代谢流的动态追踪与系统定量

主讲人简介：杨琛，研究员，博士生导师。1994年和1997年在浙江大学化学工程系分别获学士和硕士学位。2001年获日本九州工业大学生物科学和生物信息学系博士学位。2001-2008年分别在日本庆应大学和美国Burnham医学研究所做博士后。现为中国科学院分子植物科学卓越创新中心/上海植物生理生态所研究员、中科院合成生物学重点实验室副主任。获得中科院“百人计划”、国家杰出青年基金。主要从事代谢调控与合成生物学研究。在微生物代谢流的调控机制、定向引导与优化、以及定量分析技术等方面取得了进展。供稿单位：系统生物医学研究院

gb/t 13469-2021 离心泵、混流泵与轴流泵系统经济运行 标准

标准号GB/T 13469-2021 别名GBT13469-2021, GB13469-2021 发布2021年总页数12页发布单位国家市场监督管理总局、中国国家标准化管理委员会当前最新GB/T 13469-2021   引用标准 GB 17167 GB 18613 GB 19762 GB/T 13007 GB/T 13008 GB/T 13466 GB/T 13468 GB/T 16666 GB/T 21056 GB/T 9481 被代替标准 GB/T 13469-2008 适用范围本标准规定了交流电动机驱动的离心泵、混流泵与轴流泵系统经济运行的基本要求、判别与评价方法、测试方法和节能管理措施。本标准适用于在用的交流电动机驱动的离心泵、混流泵与轴流泵系统。改建、扩建及新建离心泵、混流泵与轴流泵系统设计可参照执行。术语描述泵系统经济运行 Economical operation of pump systems在满足工艺要求、生产安全和运行可靠的前提下，通过科学管理、运行工况调节或技术改进，使泵系统中的设备、管网与负荷合理匹配，实现系统电耗低、经济性好的运行方式。

基于机器学习的电力调度自动化系统流数据异常检测框架设计与实现-手机知网

电力调度自动化系统提高了多级调度联合处置重大电网事故的能力,在维持电网安全稳定运行方面发挥着重要作用。准确的电力调度自动化系统异常检测对电力系统安全稳定运行有重要意义。一旦系统业务发生异常,电网运行会受到极大影响,甚至瘫痪,带来巨大经济损失。该系统具有业务种类繁多、业务逻辑交互复杂等特点,带来了调度监测数据维度多、空间分布多样的特性,现有基于机器学习的流数据异常检测方法,存在对局部异常等特殊异常检测精度与检测效率难以有效兼顾等问题。此外,由于调度业务功能增减导致多维监控数据分布规律变化而产生“概念漂移”问题,现有概念漂移检测方法存在“空窗期”问题,在连续的渐进漂移场景下检测准确率还有提升空间。为提高系统智能化水平,帮助调度人员及时了解系统业务运行状况,保证业务运行可靠,本文基于机器学习思想,针对电力调度自动化系统的流数据异常检测相关技术开展研究,主要工作如下:1)研究了基于机器学习的电力调度数据异常检测方法。针对现有基于机器学习的异常检测方法,存在对局部异常等特殊异常检测精度与检测效率难以有效兼顾等问题,提出了一种基于对数区间隔离森林的异常检测方法。首先,计算每个样本点到数据分布中心的马氏距离,提升了数据维度之间存在的分布差异条件下的度量准确度;其次,设计对数区间隔离策略,构建多个子树,并将其整合成对数区间隔离森林异常检测器,所提方法在筛选出数据集中的特殊异常样本的同时,兼顾检测精度和检测效率;最后,使用公开数据集和某省级电网调度中心业务数据集作为训练与测试样本,验证了所提方法在异常检测AUC值等综合性能上的先进性及其在实际系统应用中的可行性。2)研究了概念漂移条件下的流数据异常检测方法。为避免电力调度流数据异常检测框架因数据流发生概念漂移引起误报增多的问题,设计了基于霍夫丁不等式的自适应时间加权窗口概念漂移检测器。首先;结合系统的应用背景,分析该系统业务数据分布随时间动态变化的特性;其次,结合现有方法进行场景分析,将自适应窗口和时间加权策略进行融合,解决现有方法的“空窗期”问题,基于霍夫丁不等式设计适用于电力调度数据的概念漂移检测算法;最后,利用所设计的算法进行实验验证,使用多种公开合成数据集和实际电力调度自动化系统业务数据,分析概念漂移检测算法在改进前后检测异常时性能的变化状况,验证该方案在异常检测中应用的可行性,为整个流数据异常检测框架的模型更新决策提供参考信息。3)研究了流数据异常检测过滤剪枝策略。为进一步提高流数据异常检测效率,提出了基于核密度估计的流数据异常检测过滤剪枝策略。针对数据流维度高对最近邻算法产生影响的问题,采用了自编码器降维的数据预处理手段对原始数据流进行特征提取。首先,结合系统业务实际运行时正常数据远多于异常数据的特点,分析该系统业务在线异常检测的效率需求;其次,基于自编码器的降维数据处理对高维数据流进行适当的特征提取,以减少相关性较低的维度对算法造成的干扰,作为后续高效剪枝策略的预处理,根据剪枝策略将缓存区中数据快速区分为正常数据和可疑数据实现过滤;最后,使用多种公开数据集和实际电力调度自动化系统业务数据,通过对比不同异常检测算法的性能证明该方法的有效性。