基于深度学习的电力工作票生成方法

随着电网基层员工减负工作的逐步推进,简化电力工作票填写的需求日益增加。为了解决电力工作票填写中存在的安全措施填写不规范、审查耗时长的问题,提出一种基于深度学习的电力工作票生成方法。该方法采用长短期记忆网络学习历史的电力工作票开票信息,获得电力工作票安全措施经验库;在此基础上,对当前的电力工作票内容进行语义分析,自动生成满足工作条件的安全措施。该方法在仿真环境中进行了验证,其安全措施生成准确率为90%。该方法可提高电力工作票的自动生成能力,提升电网基层精益化管理水平。

IPv6+技术在新型电力系统中的应用

为满足新型电力系统对电力数据通信网在安全性、可靠性、灵活性和兼容性等方面提出的新需求,文章分析了传统电力数据网存在的主要问题,广泛调研了三大通信运营商关于IP技术演进策略,结合国家的产业政策和电力数据网现状特点,论证了采用SDN和IPv6+创新技术建设新一代电力数据通信网的可行性;提出统筹兼顾网络平滑演进和保护现有投资情形下网络的建设方案,并以福建电网为例给出具体的实施建议,以促进IPv6+技术在电力系统的推广应用,支撑电力数字化转型。

基于深度学习的零件实例分割识别研究

本文在参考前人研究结果的基础上,提出了一种以Mask-RCNN框架为基础构建的零件识别方法,该方法不仅具备了运用卷积神经网络提取零件图像特征和对图像微调Mask-RCNN网络进行数据标注等功能,同时还能生成相应的Mask分割掩码,对零件进行全方位的实例分割。有效增强了零件识别工作的及时性、全面性以及准确性。此外,该零件分割方法还能通过增强数据集数据、划分K折交叉验证等方式提升模型的鲁棒性,有效弥补了传统零件识别方法中存在的不足。仿真实验结果显示:基于上述理论构建的实例分割方法,具有显著的可行性和准确率,可在今后的工作中不断推广和使用。现将相关研究结果总结于下文,以供各位读者参考。

面向电力调度数据网的节点重要性评估方法

在电力调度数据网中,预先对网络中的节点进行系统性评估,从而对其中的关键节点进行保护,对维护整个电力系统的安稳运转具有重要意义。从网络边权的角度出发,通过先分析网络中边的重要性,再分析节点重要性,得到准确的节点重要性评估。该方法计算网络中不同链路的局部重要性、全局重要性和业务重要性,并利用各指标信息熵值得到综合的链路重要性。最后将链路的重要性分配给相邻的节点,从而得到各节点的实际影响力。通过仿真实验,在不同类型的网络上进行分析,验证了该方法在网络效率方面识别关键节点的有效性。

基于大数据可视化的电网运行指标多维动态交互式展示研究

飞速发展的电网具有地域分散和用户分散等特征,为保证电力系统的稳定运行,需要以多指标监测和评价电网,该文研究基于大数据可视化的电网运行指标多维动态交互式展示方法。在极差化理论下分类电网运行多维动态指标,基于大数据可视化设定指标交互式展示形式,实现方法设计。试验结果表明:以某省智能电网为测试对象,选择电网结构信息和运行状态信息作为展示指标,通过该文方法可以直观地反映出电站电压等级在空间结构中的分别情况以及变压器负载率的变化情况,应用效果良好。