教学课程资源库 更多>>

关键词： 电力变压器   系统短路视在容量   对称短路电流   绕组平均温度  

摘要： 首先，从绕组发热和绕组受力两个维度，分析了短路耐热能力对电力变压器的影响；然后，通过系统研究外部短路形式选择、系统短路阻抗取舍、短路视在容量确定、变压器及系统短路阻抗计算、对称短路电流计算与持续时间确定，以及绕组平均温度限值等关键参数，结合标准规范与实践案例，完整阐述了短路耐热能力的计算流程。研究成果可为电力变压器制造企业的产品设计和生产工艺提供参考，同时为检测机构学习短路耐热能力计算方法提供直观指导。

摘要： 储能行业的竞争已从单一价格转向价值创造，而这正是技术型企业的机遇所在。鹏辉将继续深耕“可靠、高效”双核心，与合作伙伴共同构建更智慧、更可持续的能源未来。在碳中和、碳达峰目标的引领下，全球能源结构加速向清洁化转型，储能作为新型电力系统的核心枢纽，正迎来爆发式增长。在这场变革中，广州鹏辉能源科技股份有限公司（以下简称“鹏辉能源”）以“技术鹏辉”为核心战略，通过数智化技术与储能技术的深度融合，在大容量电芯、新型电池、储能等领域持续突破，展现出中国储能企业的创新实力。ESIE2025第十三届储能国际峰会暨展览会期间，鹏辉能源品牌部总经理唐莹接受《电气时代》专访，详解了公司在技术革新、战略布局及行业未来趋势上的深刻洞察。

关键词： 新工科   数据库   NoSQL   翻转课堂  

摘要： 传统课堂模式难以适应新工科背景下数据库课程教学的需求。以NoSQL数据库课程为例，通过分析传统教学模式存在的主要问题，提出基于翻转课堂的改革方案。方案实施贯穿教学活动的全过程，课前注重基础理论知识准备、课中强调问题导向和深度互动、课后关注巩固和效果反馈。翻转课堂模式通过降低学生的理论学习难度，提升实践操作能力，确保不同水平的学生都能获得有效的学习支持，提高了教学质量。实践结果表明，翻转课堂模式促进了数据库理论与实践的紧密结合，实现了课内与课外学习的深度融合，激发了学生的学习主动性。

关键词： 注水泵   能耗   遗传算法   粒子群算法   转速比  

摘要： 为降低注水系统和注水泵机组在生产系统中的能耗水平，在梳理某油田注水泵站运行现状的基础上，确定了影响泵机组能耗的主控因素，建立了以泵机组运行功率最小为目标函数的数学模型，分别采用遗传算法和粒子群算法进行求解，以此确定开泵数量、流量和转速比。结果显示，粒子群算法在收敛速度和寻优精度上均优于遗传算法，优化后注水泵的转速比差基本为零，转速比差越小，能耗越低；对18座注水泵站进行了优化调整，对未实施变频的电动机统一安装高效变频器，对一拖二变频形式的电动机统一更改为全变频同步调速，每个站的单日节电量为745～1 495 kWh，可节约运行费用596～1 195元，节能效果显著。

关键词： 数据库   人工智能   深度学习   强化学习   查询优化  

摘要： 传统的关系型数据库优化技术(如连接顺序选择、节点调整、成本估算、索引和视图选择)已经无法满足大数据时代各种业务的高性能需求,尤其是云上的需求。由于人工智能技术拥有学习能力,所以在数据库领域展现出了巨大潜力以及研究前景。本文首先介绍了人工智能应用于关系型数据库的主流方向;其次,探讨基于学习的数据库优化过程中可能遇到的挑战。进而,综述关系型数据库优化的现状及具体技术,并对数据库优化技术的发展进行了展望。重点综述配置优化与查询优化技术:(1)针对数据库配置优化,主要综述索引推荐、视图推荐以及节点调整。索引推荐包括静态推荐和动态推荐。静态推荐依赖于DBA(Database Administrator)从查询日志中选取常见的查询作为代表性工作负载,并基于工作负载选择合适的索引;动态推荐可以使用贪心算法或者动态规划(Dynamic Programming,DP),根据工作负载的变化动态更新索引方案,也可以配合DBA的反馈进行动态调整,基于学习的动态推荐方法可以自动从历史数据中学习,而不依赖于DBA的反馈。视图推荐主要有两个任务,候选视图生成和视图选择,候选视图生成通过分析历史工作负载或重写子查询生成高质量候选视图;视图选择在资源限制下优化子集物化,最小化查询成本。节点调整包括基于搜索的方法、传统机器学习法以及强化学习法。基于搜索的方法可以得到一个较好的节点组合,但可能无法在有限的时间内找到最优的节点值;传统机器学习法可以自动优化节点,但需要优质样本;强化学习可以与环境的持续交互来提高泛化能力,仅需要少量样本进行自动调参;(2)针对查询优化,主要综述基数/代价估计以及连接顺序选择。基数/代价估计分为传统方法与基于学习的方法。传统方法包括直方图、数据画像以及索引采样,现有方法很难支持涉及多表/多列的连接查询,且需要额外空间存放样本;基于学习的方法可以更好地获取表与表、列与列之间的高维关系,并且可以适当地与采样方法结合,达到更好的效果。连接顺序选择包括传统方法、静态学习法以及动态学习法。传统方法通过穷举法、贪心算法或者动态规划来选择一个较好的顺序,但是开销大,无法在短时间选择一个最佳计划;静态学习法可以从历史的查询中学习,以提高未来查询的性能;动态学习法侧重于使用自适应查询处理来学习连接顺序,即使在执行查询时也可以更改连接顺序。

