上万元力调电费这样追回！

“公司装了光伏后，电费单上突然多出一笔上万元的罚款，名目还叫‘力调电费’！”这声惊呼不是个例。随着分布式光伏的普及，越来越多企业在享受清洁能源红利时，却撞上了意想不到的电费“暗礁”。 二、看不见的电费刺客：力调电费陷阱力调电费（功率因数调整电费）是大工业用户电费的关键部分：电费总额 = 基本电费 + 目录电费 + 力调电费 + 其他附加费当功率因数低于考核标准，力调电费立即变为罚款。 五、企业自救指南：三步远离罚款精准诊断：并网后紧盯电费单中“力调电费”项。一旦发现罚款，立即检测并网点和补偿柜功率因数数据，锁定差异根源。 升级四象限控制器后，功率因数稳定在0.95以上，罚款归零，年省电费逾十万元。光伏本为降本，若因力调罚款得不偿失，实为遗憾。 据国网统计，约30%工商业光伏项目并网首年遭遇过力调罚款，而升级专业补偿设备的成本通常在2-5万元，多数企业半年内即可收回改造成本。

tomcat 9.0.4 性能调优3

tomcat9.0.4 ---- 参考了网上的一些优化参数，但是在启动中发现 有2个报错： 11-Feb-2018 15:57:23.293 警告 [main] org.apache.catalina.startup.SetAllPropertiesRule.begin [SetAllPropertiesRule]{Server/Service/Connector} Setting property 'maxSpareThreads' to '200' did not find a matching pro

用FPGA实现双调排序（3）

基于双调排序算法的蝶形图，我们可以得到地址的变化规律。这里以长度为16的双调序列为例，其地址变化规律入下图所示。由于长度为16，故总共需要4个Stage。 例如Stage 0可分为1组，Stage 1可分为2组，Stage 2可分为4组，Stage 3可分为8组。 同一组内，相邻地址的间距为1，例如Stage 1第0组的4个地址为[0,1,2,3]，相邻地址间距为1，第1组的4个地址为[8,9,10,11]，相邻地址间距为1。 仍以长度为16的双调序列为例，Stage 为0时，延迟级数为8，Stage 为1时，延迟级数为4，Stage为2时，延迟级数为2，Stage为3时延迟级数为1。 在此基础上，将4个SDF相连即可实现串行输入/串行输出的双调排序。下图给出了Stage 0对应的SDF结构。 下图显示了相应的仿真结果。

Spark性能优化 (3) | Shuffle 调优

spark.reducer.maxSizeInFlight参数进行设置，默认为48MB， val conf = new SparkConf() .set("spark.reducer.maxSizeInFlight", "96") 3. 如果在指定次数之内拉取还是没有成功，就可能会导致作业执行失败，默认为3， val conf = new SparkConf() .set("spark.shuffle.io.maxRetries", 当你使用SortShuffleManager时，如果的确不需要排序操作，那么建议将这个参数调大一些，大于shuffle read task的数量，那么此时map-side就不会进行排序了，减少了排序的性能开销

光伏夜间“隐形守护者”：一招解决并网后功率因数下降难题，省下电费单罚款！

我们通常认为，安装分布式光伏（不配储能）是节省电费的好方法。然而，一个常被忽视的影响是：光伏并网后，用户的月平均功率因数（PF）反而可能下降，导致面临供电公司的“力调电费”罚款！ 二、 真实案例揭秘：电量还原看清本质某合同能源管理光伏项目用户月电费单显示：总有功电量：77,360 kWh总无功电量：44,260 kVarh功率因数：0.87力调电费惩罚比例：+1.5% (意味着要多交电费罚款 但并网后，计量点处来自电网的有功电量大幅减少，而来自电网的无功电量不变，直接拉低了计量点的功率因数，导致用户“冤枉”地承担了力调电费罚款！ 四、 算例验证：夜间SVG效果显著沿用上述案例数据，假设用户昼夜用电平均（各占50%）：场景有功电量 (kWh)无功电量 (kVarh)计量点功率因数力调电费影响无光伏接入 (基准)昼 69,250 + 注意：有任何无功补偿问题，请扫码咨询，如有其他问题可每天下午3点半进入我司技术人员直播间探讨无功补偿解决方案。

