简介:摘要:当前智能电网的建设进程不断加快,智能电网在运行维修和管理过程中会产生大量的数据信息,在这些数据信息当中,既包含了结构性的数据信息,又包含了非结构性的数据信息,数据类型多种多样,如何对这些数据进行高效的储存并实现快速分析,快速挖掘是当前电力系统需要重点研究的内容。为此在今后电力系统智能化发展过程中,就需要注重做好多源数据的有效融合,通过加快构建一套完善的电力多源数据融合体系,能够将电网运行过程中所形成的各项信息进行自动化的收集分析和自动化的挖掘处理,保证各项信息的价值能够全面发挥,有效推动智能电网建设进程。本文主要结合实际工作经验,首先探讨了当前电力多源数据处理的局限性,然后分析了一种电力多源数据融合方法,希望通过研究对广大同行有所帮助。
简介:摘要:随着电网规模的不断扩大,电力系统已经成为广域大系统,具有高度复杂的结构和高阶非线性的模型,在足够满足系统安全性要求的前提下,新出现的问题是如何进行调度控制和决策,从而使电力系统能够在稳定、经济、高效的条件下运行。在电力施工信息融合监测中,过去是采用分批估算的方法,对获得的监测数据进行分批估算,采用批量处理方式,计算存在于某一批次中的数据平均值和方差,然后将该方法计算得到的结果添加到最终的计算公式中,得到的数据为最终数据融合值,从而保证监测结果更精确;通过加权平均法得到的数据同时间有一定关联,其自身的时间则是这些数据的权数,首先要得到上述所提数据的加权数据,再将得出的加权数据进行平均数计算,方便为日后进行数据走势的预测提供所需数据。
简介:【摘要】目的:研究多种剂量方案的舒芬太尼与丙泊酚复合并应用于气管插管的临床效果。方法:全麻气管插管下行经下腹部手术的患者60例,舒芬太尼多剂量方案可分为Ⅰ组(0.15ug/kg)、Ⅱ组(0.30 ug/kg)以及Ⅲ组(0.45ug/kg),搜集诱导后气管插管前(G0)、插管一分钟后(G1)的QPEEG信号。结果:插管前后对比,三组脑组β频段功率百分比增加。G1组间对比,三组左额顶区β频段:Ⅰ组>Ⅱ组>Ⅲ组;δ频段功率百分比降低,G1组间对比:三组左额脑区δ频段对比:Ⅰ组<Ⅲ组,Ⅱ组<Ⅲ组,其余脑区组件对比差异不显著。结论:β与δ频段脑电变化与伤害性刺激存在关联性,大剂量舒芬太尼应用,可达到抑制β频段脑电波所产生变化的作用。