摘要：目前分布式业务应用的日志多存储在各分布式服务器节点本地日志文件中,没有集中存储和管理,导致业务系统问题定位速度慢,解决问题效率低.本文提供一种基于OSGi的分布式日志收集与分析技术方案.该方案单独设计了集中的日志存储服务器用于存储日志,并提供一套通用日志模型,业务应用分布式节点向该设备发送基于该模型的日志数据,日志存储服务器接收到各节点的日志数据后进行统一存储和界面化分析展示,帮助开发人员快速定位和分析问题.该方案以OSGi插件形式部署到应用系统,应用卸载该插件后则以原有方式存储日志.应用结果表明,采用该日志管理方案对1000并发下记录日志的业务应用访问性能平均提升2秒,并且没有日志数据丢失.开发人员反馈,错误日志更加一目了然,定位问题的时间明显短于普通的日志存储方式.

摘要：针对手机移动应用领域实现节能减排的问题从移动应用研发和设计角度出发,分析导致耗能的主要因素,从CPU计算、I/O处理、网络传输、定位及动作等维度提出降低手机功耗的优化思路;在当前主流的微服务及容器化架构基础上,以FCFS+SJF为任务排序原则,以AHP模型为任务和资源匹配算法,设计移动应用任务调度效果更优的框架。结果表明:研究在手机端实现了4.8%的节能优化,对于服务器端,在企业级业务量大或高并发的情况下具备明显的节能优化效果;所提任务调度优化框架相较于同类历史算法具备更好的能耗调优效果。研究成果对于“双碳”目标具有较好的推动作用,对于移动应用研发设计领域有一定的借鉴价值。

摘要：经济活动分析是企业加强经营管理、提高运营效率的一种重要手段.本文针对传统经济活动分析工作开展及分析系统中存在的一些专业性较强、易用性不足、面向特定分析主体等问题,设计了一种集多维分析、数据缓存、数据压缩、多线程等功能于一体的经济活动分析系统,该系统在实现传统系统的数据采集、数据处理、统计分析功能外,还具有多种自定义功能、多维度分析展现.该平台在实践应用中,服务于企业经营管控,提高工作效率和质量,验证了本研究成果的有效性.

摘要：为了提高现有溯源方法的安全性,提出基于区块链和蚁群算法的业务数据语义自动溯源方法。构建非中心化业务智能合约区块链,验证启动溯源程序的用户身份。利用蚁群算法自动采集业务数据,通过变换匹配投影提取业务数据中的语义信息。按照业务的运行流程,得出区块链形式的溯源链。选择提取的业务数据语义为初始位置,通过求逆转换操作读取原始输入路径,最终输出业务数据语义的自动溯源结果。实验结果表明,在单链业务和多链业务两种情况下,设计溯源方法的安全风险低于0.5%,且平均加速比高于7.0,可以满足设计要求。

摘要：为了提升电力市场短期电价预测精度,提出大数据分析的电力市场短期电价预测模型。首先收集电力市场短期电价历史数据,然后采用大数据分析中的最小二乘支持向量机算法对电力市场短期电价变化趋势进行拟合和分析,建立最优的电力市场短期电价预测模型,最后采用具体实例分析了设计的电力市场短期电价预测模型的性能,结果表明,所提模型能够准确描述指标与电力市场短期电价之间的变化关系,获得较高精度的理想电力市场短期电价预测结果,电力市场短期电价预测效率高,具有一定的实际应用价值。

摘要：随着云环境的日趋复杂和信息分享需求的日益增大,设计了一种基于混合云架构的分布式协同信息共享平台。设计公、私有云混合环境下的信息共享平台的各项功能,通过定义共享平台数据的敏感度、空间饱和度以及访问频率等参数,为数据选择合适的存储位置;采用新型数据命名规则,将不同数据命名为一级数据或多级数据,从而实现共享数据的高效分发;还设计一种改进型公私钥双重加密技术,保护共享平台的数据安全,通过建立加密秘钥、权限矩阵和服务器密文三种加密数据,并与云共享平台再度结合产生重加密密文,实现指定用户的指定数据安全共享。经过试验验证,设计的分布式协同信息共享平台在数据存储、数据传输与数据安全方面均有较高的性能。

摘要：针对现有线损管理系统电网模型中存在的主配网没有直接连通、二次设备的测量作用没有被充分发挥的问题,提出了建设一种连通主配网、关联一次设备与二次设备的电网模型;通过一对一的数字化建模方法,建立一次设备与二次设备的分层模型连通主网、配网,除去等值连接的二次工作量和兼容性问题;设计二次设备的关口属性树建立一次设备与二次设备的关联关系,避免信息系统中关口与实际关口不符的问题;模型的搭建在SG-CIM的规范下进行;电网模型建立后,遵循SOA架构设计线损管理系统,实现电网模型的可重用管理及线损的实时管理。

摘要：针对云计算平台服务器利用效率偏低以及用户请求响应速度较慢的问题,同时兼顾该平台的收益最大化,文中提出一种面向高并发的云平台计算资源分配方法。该方法采用帝国主义竞争算法和K-means算法对云计算平台用户提交的工作负载进行聚类,并使用决策树算法来完成资源的分配,从而提供最佳的资源供应方案。K-means聚类算法可有效提高帝国主义竞争算法中殖民地的初始人口,防止聚类过程中得到局部最优解而忽略了全局最优解,且进一步提升了算法的收敛速度。通过仿真实验证明,所提方法的平均响应时间与CPU利用率均优于K-means聚类及决策树等传统方法,而与K-means相比,该方法的平均响应时间降低了1.017s,CPU利用率则提高了25.38%。

摘要：为有效提高电网软件恶意攻击的检测效率,使用自动编码器进行异常恶意攻击检测的无监督深度学习方法,同时采用低采样和高采样的混合采样策略来平衡数据集,并对深度学习算法的检测性能及数据丢包率进行分析。实验结果表明,基于深度学习算法在检测电网运营平台恶意攻击时,准确率高达98.84%,真正例率和耗时均比较低(2.1%、11.28 ms),且深度学习算法的召回率高达99.2%;进一步表明基于深度学习所建立的自动编码器可以有效检测到电网运营平台恶意攻击,且检测综合性能优于支持向量机等其他机器学习算法。丢包率随着样本数的增加而降低,当样本数增加到40000个时,丢包率最小约为3%。

摘要：针对评估太阳能光伏发电功率的问题,提出了基于蚁群算法的可靠性分析算法,设计出基于该算法的预测模型体系构架,使得光伏发电的信息传递的稳定性大大增强。通过遗传算法模型中反复的迭代运算,使用户不断寻找太阳能光伏发电功率输出的最优解,最后计算出的数据通过计算机处理系统存储,供用户查询、检索、使用。试验表明,采用蚁群算法有效地寻找太阳能光伏发电功率输出信息的最优解,稳定性好。