该程序提供了一种绘制电力网络并计算其潮流的图形方式。 所有必要的细节都汇总在文件“PFS_GUI_Tutorial.PDF”中。 开始: 首先解压缩文件。 该文件应包含 5 个文件:PF_Solver_GUI.m、PF_Solver_GUI.fig 和三个 jpeg(每种类型的设备一个)。 在 Matlab 中打开 PF_Solver_GUI.m 并单击运行。
2022-09-20 15:59:59 861KB matlab
1
1.1 文档目的 本文档主要介绍如何配置TopAD产品。通过阅读本文档,用户能够正确地安装和配置TopAD 产品,并综合运用安全设备提供的多种安全技术有效地保护用户网络,控制网络的非法访问 和抵御网络攻击,实现高效可靠的安全通信。 1.2 读者对象 本管理手册适用于具有基本网络知识的系统管理员和网络管理员阅读,通过阅读本文档,他 们可以独自完成以下一些工作:  设备的基本管理  配置负载均衡功能,包括服务器负载均衡、链路负载均衡。  配置防护对象邮件策略、告警策略、报表策略及防护策略。  查看设备实时监控信息,包括连接信息、虚拟服务器信息、服务器节点信息等。  查看流量日志、攻击日志、调试日志和防篡改日志等日志信息。  管理与配置TopAD的附加功能模块,如备份系统、高可用性、告警等。
2022-09-20 14:04:14 18.6MB 天融信
1
1.1 文档目的 本文档主要介绍如何配置TopAD产品。通过阅读本文档,用户能够正确地安装和配置TopAD 产品,并综合运用安全设备提供的多种安全技术有效地保护用户网络,控制网络的非法访问 和抵御网络攻击,实现高效可靠的安全通信。 1.2 读者对象 本管理手册适用于具有基本网络知识的系统管理员和网络管理员阅读,通过阅读本文档,他 们可以独自完成以下一些工作:  设备的基本管理  配置负载均衡功能,包括服务器负载均衡、链路负载均衡。  配置防护对象邮件策略、告警策略、报表策略及防护策略。  查看设备实时监控信息,包括连接信息、虚拟服务器信息、服务器节点信息等。  查看流量日志、攻击日志、调试日志和防篡改日志等日志信息。  管理与配置TopAD的附加功能模块,如备份系统、高可用性、告警等。
2022-09-20 14:04:13 15.4MB 天融信
1
Linux环境MinIO单机安装、集群搭建,数据同步,策略示例。 超详细,一步步学会并启动
2022-09-19 18:02:27 736KB MinIO 集群 负载 策略
1
CAN总线负载率计算,支持CAN标准帧和CAN扩展帧
2022-09-18 09:06:00 20KB CAN负载率计算工具
1
三、电位器的负载特性 电位器式传感器的测量转换电路,一般采用电阻分压电路。图中,L为变阻器总长;x为电刷移动量;负载电阻相当于测量仪表的内阻;Ei为电位器两端电压;Eo为输出电压。 R——变阻器的总电阻; Rx——随电刷位移x而变化的电阻值。
2022-09-16 12:17:46 1.47MB 电位器
1
此应用程序旨在帮助理解和进行传输线理论中涉及的计算。 它显示线路上的不同电压波,并计算输入阻抗/导纳。 此外,它将使用电容器、电感器或短截线计算将负载与给定线路匹配所需的值。 计算机生成的复数总是 a+bi 的形式。 输入复数时,以下列形式之一进行:a+j*b、a+bj、a+ib、a+i*b、a+bi。 不能使用 a+jb 形式。 波的初始值为300MHz,光速为速度。 这给出了 1 米的波长。 如果波长的长度不重要,我建议将这些值保留为默认值,因为结果将有效地体现在波长方面。
2022-09-13 10:43:17 162KB matlab
1
LVS+Keepalived+httpds实现高可用负载均衡
2022-09-07 17:00:41 212KB lvs
1
这项工作提出了一种提取电流波形特征以识别家用电器的方法。 短时傅立叶变换(STFT)和内核PCA技术用于提取这些特征。 一旦定义了特征,分类器 k-最近邻 (kNN)、支持向量机 (SVM)、线性判别分析 (LDA)、随机森林 (RF) 和极限学习机 (ELM) 被用于设备(​​或组合)电器)标识。 PS:ELM算法摘自http://www.ntu.edu.sg/eee/icis/cv/egbhuang.htm并适应本工作
2022-08-31 10:47:59 6.61MB matlab
1
DRL用于微电网能源管理 我们针对微电网的能源管理系统问题研究了各种深度强化学习算法的性能。 我们提出了一种新颖的微电网模型,该模型由风力涡轮发电机,储能系统,恒温控制负载,价格响应负载以及与主电网的连接组成。 拟议的能源管理系统旨在通过定义优先级资源,直接需求控制信号和电价来在不同的灵活性来源之间进行协调。 本文实现了七种深度强化学习算法,并进行了实证比较。 数值结果表明,不同的深度强化学习算法在收敛到最优策略的能力上存在显着差异。 通过将经验重播和第二个半确定性训练阶段添加到众所周知的“异步优势演员评论家”算法中,我们获得了更好的性能,并且在能效和经济价值方面收敛于高级策略。 有关此项目的更多信息,访问: :
2022-08-25 22:54:53 22.94MB HTML
1