首页期刊导航|微型电脑应用
期刊信息/Journal information
微型电脑应用
上海市微型电脑应用学会
微型电脑应用

上海市微型电脑应用学会

朱仲英

月刊

1007-757X

smcaa@sjtu.edu.cn；smcaa@online.sh.cn

021-62933230

200030

上海市华山路1954号上海交通大学铸锻楼314室

微型电脑应用/Journal Microcomputer ApplicationsCSTPCD
查看更多>>本刊是由上海市微型电脑应用学会主办，上海交通大学等单位协办，并经国家科技部和国家新闻出版署正式批准的计算机应用科技期刊。本刊创刊于1985年1月，得到了中央领导同志、广大读者和计算机业界的支持和厚爱，江泽民主席亲自为本刊题写刊名。在长期办刊实践中，本刊形成了学术性和实用性并重的特色，主要栏目有：院士专家论坛、技术专题、研究与设计、开发应用、技术交流、学习园地等，它面向各行各业从事计算机应用的科技人员和广大电脑应用爱好者，沟通技术开发的信息渠道，为科研设计和推广应用牵线，为公司企业和各界用户搭桥。本刊所发表的文章可作为高校、科研机构等评定职称的依据之一。
正式出版
收录年代

    考虑新能源物流货车分布及充电习惯的充电站两阶段选址方法

    徐小云宋卫平杨帆高攀...
    209-213页
    查看更多>>摘要：以新能源物流货车的充电需求得以满足和匹配用户的充电习惯为目标,提出一种考虑新能源物流货车分布及充电习惯的充电站两阶段规划选址方法.考虑到新能源物流货车送货轨迹不确定和动态分布的特征,构建动态聚类算法将大量分散的需求点划分为多个充电需求块.基于用户充电习惯构建重心法选址模型,以更好匹配用户习惯,提升充电站位置的便捷性和合理性.在成都市范围内使用所提方法进行规划选址,结果验证了所提方法的可行性和有效性.

    充电站选址新能源物流货车动态聚类重心法

      原文链接:
    • 万方数据
    • 维普

    基于改进神经网络PID的主蒸汽温度优化控制研究

    陆寿嵩王晶岩蔚焱
    214-217页
    查看更多>>摘要：针对电厂主蒸汽温度PID串级控制系统参数整定繁琐、自适应性较差的问题,提出一种改进神经网络PID串级控制方法.为了降低主蒸汽温度控制系统的不确定性,基于最小误差熵(MEE)准则训练串级控制中的主神经网络PID控制器,并利用滚动时域窗法递归估计跟踪误差的熵,提升算法运行效率.将主蒸汽温度误差序列和部分可测扰动输入神经网络PID控制器输入层,实现反馈控制与前馈控制相融合,提升控制系统抗干扰能力.通过与采用最小误差平方和(MSE)准则的神经网络PID控制器对比,采用MEE的神经PID控制器可以减小过热汽温的波动,减少控制系统的随机性.

    主蒸汽温度神经网络PID最小误差熵准则最小误差平方和准则不确定性抗干扰

      原文链接:
    • 万方数据
    • 维普

    考虑故障关联区域划分的电力系统线路过载自动校正方法

    石礁顾泽明郭凯
    218-221,225页
    查看更多>>摘要：为了提高电力系统线路过载的校正精度,提出考虑故障关联区域划分的电力系统线路过载自动校正方法.通过对电力系统中的直流潮流进行分析,构建支路功率越限的标识矩阵,划分电力系统故障关联区域.通过构建过载线路的配对灵敏度向量,调整过载线路的功率,引入控制节点,将最小的功率调整量作为允许的调整量,计算电力系统的最终调整量.调节发动机的动力,减少参与修正的发电机数目,构建目标函数.通过消除线路过载的约束和发电机功率调整的上下限约束,构建电力系统线路过载自动校正模型,实现电力系统线路过载的自动校正.实验结果表明,本文方法对IEEE39节点系统线路过载的校正精度可以达到90％以上.

    故障区域线路过载功率调整量自动校正电力系统稳定性

      原文链接:
    • 万方数据
    • 维普

    基于图卷积神经网络的输电线路故障缺陷状态诊断

    孟亚宏余翰知
    222-225页
    查看更多>>摘要：为了解决输电线路故障发生较多、告警系统误报率较高且依赖运维人员分析等问题,提出基于图卷积神经网络的输电线路故障缺陷诊断方法.根据历史输电线路缺陷数据评价得到输电线路缺陷状态;利用k-means算法进行数据离散化处理,提取输电线路缺陷特征,构建特征向量;使用马氏距离来表示各个向量之间的相似度,构建图结构;利用图卷积神经网络实现输电线路故障缺陷类别分类,准确识别输电线路故障缺陷状态.实验结果表明,本文提出的方法做出的诊断结果更加精确,综合诊断效果最好.

