Advertisement

电力技术监督导则 DLT 1051-2019.pdf

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
《电力技术监督导则 DLT 1051-2019》提供了电力行业技术监督的标准和指导原则，涵盖了设备性能、安全运行及维护保养等方面的内容。 DLT 1051-2019《电力技术监督导则》替代了DL/T 1051-2007版本。该标准由国家能源局发布，发布时间为2019年6月4日，并于2019年10月1日起实施。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 电力技术监督导则 DLT 1051-2019.pdf
    优质
    《电力技术监督导则 DLT 1051-2019》提供了电力行业技术监督的标准和指导原则，涵盖了设备性能、安全运行及维护保养等方面的内容。 DLT 1051-2019《电力技术监督导则》替代了DL/T 1051-2007版本。该标准由国家能源局发布，发布时间为2019年6月4日，并于2019年10月1日起实施。
     
  • Q/GDW 11717—2017 电网设备金属技术监督导则.xdf
    优质
    《Q/GDW 11717—2017 电网设备金属技术监督导则》提供了针对电力系统中各类金属材料及其结构件的技术监督指导，确保电网设备的长期安全稳定运行。 QGDW11717-2017《电网设备金属技术监督导则》规定了杆塔、构架、电力金具、变压器、电抗器、断路器、隔离开关、接地开关、互感器、气体绝缘金属封闭式电气设备、开关柜、绝缘子、套管、导地线和接地网等电网设备的金属技术监督范围及其具体项目与内容。该标准适用于10kV及以上电压等级的电网设备部件的金属技术监督工作。
     
  • DLT 1773-2017 电力系统电压与无功电力技术指南.pdf
    优质
    《DLT 1773-2017 电力系统电压与无功电力技术指南》提供了关于电力系统中电压控制和无功功率管理的指导原则和技术要求，确保电网稳定运行。 本标准规定了电力系统电压及无功功率平衡的基本原则、各级母线电压和用户受电端电压的允许偏差值以及调整电压与无功的技术措施。
     
  • DLT 5222-2005《导体与电器选择设计技术规定》.pdf
    优质
    该文档为DLT 5222-2005标准的PDF版本，详细规定了电力系统中导体和电器的选择及设计技术要求，是电气工程领域的重要参考文献。 DLT 5222-2005《导体和电器选择设计技术规定》是一份关于电气工程领域内导体与电器选型的技术规范文件。该标准为电力系统中导体和电器的选择提供了详细的设计指导和技术要求，旨在确保系统的安全、可靠运行。
     
  • 异常检测：采用无监督、半监督及监督机器学习技术
    优质
    本研究探讨了利用无监督、半监督和监督机器学习方法进行数据异常检测的技术与应用，旨在提高检测效率和准确性。 在网络入侵的异常检测研究中，数据集通常包含通过主成分分析（PCA）进行降维处理的数据点，并且在无监督学习环境中训练模型时不会使用具体的类别标签。这意呸着，在实际应用中，企业需要验证预测结果的有效性，因为没有明确的事实依据来支持这些结论。 然而，在这项研究中，我们采用了一些特定的方法如隔离林、基于聚类的局部离群因子（CBLOF）、主成分分析（PCA）和椭圆形信封模型进行无监督分类，并且使用了真实标签对预测结果进行了验证。结果显示，所提出的无监督方法能够有效识别出大量的阳性案例。 此外，在半监督学习框架下，我们构建了一个包含84%未标记数据点及16%已标注数据点的数据集。目标是利用这些有限的标注信息来训练模型，并用其对大量未标注样本进行预测分类。为此，采用了自我训练策略结合逻辑回归和随机森林算法来进行实验研究。
     
  • 电力工业以太网交换机技术规范（DLT 1241-2013）.pdf
    优质
    本PDF文档为《电力工业以太网交换机技术规范》(DLT 1241-2013)，由中国电力企业联合会制定，详细规定了应用于电力系统的以太网交换机的技术要求、试验方法及检验规则等。 DLT 1241-2013《电力工业以太网交换机技术规范》规定了电力行业使用的以太网交换机的技术要求。
     
  • UDA：无监督数据扩充技术
    优质
    UDA是一种先进的无监督学习方法，专门用于增强机器训练的数据集。通过生成和利用合成数据，它能够有效提高模型在各种任务上的性能和泛化能力。 无监督数据增强（UDA）是一种半监督学习方法，在语言和视觉任务上取得了最新的成果。仅使用20个标记示例的UDA在IMDb上的表现优于以前使用25,000个标记样本训练的方法，其错误率为4.32，而BERT则为4.51。 在CIFAR-10（带有4,000个标注实例）和SVHN（带有1,000个带标签的示例）上使用UDA能够将现有方法的误差率降低超过30%。对于ImageNet数据集，仅用10％标记的数据就取得了显著改进。 具体来说，在CIFAR-10和SVHN上的比较如下： 模型 | CIFAR-10 | SVHN ICT（之前的最佳技术）| 7.66±.17 | 3.53±.07 UDA | 4.31±.08 | 2.28±.10 对于ImageNet，ResNet-50的前一位准确率和前五位准确性分别为55.09% 和77.26%，而使用UDA后则提升到了68.78% 和88.80%。 无监督数据增强通过减少对带有标签样本的需求，并更好地利用未标记的数据，从而提高了模型的性能。
     
  • DLT 1074-2019 电力用交直流一体化不间断电源设备.pdf
    优质
    本手册详细介绍了DLT 1074-2019标准下的电力用交直流一体化不间断电源设备，涵盖其技术规范、应用范围及设计要求等内容。 最新版的电力标准是DLT1074-2019《电力用直流和交流一体化不间断电源设备》，而不是旧版的2007年版本。
     
  • 关于图像分类的最新技术综述：21种半监督、自监督及无监督学习方法的比较研究.pdf
    优质
    本文为一篇全面的技术综述，探讨了当前图像分类领域内21种半监督、自监督以及无监督学习方法，并对其进行了深入的比较分析。 图像分类是计算机视觉中的基本任务之一，深度学习的发展使得该技术日益完善。近期自监督学习与预训练技术的进步为图像分类带来了新的变革。本段落综述了在实际应用中面对少标签小样本等挑战时，关于自监督、半监督和无监督方法的最新进展，非常值得一读。