摘要：由于电力行业的特殊性,承载其业务传输的电力通信网的可靠性逐步受到了重视,随着电力通信网架建设不断完善,网络逐渐表现出垂直分层化的特点,使得跨层联合保护成为可能。文中针对电力通信网设计了一种基于网络编码的跨层保护策略(CLPBNC)。在IP层利用网络编码为链路提供保护,在光传输网中利用预置圈恢复链路故障,并研究跨层联合保护的条件,进而提高保护效率。仿真结果表明,CLPBNC可以有效降低保护冗余度,提高保护效率进而优化网络的整体性能。

摘要：针对电力通信网对高可靠性和高可用性的要求,提出一种考虑链路负载与业务风险联合均衡的电力通信网路由优化算法,以降低网络的阻塞率和业务传输风险。首先基于电力通信业务流特征,分析了节点和链路的带宽资源占用情况,建立了负载均衡模型。其次,结合电力通信网特点分析了光纤链路可用率,并考虑业务重要度分析了不同保护方式下业务的风险,进而设计了风险均衡模型。最后,引入均衡因子对链路负载与风险进行联合均衡,以同时降低网络的阻塞率和风险。选取江苏省某市的电力光缆路由网作为测试网络验证所提算法的有效性,仿真结果表明,与典型的负载均衡路由算法和最小故障风险损失的路由算法相比,该文所提算法能够同时降低网络的阻塞率和业务风险,均衡链路负载流量和风险值。

摘要：为解决电力光通信网中多播业务的链路保护问题,提高电力光纤通信网的波长利用率,降低阻塞,提出了一种基于P圈（preconfigured cycle,P-cycle）的保护算法以实现电力多播通信业务故障的保护。基于电力光通信网中的多播业务需求,改进Prim算法生成与多播请求对应的优化多播树,以此为基础设计了启发式P圈构造算法将多播树的目的节点连接为圈以保护整棵多播树;针对保护资源利用效率问题,分析了P圈的复用条件,通过复用网络中配置的P圈以提高波长利用率;为降低阻塞,在生成多播树和P圈时采用了一种容量均衡策略以实现对链路负载的均衡。仿真结果表明,与已有哈密顿P圈和流P圈保护方案相比,所提算法能够显著降低电力通信网的冗余度和阻塞率,且在多播规模较小时有最佳的保护性能。

摘要：目录认证服务系统是江苏省电力公司企业级信息化集成一体化平台的重要组成部分,为江苏省电力公司企业门户、财务、物资、项目等各类应用系统提供了用户认证、账号管理、单点登录等基础支撑服务。本文介绍了江苏省电力公司目录认证服务系统的设计思路、功能模块和安全管理机制,为电力行业信息化建设提供了有益参考。

摘要：随着电力企业保险工作要求的不断提高,各项保险业务都拥有独立的信息系统,系统之间信息流通不畅,数据重复录入,效率不高的传统模式日益无法满足实际工作要求。本文介绍J2EE平台上的一种轻量级框架组合Struts+Spring+Hibernate,并结合框架组合介绍江苏电力公司保险系统的设计和实现。重点介绍软件技术架构、功能模型设计、数据模型设计、信息安全机制和系统测试规范。目的是通过轻量级框架的优势,提高软件代码的复用性,降低项目开发的复杂度,并为相关行业构建企业级综合保险系统提供借鉴。

摘要：为应对售电侧放开后需求响应资源参与投标竞价过程中的复杂交易安全性,针对多级交易链中存在的潜在风险,探索区块链智能合约在需求响应投标交易中的应用方法,设计一种在非可信环境下的多级投标竞价链式信息传递安全机制。通过智能合约实现多级DR-BD链的同态安全交易,可以在无需公开参与方隐私数据、不泄露用户投标信息的条件下完成交易,同时也为参与交易的实体提供完整交易链条的有效性校验,可满足需求响应投标快速交易的安全性需求。同时还扩展了OpenA DR2.0b协议以及交易节点的合约更新运算规则,并给出该方法在现有技术框架下的实现方式。

摘要：随着电力企业信息化的不断发展,信息建设中存在的IT系统各自为政,主数据冗余,缺乏统一标准,一致性难以保证的问题日益突出。为满足信息系统"一体化"的需要,合理规划企业数据资源,构建企业级数据模型成为一种必然的选择。本文详细介绍电力企业概念数据模型建设思路、主题域、实体、关联关系设计原则和规范。目的是通过面向对象数据模型的优势,从数据规划层次考虑整合业务系统需求,保证数据唯一性,降低集中集成开发的复杂度。

摘要：实时协同编辑系统作为CSCW的一个重要应用,近年来得到广泛研究。对目前协同编辑并发算法的研究现状进行了探讨,比较了国内外现有协同编辑并发算法,包括dOPT、adOPT、SOCK2、SOCK3、SOCK4等算法。然后根据实际应用需求,在GOT算法基础上实现了焦点维护和历史缓存清洗。最后,给出了在一个协同编辑器Z-Office中的应用,目的是提高协同编辑器的实用性和响应速度。

摘要：描述了一个基于轻量级工作流引擎的文档协同编辑系统的系统结构,并详细阐述了该协同编辑系统的有关设计和实现细节。该系统具有一定的通用性,适用于各种相关的应用领域。

摘要：电子邮件广泛应用于人们的工作生活中。然而,充斥着虚假信息、恶意软件和营销广告等内容的垃圾邮件也以电子邮件为载体进行传播。这不仅给人们带来不便,而且也占用和耗费大量的网络资源,甚至严重地威胁信息安全。因此,有效地识别、过滤垃圾邮件是一项重要的工作。目前,垃圾邮件过滤方法主要包括基于邮件来源的识别和基于内容的识别,但大部分方法效果不佳且效率不高,并且需要耗费大量的人力标注特征,也跟不上垃圾邮件内容和形式等的改变。近年来,有研究人员将深度强化学习用在自然语言处理上并取得了重大的成果,鉴于此,本文提出基于深度Q网络的垃圾邮件文本分类方法。该方法在对邮件文本进行预处理、分词以及用Word2vec模型得到词向量的基础上用深度Q网络对垃圾邮件进行过滤,充分利用Word2vec中的CBOW模型得到邮件文本中的每个分词对应的词向量,直接用深度Q网络对得到的词向量集进行处理,无需提取邮件的特征,避免了由于特征提取的偏差带来的负面影响,提高了垃圾邮件过滤的效率和精确率。实验结果验证了本文方法的有效性。