简介:近年来工控网络安全事件频繁发生,并且呈逐年递增趋势,造成的安全事件影响越来越大,甚至逐步威胁到国家安全。水利工程是国家关键基础设施的重要组成部分。随着“中国制造2025”和两化融合工作的推进,越来越多的智能设备、计算机技术和网络技术应用于工业控制系统,使工业控制系统极易遭到来自管理网或互联网病毒、木马以及黑客的攻击。文中主要介绍了水利工控网络安全的现状、在技术和管理方面存在的主要问题,以及引起水利工控网络安全问题的主要原因,重点阐述了水利工控系统网络安全防护工作要点及安全防护方案,并以水电厂工控系统为例给出了具体的防护措施。
简介:水动力模型在防洪决策支持系统中占有重要的地位,而系统的网络化由于其易发布、好维护等优点日益受到重视.本文对水动力模型网络化的体系结构进行了分析,提出WWW服务模型与客户机/服务器结构相结合的B/S/S(浏览器/WEB服务器/应用服务器)结构;讨论了水动力模型在该方案中的位置,提出将模型的表现、交互部分和计算部分分开,分别位于B/S/S结构中的三个部分.在此基础上本文就怎样实现上述的结构进行了讨论,对于其中的难点WEB服务器与应用服务器(计算部分)的交互,分析了可采用的多种技术:基于特定协议的Socket(套接字)、命名管道、RPC(远程过程调用)、COM(组件对象模型)、CORBA、RMI、DCOM(COM+),基于通用协议的WEBSERVICE(包括.NET和SUNONE两种WEB技术体系)等,提出了利用Socket技术实现WEB服务器与水动力模型计算部分进行交互的解决方案,并阐述了该技术的基本原理,以及在哈尔滨城市防洪决策支持系统中的运用实例.
简介:本文在分析影响作物蒸发蒸腾量的气象因子的基础上,以不同的气象因子组合为输入向量,以参照腾发量为输出向量,构建了气象资料不足情况下三种计算参数腾发量的BP神经网络模型BPET1、BPET2和BPET3.利用宁夏引黄灌区2000~2003年的逐日气象资料对所建模型进行反复训练和预测,并把预测结果与传统的Penman-Monteith公式计算而得的同期作物ET0值相比较.其中,BPET1的预测值与ETO值的相关系数平方为0.9914;BPET2的预测值与ET0值的相关系数平方为0.9917;BPET3的预测值与ETO值的相关系数平方为0.9854.研究结果表明,本文构建的模型计算精度较高,方法简便可行,能满足实际生产需要.
简介:岩体力学性质受结构面控制,表现出强烈的各向异性。同时工程地质师多年的实践认为岩石结构面是具有统计性的,因此岩体结构面网络模拟成为研究岩石力性质的新方向。其中裂隙网络渗流模拟,特别是三维裂隙网络的渗流计算是结构面网络模拟研究工作的重点和难点。又由于对于具有随机性裂隙网络渗流的计算,需要多次形成裂隙网络样本,并对每个样本进行多次计算,因此对渗流计算比确定性渗流提出更高的要求。本文基于将单个裂隙看作为一个不可压缩的二维各向同性多孔介质的假定,运用加权剩余法,推导了单裂隙渗流的边界单元法公式。通过将裂隙之间的交线看作为内部边界,推导了多裂隙相交时的边界单元法公式。利用FORTRAN90语言编制了相应的计算程序BIEMNF。为验证程序的正确性,利用计算实例进行了考核。
简介:在调水工程中,如果泵站站前水位过低,会危及泵站安全,如果水位过高,会危及周边安全,因此探寻调水工程中河渠湖库水位变化显得尤为重要.以南水北调东线山东段南四湖为研究区域,寻求不同起调水位、出入流量、泵站开启时间差的调水方案下泵前水位变化规律.先利用耦合模型对不同的调水方案进行数值模拟,然后选取23组调水方案及其数值模拟所得的泵前水位作为样本训练BP神经网络,建立BP神经网络调蓄水位预测模型并进行验证,最后利用预测模型对不同调水方案进行泵前水位预测.结果表明,BP神经网络预测模型具有很强的预测能力,预测模型结果与耦合模型结果泵前水位基本吻合,水深相对误差小于9.15%,而模型计算效率提升96.67%.
简介:对一种适用于智能变电站的微机保护装置集中式网络打印方案进行了研究。通过分析微机保护装置的组屏安装就地化打印方式存在诸多不足和微机保护装置的信息打印业务,根据智能变电站的网络化技术特征,提出了一种新的集中式网络打印方案,并将该方案成功应用于新一代智能化变电站自动化系统中。该方案以打印服务器为中心,采用IEC61850通信规约,可实现打印格式的灵活控制,打印输出效果更加美观,同时还具备与电力管理信息系统的文档接口功能,因此是智能变电站技术创新发展的重要方向之一。
简介:造成中长期水文预报研究和预报困难的主要原因是水文现象本身的复杂性和不确定性,以及内部复杂的非线性关系,针对这些问题,本文建立了一种小波神经网络时间序列模型,并用遗传算法对小波神经网络的连接权值和伸缩变量、平移变量进行优化。使用这种模型对黄河三门峡站逐年月天然流量进行预报检验,并将检验结果与传统的小波神经网络和BP神经网络进行对比,从模型预报精度、趋势性和稳定性3个方面进行分析,分析发现,这种遗传算法优化的小波神经网络时间序列模型能够有效地克服传统的小波神经网络和BP网络容易陷入局部极小的缺陷,能够对水文现象的趋势性作出较精确的预测,具有良好的预报精度和稳定性。