DRSN进行训练。同时，对输入数据在空间维度上执行全局平均池化，利用通道注意力模块提取I/Q信号的上下文特征，有效减少了噪声干扰。该方法解决了因固定阈值很难适用于所有样本而导致的识别准确率低的问题，并在低信噪比环境下显著提高了识别效果。实验结果表明，所提出的模型在信噪比为0 dB时准确率达92%，对比其他模型，整体分类精度提升了3%，且在小样本和低信噪比条件下表现出更强的鲁棒性。

发表于：2025/5/29 下午3:15:31

基于数据驱动的网络安全态势感知预测[其他][信息安全]

云计算和互联网的快速发展引发网络数据的爆炸式增长，随之而来的网络威胁也变得日益复杂，大量的数据给网络带来了巨大的安全风险。传统的安全措施往往不足以抵御这些持续动态变化的网络安全威胁，需要综合应用人工智能和机器学习等技术，基于数据驱动形成数据应用智能化，采用态势数据采集、大数据关联分析、安全威胁研判等手段，实现网络安全威胁实时监测并预测潜在的网络攻击行为，支撑防御策略动态调整，提升网络空间安全防御整体效能。此外，基于数据驱动的网络安全态势感知预测系统能够帮助网络安全管理人员丰富网络风险处理相关专业知识，在实际网络安全威胁场景下做出更好的判断和决策。

发表于：2025/5/29 下午2:30:27

基于零信任架构的线上培训安全平台研究[其他][信息安全]

新时代数智化技术的快速发展，使线上培训成为企业宣传企业精神、学习新技术的重要抓手。在线上教育培训应用广泛的背景下，以保障平台全流程支持培训业务开展为研究主线，依托现有零信任架构的理念，构建以可信终端环境感知、可信网络环境感知、可信代理、动态访问控制、信任评估、数据库细粒度访问控制六位一体的安全平台。通过实时感知环境状态，动态赋予用户最低权限，持续监督用户行为，让平台运行时达到持续验证、动态授权、全局防御的目标。平台在信任评估模块中引入自注意力机制，提高信任评估效率，保障培训平台安全运行，为培训组织单位构建信息安全堡垒。

发表于：2025/5/29 下午2:17:25