    图卷积神经网络输电线路故障诊断图结构

      原文链接:
    • 万方数据
    • 维普

    基于自适应神经元的配电网输电线路反时限过流保护优化整定方法

    孙刚孙迪康
    226-229,233页
    查看更多>>摘要：为了减少反时限过流保护整定值过于依赖人工经验,缓解保护动作之间配合程度较低、电流稳定性较差的问题,提出基于自适应神经元的配电网输电线路反时限过流保护优化整定方法.分析输电线路运行模式和线路故障存在的不确定性,计算发生故障的概率;通过探究反向荷载率、电源容量、谐波含量等指标确定输电线的实际承载力;构建反时限过流保护动作方程,确定反时限过流保护的3种特征;以主保护与后备保护动作时差最小为目标,构建目标函数,确立约束条件;设计具有三个神经元的神经网络模型,每个神经元对应一种保护特征,引入转换模块,将输入量变换为状态量,通过神经元学习,输出最终的过流保护优化整定结果.比较实验结果表明:应用所提方法,随着故障电流增大,保护动作时间曲线未出现相交状况;在测试刚开始时,电流波形出现波动,但迅速恢复到平稳.所提方法能够使保护动作之间有效配合,输电线电流可以始终保持在稳定状态,为保护定值优化提供了新的研究思路.

    自适应神经元配电网输电线路反时限过流保护谐波含量

      原文链接:
    • 万方数据
    • 维普

    长距离复杂地形架空输电线路无人机载雷达巡检技术研究

    林怀德杨剑
    230-233页
    查看更多>>摘要：架空输电线路是电力系统中重要的输电通道.长距离复杂地形的架空输电线路具有较大的安全风险,受到地理条件、气候等因素的限制,无法全面、准确地检测输电线路的潜在问题.为此,提出长距离复杂地形架空输电线路无人机载雷达巡检技术.结合无人机载激光雷达系统原理和不同作业场景需求,采集并预处理点云数据,进行数据融合和分类,完成数据融合解算,生成电力专业报告,实现输电线路巡检.实际应用案例展示了本文技术能够有效提高项目作业效率,且数据成果质量好、精度高,满足项目需求,充分体现了无人机载激光雷达技术在架空输电线路巡检应用中的优越性.

    长距离复杂地形无人机载雷达架空输电线路巡检技术

      原文链接:
    • 万方数据
    • 维普

    基于滑动聚类的窄带物联网特征级异构数据融合方法

    郝亚平
    234-237页
    查看更多>>摘要：由于物联网数据具有多样化特征,不同类数据需求不明确,导致数据特征集提取难度较大.为了提高物联网异构数据融合效果,提出一种基于滑动聚类的窄带物联网特征级异构数据融合方法.利用平移变换得到网络数据的时间信息,通过小波变换增强无线传感器节点采集的异构数据质量;计算滑动窗差值,确定物联网特征级异构数据的初始聚类点,利用均值漂移算法完成异构数据状态聚类;通过凝聚机制完成相似数据的特征集提取,实现特征级异构数据的融合.实验结果证明,所提方法有效降低了物联网数据规模,减少了数据融合误差,且融合后信息不失真,在数据处理领域具有较高的应用价值.

    物联网异构数据滑动窗数据融合小波变换数据轮廓系数聚类中心

      原文链接:
    • 万方数据
    • 维普

    基于深度学习的城市主干道路交通拥堵水平预测

    吕庆礼
    238-241页
    查看更多>>摘要：为了解决城市主干道路交通拥堵问题,提出一种基于深度学习的城市主干道路交通拥堵水平预测方法.建立城市主干道路交通网络的Katz相似度矩阵,保存路网的结构特征,获得城市主干道路交通流数据.采用局部敏感判别分析模型,将交通流数据映射到低维流形,获得最优投影矩阵,提取城市主干道路交通特征.结合循环神经网络模型(RNN)和长短时记忆网络模型(LSTM),设计长短时记忆循环网络(RNN-LSTM)模型,解决梯度消失问题,输入城市主干道路交通特征,经过训练输出城市主干道路交通拥堵水平预测结果.实验结果表明,所提方法预测准确度在0.8～0.98,预测所需时间平均为24.74 ms,具有一定的应用价值.

    深度学习城市主干道路长短时记忆循环神经网络模型Katz相似度矩阵交通拥堵水平预测

      原文链接:
    • 万方数据
    • 维普

    基于多文本图像的虚假新闻多模态检测模型研究

    孙宇茹
    242-244,252页
    查看更多>>摘要：针对互联网环境下虚假新闻泛滥的问题,提取虚假新闻中的文本和图像特征,搭建基于多文本图像的虚假新闻多模态融合检测模型.结果表明:所提模型检测准确率较高,为0.839;微博数据集中att-RNN模型真实新闻的召回率和虚假新闻的精确率最高,分别为0.887和0.855;CCF竞赛数据集中MVAE模型虚假新闻的召回率最高,为0.737,所提模型其余指标均最高;所提模型相较于MVAE和att-RNN模型具有明显的改善(p＜0.05),相较于MVAE模型聚集性和可判别性更强.综上所述,所提模型能够较准确地检测虚假新闻.

    虚假新闻检测多模态特征融合注意力机制

      原文链接:
    • 万方数据
    • 维普

    基于计算智能的电力数据智能分析及应用研究

    白晶周运斌陈茜
    245-248页
    查看更多>>摘要：为了提升智能电网负荷预测准确率,提出了一种基于深度学习的短期电力负荷预测模型.在长短时记忆网络和卷积神经网络基础上,构建混合CNN-LSTM预测模型结构.利用基于叠加卷积降噪自动编码器对电力数据进行特征提取,提出包含2个堆叠的LSTM层和1个线性输出层的负荷预测模型.24 h短期负荷预测结果表明,所提模型MAE、RMSE、MAPE和R2 指标分别为 232.08、292.19、0.0322、0.909,与 XGBoost 模型相比,性能分别提升 74.8％、73.8％、70.8％和 10.9％.

    智能电网数据分析负荷预测特征提取

      原文链接:
    • 万方数据
    • 维普