3MW光伏项目刚并网就被罚23万？罪魁祸首竟是它！

背景：     安装工商业光伏本是为了降本增效，但青岛某制造企业投入巨资建设的3MW光伏电站并网仅一个月，不仅没省下预期电费，反而收到了一张高达23万元的电网罚单！这让企业负责人直呼“太冤枉”！ 项目顺利并网后，企业却发现当月电费账单不降反升，更收到了电网公司开具的23万元力调电费罚款单。 这就好比雇了一辆大卡车（S大），却只装了半车货（P小），但油费、磨损费（基本电费）还得按大卡车算！力调电费罚款： 这是直接的惩罚！ 避免过补/欠补： 防止无功倒送或补偿不足，彻底规避力调电费罚款。 力调电费罚款归零！ 光伏发电的降本效益得到真正体现。海德莱电力郑重提醒工商业光伏投资者：       安装光伏是明智的投资，但忽视功率因数问题，可能让“省钱利器”变成“罚款陷阱”！

VPP 如何优化性能（系统调优）--3

透明巨页(Transparent hugepage, THP)特性自动化了创建和管理巨页的任务。内核守护进程(khugepage)在后台运行，将空闲页面拼接在一起形成/free大页面。

3个Spring Boot项目调优的方式

前言 作为一名工程师，项目调优这事，是必须得熟练掌握的事情。 在SpringBoot项目中，调优主要通过配置文件和配置JVM的参数的方式进行。 二、Jvm调优 关于Jvm调优Oracle官网有一份指导说明 有兴趣大家可以去看看。 三、Jvm调优实战 1、未设置JVM参数的情况 我现在有一个项目，默认情况下，没有设置任何Jvm参数。 关于这些设置的JVM参数是什么意思，请参考第二步中的oracle官方给出的调优文档。

fuse3 编译相关简要记录 与 fuse3 系统调优；

下面是在使用fuse3 编译bbfs 过程中一些参数，用于备忘： FUSE_CFLAGS="-I/usr/local/include/fuse3" FUSE_LIBS="-L/usr/local/lib /x86_64-linux-gnu -lfuse3 -lpthread -ldl" . www.cs.nmsu.edu/~pfeiffer/fuse-tutorial/  http://libfuse.github.io/doxygen/ (官方手册)  注： ubuntu 要手动编译 来进行支持 libfuse3; fuse3 系统调优： kernel 3.15 之后，内核支持 write-back的形式，在vfs设置文件缓存；但是kernel mod 于 libfuse 之间传输的数据量还是最大128kb的数据块粒度 ；为了使用fio工具调优fuse客户端的性能，所以建议使用以大于128k的文件块粒度来进行测试；并且在linux内核4.8之后，fio工具在使用大数据块和大任务的情况下有了不错的性能提升；（使用fio工具进行测试

ClickHouse S3 Engine 数量级调优

本文主要讲解 ClickHouse S3 Engine 的读取写入性能代码 及 数量级调优 ClickHouse 如何性能调优 一 前文 ClickHouse Lamdba 二 perf 调优 1 堆栈来源 trace_log SELECT count(), arrayStringConcat(arrayMap(x -> concat(demangle(addressToSymbol addressToLine(x)), trace), '\n') AS sym FROM system.trace_log WHERE query_id = '157d5b6d-fa06-4bed-94f3- TCPHandler 3 SystemLogFlush 3 Formatter 2 ExterLdrReload 2 ConfigReloader 'http://xxx/insert01/s3_engine_1.csv', 'xxx', 'xxx', 'CSV') image.png 3 多表测试模型 CREATE TABLE default.s3

transformer系列：#3 深度解析多头注意力

Transformer中如何使用注意力正如我们在第二篇transformer进阶之路：#2工作原理详解所讨论的，Transformer在三个地方用到了注意力：编码器中的自注意力：输入序列关注自己解码器中的自注意力 多个注意力头在Transformer里，注意力模块会把自己的计算并行地重复多次。每一次重复，就叫做一个「注意力头」。 查询尺寸（等于Key和Value的尺寸）：三个线性层用来生成Query、Key和Value矩阵时，各自使用的权重的尺寸（我们的例子里，查询尺寸用了3）。注意力头的数量（我们的例子里用了2个头）。 我们可以通过设定下面的查询尺寸来达到这一点：查询尺寸=嵌入尺寸/头的数量在我们的例子里，查询尺寸=6/2=3。 在编码器自注意力里，这个掩码用来屏蔽掉填充值，让它们不参与注意力分数的计算。在解码器自注意力和解码器的编码器-解码器注意力里，会用到不同的掩码，我们稍后在流程中会讲到。

