XiaoMi-AI文件搜索系统
World File Search SystemDFOS
2022 年 DER 路线图整合活动计划
电压和频率穿越要求：基于 AESO、DFO 和 TFO 讨论 6，关于该主题的评估文件于 2021 年 3 月 31 日发布。根据原始设备制造商 (OEM) 的进一步反馈以及行业更新，AESO 提出了一种两层实施方法，其中 DER >=150 kW 将继续满足 2021 年 12 月的实施时间表，而 DER < 150 kW 将满足 2022 年 12 月的实施时间表，考虑到 UL 1741 SB 的延迟发布。提议的两层实施方法与 TFO/DFO 保持一致，并受到 DER 支持者的欢迎。AESO 将在 2022 年第二季度发布更新的评估文件，以反映两层实施方法。输电保护和控制协调以及有效接地：AESO、DFO 和 TFO 就输电保护和控制协调以及有效接地和 TOV/TRV 进行了探索性讨论，同时增加了 DER。有效接地和 TOV/TRV 的评估论文于 2022 年 3 月 31 日发布 7 。孤岛/反孤岛：AESO、DFO 和 TFO 就孤岛/反孤岛和恢复协调进行了探索性讨论。反孤岛筛选和研究指南计划于 2022 年第二季度发布。恢复协调：根据目前的 DER 渗透率，这项工作被评为低优先级。因此，该活动重新安排于 2022 年开始。调试和测试要求：AESO 于 2021 年 11 月与 DFO/TFO 就 DER 调试/测试要求进行了讨论。AESO 将于 2022 年第二季度就该主题发布评估报告。网络安全要求：AESO 和 DFO 可能会进行探索性讨论，以确定基础网络安全指南是否有利于在 2022 年将 DER SCADA 数据传输到 AESO。
特刊-MDPI
摘要：非本地平均值（NLM）可以显着提高信噪比（SNR），但不可避免地会降低分布式光学纤维传感器（DFOS）的空间分辨率，这阻碍了其实际应用和DFOS绩效的改善。在本文中，分析了相关光学时域回流仪（ϕ-OTDR）和NLM参数的信号扩展之间的定量关系，以识别空间分辨率降解的原因和程度。模拟周期性和ϕ -OTDR振动信号的降解结果表明，信号扩展主要是由于NLM的相似性窗口大小，并且信号振幅降低是由高斯平滑参数引起的。与参考信号相比，降解后模拟信号的信号扩展和ϕ -OTDR信号分别为2.56％和2.74％，远小于先前的结果。信号振幅分别降低了9.25％和13.62％。这项工作促进了NLM的应用并提高了DFO的性能。
用快速电子梁探测光学叠液基于机器学习的极化签名分析，用于检测和分类窃听事件和有害事件
光纤基础架构对于处理从军事智能到个人信息的广泛敏感数据至关重要。近年来，这些系统对这些系统的破坏尝试增加，以及未经授权的数据拦截的风险，这对量子计算的进步加剧了[1，2]。光纤特别容易受到窃听攻击的影响，其中未经授权的光耦合技术（例如evaneScent耦合，剪切，V-Grove剪切和微宏弯曲[3，4）可用于拦截数据。监视光电水平是检测窃听攻击的一种方法，但它可能不适用于导致最小或无法检测到的功率水平下降的攻击[5]。比光学功率跟踪更复杂的技术涉及监测接收器的极化状态变化，以使窃听尝试的正常系统变化。早期工作[6]使用分布式光纤传感（DFO）引入了一个系统，该系统可以通过使用已安装的光纤电缆触摸或操纵围栏来检测签名。但是，由于纤维杂质而依赖瑞利和布里鲁因反向散射，使该溶液复合物。此外，需要高速脉冲激光器以基于反向散射脉冲延迟确定漏洞的位置，再加上二氧化双流器以滤除放大的自发噪声的要求，并以其高成本进行贡献。1a）。[7]中的工作研究了不同纤维事件的极化特征，因为在特定时间和频率窗口中极化的序列变化，通过处理Poincar´e球中的极化状态得出（请参阅图通过窃听和有害事件产生的签名是在独特的情节中视觉的，被称为瀑布，使人类安全操作员可以在视觉上区分合法和未经授权的活动。这是一种比[6]的方法更简单，更具成本效益的恶意活动检测方法。然而，由于需要分析瀑布地块的人类专家，因此基于可视化的技术具有有限的适用性和可伸缩性。为了克服现有人类依赖性解决方案的可伸缩性和成本限制，我们引入了一种使用机器学习（ML）算法来分析极化特征的新方法。本文是第一个针对三种电缆类型进行实验收集和分析包含窃听攻击以及其他潜在有害和无害事件的数据集的。我们的方法论是从正常操作条件和无害事件中分析和分析窃听和潜在有害事件的过程，从而允许潜在的大规模光网络部署。提出的方法以92.3％的精度成功地分离了签名。