关键词： 泵设备   管理系统   Django   界面设计  

摘要： 随着工厂生产安全监测需求的日益发展，对于在线监测的累计数据进行有效管理越发重要。文章设计了一个在线监测网站，旨在辅助现场作业员和中控室查看化工厂设备运行的实时数据。首先，介绍了基于MTV模式的Django及化工泵领域的常用参数。其次，介绍了文章系统基于的数据库和表格设计。最后，介绍了基于该数据库的界面实现，展示了实际的运行情况。结果表明，该数据库管理系统能够极大的提高化工厂中泵设备运行的生产安全，为故障诊断提供真实的数据支持。

关键词： 新质生产力   农业环境污染   污染防治  

摘要： 农业环境污染防治是三农工作中的重点内容，研究农业环境污染与防治对推进我国生态环境保护进程具有极为重要的意义。新质生产力所倡导的技术创新、生产要素配置创新为我国农业环境污染与防治工作带来了新的契机。立足于我国农业环境污染防治工作的现状以及困境，有针对性地提出健全法律法规体系、提高农业生产者的实质参与能力、构建产学研融合的创新协同体系，以期促进我国农业生态环境保护工作，为新质生产力在农业领域的落实提供参考依据。

关键词： 建筑外窗   气密性   空气品质   能耗   检测技术  

摘要： 在绿色低碳建筑的背景下，外窗气密性对建筑能耗和室内环境质量具有显著影响。分析了气密性与室内空气品质及能耗的关系，探讨了影响气密性的因素，并评估了现有检测技术。提出未来研究方向，包括合理设定气密性等级、提升既有建筑外窗气密性、开发新型建筑外窗及智能化技术、以及关注房屋整体气密性等。这些方向旨在优化设计，提升建筑能效和居住舒适度，推动建筑行业的可持续发展。同时指出高气密性可能带来的室内空气质量风险，还对比了静压箱法、示踪气体法、红外图像处理法等多种检测方法的优劣势。未来研究应综合平衡节能需求与室内环境健康，推动外窗气密性提升与建筑可持续发展的协同共进。

关键词： 1:500   基础地理信息数据库   库体改造  

摘要： 大比例尺基础地理信息数据为经济社会持续健康发展奠定了数据基础，提供了数据服务和保障。为了统一1:500与1:2 000比例尺数据的技术要求和成果形式，使不同比例尺地形数据在数据表达与库体结构上保持一致，实现大比例尺基础地理信息数据的缩编、融合及联动更新等。结合浙江省大比例尺基础地理信息数据的生产情况，根据浙江省最新的1:2 000基础地理信息数据库生产要求，探讨了1:500基础地理信息数据库库体改造的技术方案，提出了库体转换中的一些解决办法。该转换方案已成功应用，可以为类似项目开展提供技术依据与思路，对数据生产具有实际意义。

关键词： 基数估计   查询优化   双向长短时记忆网络   贝叶斯神经网络  

摘要： 基数估计是关系数据库管理系统中查询优化的关键任务,旨在通过预测查询结果的大小(即基数)。准确的基数估计能够显著提高数据库管理系统的查询性能,帮助查询优化器选择最优的执行计划,减少数据库系统资源的浪费。传统的基数估计方法如基于直方图、采样和统计信息等通常假设数据分布均匀或表之间独立,这会导致基数估计的误差较大,尤其在多表连接和数据倾斜的复杂查询中或者在大规模的数据环境中传统方法的表现不是特别优秀。 随着机器学习技术的飞速发展,研究者们逐渐开始关注基于机器学习的基数估计方法。传统方法的局限性促使学者们提出了多种学习型基数估计技术,在众多学习型基数估计方法中基于数据驱动和查询驱动的机器学习方法成为了研究的热点。数据驱动型方法通过历史查询日志和数据分布特征训练模型,具有较强的鲁棒性;查询驱动型方法则基于查询本身的结构信息,如查询计划树,通过分析查询的执行路径来提供基数估计。 尽管这些方法在一些特定场景中表现出了较高的准确度,但仍然面临着计算复杂度、存储开销和实时性等问题。本文提出了一种基于双向长短时记忆网络和集成学习的基数估计框架,以解决传统基数估计方法和现有学习型方法中的局限性。该框架通过四个子编码器高效提取查询计划树中的各种信息,并通过双向长短时记忆网络对特征进行压缩,减少估计模型的学习难度,提升估计精度。此外,本文引入贝叶斯神经网络(BNN)和主动学习技术,构建了一个集成学习模型,这个模型通过贝叶斯推理处理基数估计中的不确定性以及主动学习优化训练数据的选择。实验结果表明,所提出的框架在多个数据集上显著提高了基数估计的准确性,并且在复杂查询和多表连接的场景中比传统方法和其他学习型方法表现得更加优越。 最后,本文将该框架集成到Postgre SQL数据库系统中进行验证,并通过实验结果表明,所提出的基数估计方法能够有效提升查询优化器的性能,改善查询的响应时间和资源利用效率。通过对比不同查询优化策略,验证了基于机器学习的基数估计方法在现代数据库查询优化中的应用潜力。