如何破解Web3的「存力」难题？

此后，从竹简、纸张的发明，到工业时代的磁盘存储，再到信息时代的数据库，存储方式不断革新，“存力”不断提高。 这一款面向区块链可信数据存储的技术产品，不仅用来解决当前蚂蚁链及区块链产业的规模化发展问题，也面向 Web3 时代提供“可信存力”支撑。 我们认为，Web3“存力”一个非常重要的要素是可验证，而今天我们看到的区块链存储瓶颈大多来源于可验证结构 ADS（如 Merkle tree）的低效存取和查询，这正是蚂蚁链 LETUS 重点攻克的难题。 我们始终认为，坚持技术自主研发是建立长期可持续竞争力的关键。 ；以及 Web3 等潜在的技术生态。

ChatGPT多烧钱？大模型训练一次200-1200万美元！

整个过程不仅需要大量的手工调参，还需要给机器喂养海量的标注数据，这拉低了人工智能的研发效率，且成本较高。 相比之下，大模型的改进可以使所有的下游小模型受益，大幅提升人工智能的使用场景和研发效率。 国盛证券计算机分析师刘高畅、杨然在发表于2月12日的报告《Chatgpt 需要多少算力》中估算，GPT-3训练一次的成本约为140万美元，对于一些更大的LLM模型，训练成本介于200万美元至1200万美元之间 初始投入近十亿美元，单日电费数万美元 国盛证券估算，今年1月平均每天约有1300万独立访客使用ChatGPT，对应芯片需求为3万多片英伟达A100GPU，初始投入成本约为8亿美元，每日电费在5万美元左右 3）运行成本： 初始算力投入：以前述英伟达DGXA100为基础，需要30,382/8=3,798台服务器，对应3,798/7=542个机柜。 则，为满足ChatGPT当前千万级用户的咨询量，初始算力投入成本约为542*140=7.59亿美元。 每月电费：用电量而言，542*45.5kw*24h=591,864kwh/日。

sqlldr性能调优测试(r3第5天)

接着续上次提到的sqlldr的性能问题，加载一个表数据400多万条记录，竟然用了6个多小时。最后大家争论不休的时候，我发现应该是网络的问题。 http://blog.itpub.net/23718752/viewspace-1182534/ 今天客户IT的同事把网络做了调整，他们就想看看到底改进有多大。 下面是测试的一些记录。 àoriginal logs for issue table, loading around 6 hours. Total logical records skipped:

unity3d：监听当前动画执行完毕回调

Memcached服务级调优1 Memcached服务端调优思路解析3 stats其他命令简介

1 Memcached服务端调优思路解析 1. 1 stats命令讲解 核心参数 3 stats其他命令简介

力扣(LeetCode)刷题，简单题(第3期)

目录 第1题：相同的树 第2题：对称二叉树 第3题：二叉树的最大深度 第4题：二叉树的最小深度 第5题：路径总和 第6题：杨辉三角1 第7题：杨辉三角2 第8题：买卖股票的最佳时机1 第9题：买卖股票的最佳时机 2 第10题：验证回文串 ---- 力扣(LeetCode)定期刷题，每期10道题，业务繁重的同志可以看看我分享的思路，不是最高效解决方案，只求互相提升。 false; } } bool isSymmetric(struct TreeNode* root){ return isMirror(root, root); } ---- 第3题

D3.js 力导向图的显示优化

d3-force 力导向图以实现一个关系网来说，d3-force 力导向图是不二的选择。 下图就是最简单的关系网图，想要实现自己想要的关系网图，还是动手自己实现一个 D3.js 力导向图最佳。 图片构建 D3.js 力导向图在这里实践过程中，我们用 D3.js 力导向图来对图数据库的数据关系进行分析，其节点和关系线直观地体现出图数据库的数据关系，并且还可以关联相对应的图数据库语句完成拓展查询。 下面，我们来实现一个简单的力导向图，初窥 D3.js 对数据分析的作用和显示优化的一些思路。 node() 分配，这样利用 d3-force 这个实例的节点碰撞力，保证新增节点的出现都不会覆盖，最终会在选中拓展节点周围出现。 

json我已经累了基础+实例3（原力计划）

DOCTYPE html> <html xmlns="http://www.w<em>3</em>.org/1999/xhtml"> <head> <meta http-equiv="Content-Type" content DOCTYPE html> <html xmlns="http://www.w<em>3</em>.org/1999/xhtml"> <head> <meta http-equiv="Content-Type" content myobj={ "xm":"黄菊华", "num":3, "ke":["q":"html","w":"css","e":"js"] } alert(myobj.ke["q" 哈哈哈 =========================== 对象嵌套数组方式： myobj={ "xm":"黄菊华", "num":3, "ke":["html","css"," ">