首页期刊导航|安全与健康
期刊信息/Journal information
安全与健康
安全与健康

郑玲玲

月刊

1671-4636

safetyhealth@163.com

0591-8784789,0591-87844570

350003

福建省福州市北环中路45号

安全与健康/Journal Safety & Health
查看更多>>本刊把握安全生产正确舆论导向,大力宣传党和国家有关安全生产法律法规、政策动态,及时报道国内外安全管理、安全技术;关注社会职业安全与健康,贴近企业、贴近社会、贴近生活,是厂矿企业安技管理人员、企业主要负责人、政府安全管理部门从业人员的学习资料。
正式出版
收录年代

    "焊"牢安全链条 把紧安全"源头关"——秀屿区应急管理局"三管齐下"开展电气焊作业专项整治工作

    秀屿区应急管理局
    37-38页

    "焊将"比武谁最强?洛江区举办区首届焊工职业安全技能竞赛

    洛江区应急管理局
    38页

    多方联动 为电动自行车安全"加码"——福建省开展电动自行车安全隐患全链条整治消防专项行动

    闵潇
    39-41页

    万人同上安全课 共筑校园"平安网"——厦门市集美区开展消防安全教育公开课

    魏可心
    42,46页

    南平消防稳步推进 "拆窗破网"专项整治工作

    郑振盛刘华钦
    43页

    三明市曝光1起非煤矿山违法"一案双罚"典型案例

    林瑞观
    44页

    河南一建筑工地现场问题隐患触目惊心

    祝雅思
    45-46页

    《灾害事故现场音视频采集和传输通用技术要求》解读

    应急管理部网站
    47,49页

    《应急指挥通信保障能力建设规范》解读

    应急管理部网站
    48-49页

    基于多分类SVM的电力系统安全评估方法研究

    陈霄彤吕淑然
    50-55页
    查看更多>>摘要:为确保电力系统的稳定运行,基于多分类支持向量机(Support Vector Machine,SVM)提出一种对电力系统静态和暂态安全评估方法.该模型在IEEE 118节点系统上进行测试,采用顺序前向选择方法进行特征选择以降低数据维度,并通过带有网格搜索的差分进化算法进行SVM模型参数选择.仿真结果表明,该模型在进行静态和暂态安全评估时分类准确率高于95%.与其他分类器算法相比,该模型四种模式的识别误分类率大幅下降,其中,危险模式的误分类率仅为1.2%.此外,相较于执行时间长达数百秒的传统方法,该模型的执行时间为毫秒级,更适用于在线安全监控系统.

    电力系统安全评估多分类支持向量机顺序前向选择差分进化